山地地形在全球环境中起着关键作用，支撑着世界26%的人口，并间接维持了近一半人类的生计（Beniston, 2003）。在这些脆弱的环境中，山洪暴发是特别具有破坏性的自然灾害。它们由山区或陡峭地形的小流域中的短期强降雨引发，其特征是水位突然上升、持续时间短且破坏力强（Barthold et al., 2015; Borga et al., 2011）。山洪暴发对人类生命和财产构成严重威胁，加剧了人与土地之间的冲突，并阻碍了区域经济的有序发展（Yin et al., 2023）。根据EM-DAT-CRED数据库的数据，1900年至2020年间，与洪水相关的死亡人数占全球灾害相关死亡人数的30.34%，其中中国的比例高达60.42%（Guha-Sapir et al., 2015）。历史数据显示，自1949年以来，山洪暴发一直是中国洪水相关死亡的主要原因，特别是在2010年至2015年间，其贡献超过了60%（Liu et al., 2018a, Liu et al., 2018b; He et al., 2018; Liu and Huang, 2020）。与一般洪水灾害不同，山洪暴发发展迅速（Wei et al., 2022），破坏性极强，往往导致更严重的伤亡。在当前气候变化和人类活动的背景下，极端降水事件的频率和强度显著增加（IPCC, 2021; Li et al., 2022）。同时，山区的快速城市化深刻改变了地表条件（Schroeder et al., 2016），从而显著增加了山洪暴发的潜在风险。因此，准确理解山洪暴发的时空分布模式和驱动机制对于有效的灾害预防和缓解至关重要。
为应对这一挑战，全球学术界通过综合研究加深了对山洪暴发的理解。文献计量分析（图S1）显示，当前的研究主要集中在时空变异性（Diakakis et al., 2016; Wang et al., 2021b）、风险评估（Peng et al., 2023; Rosenzweig et al., 2018; Shirani et al., 2023）、早期预警和建模（Wang et al., 2023）以及因果分析（Duan et al., 2022; Hu et al., 2018b; Khosravi et al., 2018; Liu and Huang, 2020）方面。时间分析关注多尺度时间变化（Pereira et al., 2017），研究山洪暴发的时间变化模式，并探讨降水事件的空间变异性与其他因素之间的相互作用（Douinot et al., 2016）。空间差异研究采用标准差椭圆和聚类等技术来评估地理分布模式（Xiong et al., 2019）。在更详细的流域或沟壑尺度上，高分辨率数据提高了灾害敏感性和影响评估的准确性（Lian et al., 2017）。在分析驱动因素时，研究人员经常使用地理探测器（Liu et al., 2018b; Phillips, 2002）、线性/非线性和逻辑回归（Diakakis et al., 2016; Wang et al., 2021b），以及各种机器学习方法（Ahemaitihali and Dong, 2022; Band et al., 2020; Bui et al., 2019）。这些研究共同旨在量化山洪暴发与环境因素（如降水量、径流、地形、土壤、植被和人类活动）之间的复杂关系（Liu and Huang, 2020; Piras et al., 2016; Rosenzweig et al., 2018; Qu et al., 2018; Youssef et al., 2016），认识到在这些条件下（如强降雨、陡坡、薄土层、稀疏植被和人为干扰），这些因素可以协同加速地表径流（Hoang and Liou, 2024）。风险评估研究通常整合风险、脆弱性和暴露维度（Gigovic et al., 2017），使用层次分析过程或熵等方法开发多指标综合评估系统（Chen et al., 2016; Rosenzweig et al., 2018）。
尽管取得了显著的研究进展，但仍存在一些关键空白。大多数研究集中在典型的河流或单个河流流域（Cheng et al., 2023; Li et al., 2021），而对像云南省（Chen et al., 2023, Peng et al., 2026）这样的复杂山区系统的全面比较研究仍然有限。该地区的破碎地形、多个共存的河流流域和强烈的构造活动尚未得到充分探索。此外，虽然触发机制（如降水量（Nie et al., 2025; Wei et al., 2018）以及个别环境因素（如土壤（Posner et al., 2014; Uber et al., 2018）和植被（Ebel, 2020）的影响已经得到了充分研究，但山洪暴发的发生本质上是复杂的，从整合灾害诱发因素、暴露元素和环境易感性的系统视角来看，量化多个因素之间的非线性相互作用的研究仍然有限（Ruin et al., 2008; You et al., 2025）。这些灾害影响因素的相互作用以及灾害的强烈区域异质性给明确的因果归因带来了巨大挑战（Xiong et al., 2020; Zhang et al., 2024）。值得注意的是，尽管使用计算流体动力学（CFD）和先进机器学习方法（Bui et al., 2019, Luo et al., 2025）的精细物理模拟正在受到关注，但在山洪暴发研究中，将地理探测器等统计工具与非线性回归模型结合使用以表征空间异质性和检测因素相互作用的情况仍然很少见。这种方法可以构建一个“驱动函数-相互作用机制”框架，为这些复杂现象提供新的见解。
云南省的地形受到青藏高原和云贵高原抬升的影响。该省南北延伸960公里，海拔从76米急剧上升到6740米，形成了多样化的地形和气候带（Chen et al., 2023）。大多数居民生活在盆地和河谷中，使他们极易受到山洪暴发的影响（Xiong et al., 2019）。过去65年的观测数据显示，云南省中部地区的山洪暴发空间分布发生了显著变化。这种变化与多种因素密切相关，包括归一化植被指数（NDVI）、海拔、地形起伏、人口密度、坡度和降水量（Yang et al., 2024）。然而，这些动态变化与其驱动因素之间的内在关系尚未得到彻底分析，导致在这种复杂地形中山洪暴发的精细空间差异规则和形成机制尚不清楚。
本研究旨在阐明降水量、人类活动、地形和植被覆盖如何影响山洪的形成，并考察这些因素在不同空间尺度上的不同影响。具体目标包括：（1）揭示复杂地形系统中山洪的空间差异模式；（2）量化导致山洪发生的关键环境因素，确定非线性响应阈值、峰值、拐点等影响事件概率的特征；（3）确定云南省省级和流域尺度上的主要驱动机制及其相互作用。在方法论上，本研究通过整合复杂地形、降水量和人类活动等因素，突出了山洪的系统和复杂性，以研究其发生机制。预期这些发现将为分析山洪灾害的驱动因素以及制定区域预防和控制策略提供有价值的见解。
