《Geosciences》：A Dynamic Early Warning Model for Rainfall-Induced Landslides Coupling Slope Units and Rainfall Thresholds: A Case Study of Jinyang County, Southwest China
编辑推荐：
气候驱动的极端降雨正持续加剧滑坡风险，而传统区域降雨阈值难以充分表征复杂山地地形条件下斜坡预 conditioning 的空间分异。本研究构建了一种耦合斜坡单元滑坡易发性与降雨触发条件的动态预警框架，并将其应用于中国西南金阳县。研究将全县划分为7249个斜坡单
气候驱动的极端降雨正持续加剧滑坡风险，而传统区域降雨阈值难以充分表征复杂山地地形条件下斜坡预 conditioning 的空间分异。本研究构建了一种耦合斜坡单元滑坡易发性与降雨触发条件的动态预警框架，并将其应用于中国西南金阳县。研究将全县划分为7249个斜坡单元，选取8项 conditioning 因子，结合贝叶斯超参数优化训练支持向量机（support vector machine, SVM）与极限梯度提升（extreme gradient boosting, XGBoost）模型。经贝叶斯优化的XGBoost（BO-XGBoost）模型取得了最优判别性能，曲线下面积（area under the curve, AUC）达0.893。在时间触发维度，研究分析了113次历史降雨-滑坡事件，并将其投影至对数强度-历时（intensity–duration, I–D）空间。幂律拟合描述了样本的集中趋势，残差第5百分位数定义了5%非超越概率阈值，约95%的触发事件位于该阈值之上。基于残差的阈值被用于建立四级降雨触发等级。研究进一步构建了门控风险矩阵，将降雨触发等级与易发性等级进行耦合。利用2023年8月21日极端降雨事件期间162个在线监测点进行验证，所得准确率为85.2%，精确率为83.6%，召回率为81.2%，特异度为88.2%，F1分数为82.4%，证明了该方法在区域滑坡空间精细化预警方面的实际应用潜力。
**一、研究背景与科学问题**
滑坡是全球范围内造成严重人员伤亡和财产损失的主要地质灾害之一，而降雨是触发滑坡的最常见自然因素。中国西南山区地处构造活动活跃地带，地形高差悬殊、岩体破碎，地质灾害孕灾环境极为脆弱。金阳县位于四川省凉山彝族自治州东部，地处金沙江深切峡谷区，属于典型的构造侵蚀高山峡谷地貌，地形起伏达1000–3000 m，年降雨量约788.1 mm且高度集中于雨季（湿季降雨占全年总量的88.9%），是降雨型滑坡的高发区域。
目前，中国部分地区的地质灾害预警仍主要依赖气象部门发布橙、红暴雨预警信号实施被动式避险转移，这种模式忽视了斜坡体自身的地质条件差异，存在预警精度低、防灾减灾实施难度大等突出问题。传统区域降雨阈值模型通常仅基于降雨强度与历时之间的统计关系构建，未能充分表征不同地质孕灾条件下斜坡对降雨-水文响应的空间差异。已有研究表明，将空间维度的滑坡易发性评估与时间维度的临界降雨阈值分析相结合，构建时空耦合的滑坡动态预警框架，是提升区域滑坡预警精度的关键发展方向。
**二、研究内容与核心结论**
针对上述问题，研究人员以四川省金阳县为研究区，提出了一种耦合斜坡单元（slope unit）与降雨阈值的动态滑坡预警框架。研究通过DEM水文分析和人工修正将全县划分为7249个斜坡单元，选取归一化植被指数（NDVI）、工程地质岩组、道路距离、断层距离、水系距离、坡度、坡向、斜坡结构共8项 conditioning 因子，构建了基于支持向量机（SVM）和极限梯度提升（XGBoost）的滑坡易发性模型，并采用贝叶斯优化进行超参数寻优。结果表明，贝叶斯优化后的XGBoost（BO-XGBoost）模型取得了最优性能，AUC达0.893。在时间触发维度，研究人员基于113次历史降雨-滑坡事件建立对数空间中的强度-历时（I–D）阈值模型，通过残差第5百分位数构建了5%非超越概率经验阈值，并将其扩展为四级（蓝、黄、橙、红）降雨触发等级。在此基础上，通过门控风险矩阵将静态易发性分级与动态降雨触发等级进行耦合，实现了对单个斜坡单元的实时更新预警。利用2023年8月21日极端降雨事件中162个在线监测点进行验证，模型准确率达85.2%，精确率为83.6%，召回率为81.2%，特异度为88.2%，F1分数为82.4%，验证了该耦合预警模型在复杂山区地形条件下进行精细化滑坡时空预警的可行性和实用性。
**三、关键技术方法**
研究人员主要采用以下关键技术方法：（1）基于DEM正反地形水文分析的斜坡单元自动划分与人工修正，获得7249个斜坡单元；（2）基于贝叶斯优化的机器学习建模方法，包括贝叶斯优化支持向量机（BO-SVM）和贝叶斯优化极限梯度提升（BO-XGBoost）；（3）基于Log-Log空间残差百分位数法构建I–D降雨阈值曲线及分级预警阈值；（4）门控风险矩阵耦合方法，将静态易发性分级与动态降雨触发等级相结合。研究数据来源包括：金阳县地质灾害防治信息平台登记的地质灾害点数据、《金阳县斜坡地质灾害风险详查及重点乡镇精细调查》项目的遥感解译和野外调查成果、区域气象站逐小时降雨数据以及162个在线监测点的变形记录。
**四、研究结果**
**4.1 滑坡易发性模型精度对比**
研究人员采用准确率、精确率、召回率、F1分数和AUC五项指标对四种模型进行评估。SVM、BO-SVM、XGBoost和BO-XGBoost的AUC值分别为0.790、0.883、0.842和0.893。贝叶斯优化使所有模型的性能均有提升，其中BO-XGBoost在各指标上均优于基线模型，表现出最强的判别能力和泛化性能。
**4.2 降雨型滑坡易发性结果分析**
基于四种模型的斜坡单元易发性结果通过自然断点法划分为不同等级并生成易发性分区图。所有模型的输出均与历史滑坡点的空间分布大致吻合。中、高易发区沿金沙江、西溪河和金阳河呈带状展布，受河流下切、构造破碎、强降雨和工程扰动共同控制；天地坝镇、芦稿镇等地出现局部高易发性斑块，与地形陡峭、岩土体稳定性降低及建设切坡和矿业活动有关。低和极低易发区集中于县境东北部和西北部，地形平缓、构造相对稳定、人为活动有限，斜坡整体稳定性较高。
**4.3 降雨阈值与分级预警结果**
研究人员将113次滑坡触发降雨事件的平均降雨强度（I）和降雨历时（D）投影至双对数坐标系，先采用幂律回归描述数据集集中趋势，再基于拟合残差经验分布的第5百分位数构建5%非超越概率经验I–D阈值曲线：I
T5 = 16.505D
?0.880，约94.7%的触发事件位于该曲线上方。基于残差经验分布，研究进一步采用5%、20%、50%、80%非超越比例构建蓝、黄、橙、红四级并行的阈值曲线族，建立了多历时、从低到高逐级递增的降雨预警指标系统。
**4.4 耦合预警模型验证**
针对2023年8月21日金阳县强降雨事件，研究人员将雨量站观测数据进行空间插值，并将平均降雨强度与历时映射至7249个斜坡单元。将BO-XGBoost模型易发性等级与实时I–D阈值判别结果在门控风险矩阵中进行组合，计算每个斜坡单元的预警等级。以162个运行监测点为验证样本，模型成功预警了69个变形点中的56个，漏报13个；93个稳定点中11个产生误报，82个未被预警。整体准确率为85.19%，召回率为81.16%，精确率为83.58%，F1分数为82.35%，特异度为88.17%。
**五、讨论与结论**
讨论部分围绕三个方面展开：其一，在复杂高山峡谷地形中，斜坡单元相比网格单元和坡度单元具有更清晰的水文地貌意义，能更好地刻画斜坡水文响应和滑坡孕育过程，基于斜坡单元的BO-XGBoost模型以0.893的AUC值验证了其适用性；其二，门控风险矩阵叠加方法将易发性等级作为空间先验信息校准区域预警阈值，高易发区在较低降雨量下即可达到预警标准，而低易发区需要更高的降雨输入，使预警结果更贴近金阳县实际；其三，模型仍存在不确定性——易发性模型与I–D阈值仅基于金阳县数据校准，单区域I–D关系难以完全解决县内及跨区域的水力-力学异质性，且当前阈值主要来源于113次触发降雨事件，缺乏完整的非触发降雨样本，无法通过ROC分析确定最优判别阈值。未来研究将汇集多区域、多事件触发与非触发降雨记录，引入前期降雨、土壤含水量和地质力学参数构建分区域I–D阈值，并融合卫星遥感、InSAR形变监测和独立事件验证以提升预警可靠性。
研究结论可归纳为三点：（1）斜坡单元相比传统网格单元、坡度单元和集水区单元能更准确地刻画斜坡现场条件和基础地质环境要素的空间异质性；（2）基于斜坡单元构建的四种滑坡易发性模型中，BO-XGBoost模型（AUC = 0.893）表现最优，高、中易发区集中于金沙江沿岸、天地坝镇、芦稿镇等地质构造复杂、人口密集区域，低易发区位于地形平缓的东北和西北部，与金阳县历史滑坡事件的空间分布高度吻合；（3）耦合BO-XGBoost滑坡易发性分级与I–D降雨模型的预警模型适用于金阳县，在8月21日强降雨事件中展现出良好的预警性能，可为金阳县滑坡灾害防治与预警提供技术支撑，有效减轻灾害损失。
