利用极值分析捕捉降雨持续性以评估降雨诱发滑坡易发性

《Progress in Disaster Science》：Capturing rainfall persistence in assessing rainfall induced landslide susceptibility using extreme value analysis

　　

由于复杂的地形和以季风为主的降水，降雨诱发滑坡在印度西高止山脉构成持续存在的灾害。本研究评估了不同时长的降雨极值，检验了其平稳性，并将长历时降雨条件整合到卡纳塔克邦科达古县的滑坡易发性制图(Landslide Susceptibility Mapping, LSM)中。采用极端值分析对不同历时和重现期的降雨极值进行了分析，并评估了降雨极值的平稳性。结果表明，累积降雨量随持续时间增加而增加，凸显了长时间降雨在诱发滑坡中的关键作用。Madikeri站在观测期内表现出非平稳行为，长历时重现水平增加了约58%。Bhagamandala站在长历时（72 h和120 h）方面表现出弱至新兴的非平稳趋势，而Karike站在所有历时和重现期均一致表现出平稳特征。研究人员将长历时降雨条件与11个调节因子相结合，采用层次分析法(Analytical Hierarchy Process, AHP)和频率比(Frequency Ratio, FR)方法开发了LSM。FR的曲线下面积(Area Under the Curve, AUC)为85%，显示出优于AHP模型（AUC为70%）的预测性能。所提出的框架将降雨持续性纳入易发性制图，为季风主导的山地地区的灾害风险降低、土地利用规划和决策提供了见解。

**论文解读：利用极值分析捕捉降雨持续性以评估降雨诱发滑坡易发性**

**研究背景与目标**

滑坡是全球范围内重大的地质灾害之一，常常造成人员伤亡、基础设施损毁和生态失衡。在印度西高止山脉，由于复杂的地形和季风主导的极端降水，降雨诱发滑坡长期威胁着当地社区的安全。卡纳塔克邦科达古县位于西高止山东坡，年降雨量高达2500–3500 mm，地形起伏大，岩体风化强烈，加之近年来频繁的人类工程活动，使得该地区在2018、2019和2022年多次发生大规模滑坡事件。

以往滑坡易发性制图(Landslide Susceptibility Mapping, LSM)研究在表征降雨条件时多采用日尺度、季节性或年降雨量等粗粒度指标，难以捕捉极端降雨事件和降雨的持续性特征。虽然降雨阈值方法被广泛应用于早期预警系统，但这些阈值通常是针对特定事件建立的，具有时间属性，将其直接整合到表示空间发生概率的易发性制图中存在概念上的挑战。此外，区域尺度上历史滑坡事件的时间信息往往缺乏，使得基于事件的触发分析难以开展。因此，如何将能代表降雨持续性的长历时累积降雨指标合理纳入易发性制图，成为该领域一个亟待解决的问题。

本研究正是针对这一需求展开。其主要目标包括：(i) 利用极端值分析量化多种时长的降雨极值并建立强度-历时-频率(Intensity-Duration-Frequency, IDF)曲线；(ii) 评估代表性遥测雨量站降雨极值的平稳性与非平稳性；(iii) 将长历时降雨条件作为调节因子整合到滑坡易发性制图中；(iv) 比较层次分析法(Analytical Hierarchy Process, AHP)与频率比(Frequency Ratio, FR)两种模型的性能。该研究发表在《Progress in Disaster Science》。

**主要技术方法**

研究人员收集了多个来源的数据：SRTM数字高程模型(Digital Elevation Model, DEM)（30 m分辨率）用于提取地形因子；降雨数据来自卡纳塔克邦自然灾害监测中心(Karnataka State Natural Disaster Monitoring Centre, KSNDMC)的16个遥测雨量站2012–2022年逐小时观测记录；地质、地貌、道路和断裂数据取自印度地质调查局(Geological Survey of India, GSI)；土地利用/覆盖(Land Use Land Cover, LULC)数据来自Sentinel-2影像（10 m分辨率）；滑坡编目由GSI实地调查与Google Earth影像解译获得，共记录220个历史滑坡事件。

研究采用Gumbel I型极值分布估计不同重现期（2、5、10、25年）的降雨重现水平，并通过滚动窗口聚合计算24、48、72和120小时累积降雨量。为检验降雨极值的时间稳定性，采用了Mann-Kendall趋势检验和Sen斜率估计，并通过似然比检验和Akaike信息准则(Akaike Information Criterion, AIC)比较平稳与非平稳Gumbel模型的拟合优度，使用Bootstrap重采样计算95%置信区间。随后，利用反距离加权(Inverse Distance Weighting, IDW)插值生成降雨强度空间栅格，将其与11个调节因子（坡度、坡向、曲率、距断裂距离、距道路距离、距河流距离、水流动力指数(Stream Power Index, SPI)、降雨强度、LULC、岩性、地貌）共同输入AHP和FR模型，生成易发性图，并采用成功率曲线和预测率曲线进行模型验证。

**研究结果**

**4.1 降雨极值特征**

通过对24、48、72和120小时年最大降雨序列进行Gumbel极值分析，研究人员发现IDF曲线在所有站点均呈现出降雨强度随时长增加而递减、累积降雨量则随时长增加而递增的规律。随着降雨持续时间延长，IDF曲线趋于平缓，表明长时间累积降雨对坡体水文加载的贡献远大于短历时高强度降雨。在相同重现期下，Bhagamandala站的120小时累积雨量最高，Madikeri站次之，Karike站最低，反映了地形对降雨的空间调节作用。

**4.2 平稳性与非平稳性**

Kolmogorov-Smirnov (KS)检验表明，Gumbel分布对所有站点和时长的年极值序列拟合良好（p值在0.54–0.99之间）。趋势分析显示：Karike站所有时长均呈现弱正趋势（Kendall τ值0.05–0.2），LR检验p值高于0.05，且平稳与非平稳模型AIC差异很小，表明该站降雨极值总体平稳。Bhagamandala站短历时（24–48 h）趋势不显著，但72小时和120小时的Sen斜率分别增大至8.3和15 mm，LR检验p值在120小时降至0.14，呈现弱至中度的非平稳信号。Madikeri站在所有时长均表现出显著正趋势（τ值0.42–0.47），LR检验p值均低于0.05，且非平稳模型AIC值更低，其中120小时时长的非平稳重现水平相对于平稳模型在25年重现期下增加约58%，表明该站长时间累积降雨正在显著增强。

**4.3 基于AHP和FR方法的滑坡易发性评估**

AHP分析中，坡度（22.1%）和降雨强度（18%）获得最高权重，其次为坡向（13.6%）和岩性（13%），表明坡度和长历时降雨是该区滑坡的主控因素。FR分析则显示，高易发区与特定的因素类别密切相关：17–24°的中陡坡（归一化频率比(Normalized Frequency Ratio, NFR)=0.34）、凹形坡（NFR=0.26）、距断裂0–500 m范围（NFR=0.69）、距道路100–200 m范围（NFR=0.84）、距河流0–200 m范围（NFR=0.38）、高度切割的丘陵和河谷地貌（NFR=0.67）、含石墨和堇青石的石榴石夕线石片麻岩（NFR=1.0）。虽然降雨强度的NFR值仅中等的0.34，但其低强度等级（4–6.5 mm·h^?1）对应的120小时累积雨量约480–780 mm，仍与众多滑坡事件相关，说明降雨的持续性比瞬时强度对滑坡触发的影响更大。

**4.4 模型验证**

将滑坡编目随机分为训练集（70%）和验证集（30%），绘制成功率和预测率曲线。FR模型的成功率曲线AUC为0.86，预测率曲线AUC为0.85；AHP模型对应的AUC分别为0.73和0.70。FR模型在训练和验证数据集上均表现出更稳定的区分能力，表明基于数据驱动的统计方法在本研究区具有更优的预测性能。

**4.5 模型比较**

空间分布上，AHP模型将30.4%的研究区划分为高和极高易发区，而FR模型仅将16.25%的区域划为高和极高易发区。AHP的高易发区范围偏大，主要因为其权重分配基于专家经验，而FR模型则依据滑坡事件在各因子类别中的实际分布，更容易识别局部条件不利的区域。两者在高易发区的空间位置上大体一致，但FR对滑坡集中发育的地带刻画更为精确。

**讨论与结论**

讨论部分指出，长历时降雨（120 h）是表征湿润热带地区水文加载的有效指标，其通过持续入渗降低基质吸力、抬升地下水位、增大孔隙水压力，进而削弱坡体稳定性。IDF曲线的形态证实了季风山区累积降雨对滑坡的主导作用。降雨极值的非平稳性存在显著的空间异质性，Madikeri站的长历时重现水平上升趋势尤为明显，这提示在全球气候变化背景下，该区域未来的滑坡风险可能进一步加剧。研究还发现，人类活动（如道路开挖、坡地种植咖啡和橡胶等经济作物）与自然因素耦合，显著增高了局部区域的滑坡易发性。FR模型由于基于完备的滑坡编目，能够有效克服AHP主观赋权带来的高易发区高估问题，但在地质数据匮乏地区AHP仍是可行的替代工具。

论文的结论可概括为：科达古地区滑坡主要受长时间累积降雨触发，120小时25年重现期的降雨强度可作为代表降雨持续性的有效因子。Madikeri站表现出显著的非平稳性，而Karike站保持平稳，说明降雨极值趋势存在空间差异。将长历时降雨因子整合到LSM显著提升了制图对物理过程的表现力。模型对比表明，统计驱动的FR方法预测准确度高于专家判断的AHP方法。尽管使用平稳性假设生成降雨因子可能引入一定的不确定性，但所提出的框架通过引入降雨持续性，在季风主导的山地地区滑坡易发性评估中具有重要的适用性和推广价值，可为灾害风险管理、土地利用规划和工程决策提供科学依据。