基于Google Earth Pro多时相影像的刚果民主共和国东部热带高地滑坡编目、空间控制因素与十年动态演变（2015–2024）

《Environmental Challenges》：Landslide inventory and dynamics in the tropical highlands of eastern Democratic Republic of Congo

　　

滑坡（Landslide）是刚果民主共和国（Democratic Republic of Congo, DRC）东部南基伍省（South Kivu）山地景观中的主要环境灾害，然而其空间控制因素和时间动态演变仍缺乏充分记录。本研究利用Google Earth Pro影像构建了2015–2024年多时相滑坡编目，调查了瓦伦古地区（Walungu Territory）和姆文加地区东北部（northeastern Mwenga Territory）的滑坡分布、控制因素、编目可靠性及十年演变特征。共识别滑坡2,088处，影响面积528.095 ha。浅层滑坡（Shallow landslides）在编目中占主导地位（98.23%；2,051处），而深层滑坡（Deep-seated landslides）仅占1.77%，却贡献了20.73%的受灾面积。基于904个野外和档案参考站点的验证显示高检测性能，精确率（Precision）为96%，召回率（Recall）为95%。中心权重证据法（Centered Weight of Evidence, C. WoE）分析确定坡度梯度（Slope gradient）、排水密度（Drainage density）、土地覆盖（Land cover）、土壤类型（Soil type）、曲率（Curvature）、高程（Elevation）和坡向（Aspect）为显著条件因素。最强正相关出现在25–30°坡度（C_i?=?3.14）、农田/草本植被覆盖（C_i?=?3.15）、薄层土（Leptosols, C_i?=?3.40）和排水密度400–600 m（C_i?=?3.94）。研究期间滑坡发生显著增加，从2015年的967处和250.001 ha增至2024年的2,088处和528.095 ha，累计土地损失278.094 ha。这些发现揭示了日益加剧的景观不稳定性，并为刚果民主共和国东部的滑坡易发性评估（Landslide susceptibility assessment）和风险管理（Risk management）提供了基础。

**论文解读**

**研究背景与问题**

滑坡是全球热带山地环境中最具破坏性的水文地貌灾害之一，约8.2%的全球人口居住在山地区域。在刚果民主共和国（Democratic Republic of Congo, DRC）东部的阿尔伯丁裂谷（Albertine Rift）热带数据稀缺区，快速增长的农村人口、森林砍伐和无序的基础设施建设加剧了坡体不稳定性。瓦伦古地区（Walungu Territory）和姆文加地区（Mwenga Territory）东北部是阿尔伯丁裂谷中滑坡易发但数据极为匮乏的区域。该区域面临严重的人为活动压力，包括手工采矿、为农业和牧业扩张而进行的森林砍伐以及乡村道路建设，这些活动共同削弱了坡体的自然稳定性。

现有研究的不足在于：区域滑坡编目多依赖单一时相的光学卫星调查，缺乏系统的地面验证和连续的时间监测，且缺少十年尺度的土地损失量化、多时相动态滑坡编目以及通过野外验证的统计框架评估空间条件因素。针对上述研究空白，本研究在南基伍省（South Kivu）瓦伦古地区和姆文加地区东北部2,400 km2的范围内，构建了2015–2024年的十年多时相滑坡编目。

**研究内容与意义**

研究人员的主要目标包括：（1）以矢量多边形形式绘制和数字化不同类型滑坡；（2）量化十年间的土地损失和滑坡影响面积的年度变化；（3）应用权重证据法（Weight of Evidence, WoE）评估空间条件因素；（4）利用混淆矩阵（Confusion matrix）衍生指标评估Google Earth Pro滑坡识别的性能。该研究的创新在于：评估滑坡面积的年度增长在中非地区具有方法论上的新颖性，且在该区域首次实现了基于野外数据对卫星编目的系统验证。研究结果为DRC东部的滑坡易发性评估与风险管理奠定了重要基础。

**关键技术与方法**

研究采用的主要技术方法包括：（1）利用Google Earth Pro多时相高分辨率影像（2015–2024）进行滑坡的系统目视解译和矢量多边形数字化，影像覆盖瓦伦古全境和姆文加东北部共2,400 km2；（2）滑坡按Hungr等人的分类标准分为浅层滑坡和深层滑坡；（3）从SRTM 1弧秒全球数字高程模型（Digital Elevation Model, DEM，约30 m分辨率）中提取地形参数和排水密度；（4）土地利用/土地覆盖（Land Use and Land Cover, LULC）数据采用Dynamic World产品（10 m分辨率）；（5）土壤类型数据源自Cazenave-Piarrot等人2015年更新的南基伍省土壤图；（6）采用贝叶斯中心权重证据法（Centered Weight of Evidence, C. WoE）量化各条件因素类别与滑坡发生之间的空间关联，并通过卡方检验（Chi-square test, x2）验证因素独立性；（7）编目可靠性验证基于904个滑坡参考站点，综合野外调查、当地组织ADMR（Action de Développement pour les Milieux Ruraux）和MAE（Mission Antiérosive）的档案记录以及ISP/Walungu（Institut Supérieur Pédagogique de Walungu）地理与环境管理系的学生论文和野外报告。

**研究结果**

**滑坡类型与空间分布。** 研究区域共识别2,088处滑坡，受影响总面积528.095 ha。浅层滑坡（Shallow landslides）占98.23%（2,051处），影响面积占79.27%（418.61 ha），平均面积0.20 ha，以土流（Earth-flows）为主，包括81处道路边坡滑坡和46处沿手工采矿区的浅层破坏。深层滑坡（Deep-seated landslides）仅占1.77%（37处），但因其单个体量大（平均面积2.96 ha，最大达23.88 ha），贡献了总影响面积的20.73%（109.49 ha）。

**Google Earth Pro滑坡编目验证。** 基于904个参考站点的混淆矩阵验证显示，在870处经实地确认的滑坡中，Google Earth正确识别823处，漏检47处，另有34处被误判为滑坡。精确率（Precision）达96%，召回率（Recall）达95%，表明Google Earth Pro在滑坡初步检测和制图方面具有高效性和可靠性。漏检主要发生在小型或部分被植被覆盖的滑坡，误判则可能与人为结构或类似自然地貌的形态混淆有关。

**滑坡因素权重分析。** 中心权重证据法分析确定坡度梯度为坡体不稳定性的首要控制因素：0–20°缓坡C_i为负值（0–5°时C_i=-3.52），20°后C_i转为正值，25–30°达峰值C_i=3.14，表明陡坡与滑坡触发存在强正空间关联。坡向方面，东北坡C_i最高（0.58），西北坡最低（-0.44）。曲率上凸形坡（C_i=1.42）和平面坡（C_i=1.43）与滑坡正相关，凹形坡为负相关（C_i=-1.54）。高程在1,800 m以上C_i转正，2,800 m以上最高。排水密度在400–600 m距离处C_i达3.94，反映河流深切陡坡的影响。森林/林地覆盖C_i=-3.26，显示植被根系的保护作用；农田/草本植被C_i=3.15和建筑/裸土C_i=2.75则为强正相关。薄层土（Leptosols, C_i=3.40）和铁铝土（Ferralsols, C_i=2.74）与高滑坡易发性相关。所有因素的卡方检验均达p<0.0001的统计显著性水平。

**滑坡动态与土地损失。** 2015–2024年，滑坡总数从967处增至2,088处（新增1,121处），影响面积从250.001 ha扩展至528.095 ha，累计净土地损失278.094 ha。研究区域总面积中滑坡面积占比从0.104%升至0.220%。年均土地损失30.899 ha，但年际变化显著：2017年（3.280 ha）和2022年（2.088 ha）活动较弱，而2019年（40.223 ha，增长14.2%）、2021年（75.674 ha，增长22.5%）和2024年（100.241 ha，增长23.4%）出现强烈活动脉冲。部分深层滑坡在初始破坏后还发生了渐进式扩展。

**讨论与结论**

讨论部分强调：滑坡空间分布是地貌、水文、土壤和人为因素共同作用的综合结果，C_i值应在整个地貌背景中解释而非归因于单一因素。Google Earth Pro编目在结合野外和档案信息时具有实用价值，但不可替代野外调查。因子关系描述了一个自然-人为耦合系统：地形提供重力框架，排水影响侵蚀和水运动，土壤决定部分物质响应，植被扰动改变根系加固和水文行为。十年动态记录表明滑坡活动具有间歇性，活跃年份的集中出现提示瞬态强迫因素（transient forcing）可能在空间异质性易发背景下调节滑坡发生的时间。

**研究结论**：（1）滑坡分布在空间上有序结构，2015–2024年间发生了实质性变化；（2）中心权重证据分析表明观测的空间格局与地形配置、排水环境、土地覆盖、土壤性质、高程、曲率和坡向所代表的综合易发条件相关，支持多因素解释而非单一控制因素归因；（3）多时相编目显示滑坡范围变化来源于新滑坡产生和已有滑坡的扩展；（4）研究验证了Google Earth Pro作为实用编目工具的有效性，前提是与野外和档案信息互补使用；（5）研究结论限于研究区域、观测时段和分析框架，双变量WoE方法量化了空间关联但未完全解析因素间相互作用或建立时间触发关系，因此应将其视为DRC东部进一步易发性和风险导向研究的基础，而非普适性或确定性预测模型。未来研究应扩展时间记录，结合更高分辨率遥感、野外观测和多变量方法，进一步探讨因素相互作用并细化易发性评估。