广东省地质环境监测总站团队针对2024年6月广东省平远县降雨引发的山体滑坡灾害开展了评价研究

一、研究概述

2024年6月16日广东省东北部的平远县发生了一次极端降雨事件，引发了大面积山体滑坡。广东省地质环境监测总站Wei Zhang等利用多时相哨兵2号影像 绘制了滑坡清单并研究了滑坡的分布规律。此外采用了一种混合方法，将随机森林（RF）统计模型与基于物理的瞬时降雨渗透和基于网格的区域斜坡稳定性 （TRIGRS）模型相结合，以提高未来滑坡预测的准确性，为后续的减灾工作奠定了基础。

二、山体滑坡事件

研究区概况：研究区位于广东省东平远县北部，属亚热带气候，季风降雨量丰富，年平均降水量约为1700mm。 季风降雨量大，加上台风频繁，使得该地区的陡坡特别容易发生山体滑坡。当地的基岩主要由花岗岩和砂岩组成，研究区域的海拔高度从163m到894m不等。 沉积岩和火成岩都是该地区的地基。研究人员收集了获得了历史滑坡数据并绘制了滑坡位置图。

降雨量和触发条件：2024年6月9日至16日，持续降雨使整个平远县的土壤饱和， 某些地方的雨量计记录的累计降雨量超过520mm。单日降雨量最大的一天出现在6月16日，在偏远山区和人口密集区附近都引发了边坡塌方。 由于6月16日之前持续的中雨，山区的土壤已经饱和，形成了破坏斜坡稳定性的高应力条件。观测结果表明，持续的中等降水削弱了山坡的强度， 而最后的强降雨成为了临界点。研究人员通过反距离加权法（IDW）对稀疏监测站收集到的降雨量数据进行了内插， 绘制出了6月8日至16日的日降雨量分布图（图2）。虽然最大降雨量的中心与滑坡最集中的地区并不完全一致， 但6月16日滑坡频率的激增与许多地区的降雨峰值有很好的相关性。

滑坡分布图与密度分析：降雨量最初不大（图2a），但仅6月16日一天的降雨量就高达360mm， 这在该地区是前所未有的单日降雨量。在此之前，日降雨量在5至360mm之间。这种变化可能导致土壤逐渐饱和，从而降低了斜坡的抗剪强度。 到6月15日至16日，该县西部地区降雨量特别大，同时滑坡频率也较高。陡峭的地形、茂密的植被和持续的降雨最终导致了6月16日大面积的斜坡塌方。 当天记录的降水量最小为215mm，最大为360.6mm，进一步加剧了当地基础设施面临的风险。

三、数据源与滑坡制图

滑坡清单编制：研究人员编制了474.57平方千米研究区域内的359处滑坡，总面积达2.87平方千米。这些崩塌包括浅层滑坡、泥石流、崩塌等。 最大的面积约为83,000平方米，最小的约为370平方米，平均面积为8,007平方米。其中，185个滑坡（约占51%）的面积在5,000平方米以下， 表明较小的浅层崩塌在清单中占主导地位。另外27%的滑坡面积在5,000到10,000平方米之间，20,000-30,000平方米和大于30,000平方米的滑坡分别有14处和10处。 泥石流零星出现在河道附近，而崩塌通常发生在较陡峭的露头处。

为了进一步检查聚类情况，研究人员计算了滑坡数量密度(LND)。如图3b所示，某些地区每100平方米的小型滑坡数量大于8个， 而西南部地区尽管降雨量相似（约360mm），但滑坡数量较少但规模较大。

研究人员对研究区进行了有限的实地考察，以验证绘制的清单。如图4所示，对37个观测点进行比较后发现，遥感解释与直接实地检查之间的一致性很高。 这些初步结果证实，研究人员的清单准确地反映了研究区域内最危险斜坡崩塌的分布和规模。

四、触发因素初步分析

地形与地质因素：为了评估不同影响因素与滑坡发生之间的关系， 研究人员计算了不同影响因素区间的滑坡影响区频率分布和滑坡面积密度（LAD）。

图5显示了各影响因子不同等级的滑坡面积密度分布以及各影响因子等级区间的滑坡覆盖面积。如图5a所示，滑坡主要发生在海拔555-668米范围内， LAD为0.82。海拔高度的最高LAD显示了该受影响区域级别和其余研究区域的整体区域分布情况，这表明该海拔高度范围内的滑坡往往在空间上更为集中， 而非广泛分布。分析进一步表明，大多数滑坡发生在海拔390-465米的区域，这就强调了研究区域内的特定易发区。坡度在24-28°范围内的LAD值最高为0.61。 斜坡角度在36至74°范围内的LAD值较高，这反映了不同地区最陡峭的斜坡和岩崩类型的斜坡崩塌；但相比之下，研究区域内该等级的面积仅为15 km2。 山坡滑坡多发生在20°-36°的范围内，但极少发生高于60°和低于10°的山坡滑坡。坡向会影响光照、植被生长和斜坡表面岩层的风化。LAD在空间分布上有所不同， 且在北向出现的频率较高。北部的面积为22.3 km2，低于研究区域的总面积，但同等级的LAD值为0.5。西北方向的倾斜度值最高，其LAD值和面积均大于其他方向， 差异较大。在地形湿润指数（TWI）方面，滑坡多发生在4.63-5.73之间。降雨是滑坡发生的主要诱发因素，且具有多种分布。降雨量为360mm的暴雨区滑坡数量较少， 但单个滑坡的面积很大。降雨量等级越高，滑坡覆盖面积越大，这反映了该地区以暴雨为主的滑坡空间格局。

考虑到LAD的影响，研究人员根据不同等级进一步评估了影响因素的LND。图6a显示了不同海拔等级的LND值和滑坡总数的分布情况。结果表明， 在海拔390-465米范围内观察到的滑坡频率和LND值最高，突出表明该区间最容易发生滑坡。该海拔高度覆盖的区域受到滑坡的影响很大。 海拔高度与坡度和坡向等其他因素相结合，对特定地区发生滑坡非常重要。LND的坡度与LAD的坡度具有相同的高斯曲线，但就LND而言， 发生滑坡次数较多的范围为18-23°，在这一范围内发生了100多次滑坡。相比之下，最后一级的分布范围为36-74°，塌方次数较少，但显示出较高的LND。

如图6(d)所示，北面朝向的LND值几乎是其他朝向的两倍，表明该方向未来更容易发生滑坡。高LND值和LAD值进一步证实了这一趋势，表明朝北的斜坡更容易发生崩塌。 东南方向的山体滑坡发生频率最高，在这一特定方向发生的山体滑坡事件记录超过55次。同样，在TWI中，4.63-5.73范围内的LND和滑坡频率最高，记录了超过120次滑坡。 就降雨强度而言，滑坡频率随着降雨量的增加而显著增加。降雨量的LND在289-307mm/天的范围内最高，与LAD的趋势相同，加强了强降雨与滑坡活动之间的密切联系。 LAD和LND与几个影响因素（尤其是降雨量）呈线性和指数关系。由于降雨量约为300mm，山体滑坡发生的程度大于之前的降雨量，导致山体滑坡再次发生和土壤饱和。 因此，这种强降雨是植被也存在的地方发生山体滑坡的根本原因。

大量研究表明，岩性控制对浅层滑坡的空间和时间复发性有影响。此外，研究还表明，基岩岩性通过塑造山坡地貌，包括坡度、河道特征和露头分布， 在决定滑坡丰度方面发挥着根本性作用。在研究中，滑坡主要发生在流纹岩和花岗岩中，占整个研究区域的68%，并占这两种岩性单元中滑坡的81%。 在粤东北地区，大部分地区被花岗岩覆盖，对斜坡崩塌的抵抗力较低。图7显示了滑坡在不同岩性单元中的空间分布，揭示了主要岩性构造中明显的滑坡群， 表明这些地区未来发生滑坡的概率较高。进一步的分析表明，与火成岩单元相比，滑坡更集中在沉积岩构造中，这表明沉积岩岩性更容易受到降雨引发的滑坡的影响。 这种更高的易感性与之前在中国和韩国进行的研究结果一致。

降雨模式：高强度降雨事件是全球山体滑坡的主要诱因，研究区域在季风季节和季风前期都会出现强降雨，因此特别容易发生降雨引发的山体滑坡。 降雨的空间分布对整个地区的滑坡发生起着至关重要的作用。如图8所示，从6月9日开始的降雨初期，该地区降雨量较少。然而，溪流附近地区受到地表水流、 植被减少和陡坡的严重影响。6月16日高强度降雨之前的一系列中等降水导致土壤水分逐渐积累，进一步加剧了斜坡的不稳定性。在6月16日的高强度降雨之前， 连续多日的中等降水导致土壤水分逐渐积累。在记录到最大日降雨量（超过300mm）的地区发生了多起大型滑坡（>50,000 m2），这表明极端的短期降雨强度是一个关键的触发因素。 6月16日的大规模移动事件主要集中在降雨强度极大的地区，导致了大面积的斜坡崩塌。此外，山坡上的排水网络也不堪重负，导致泥石流沿小河道流淌。 虽然降雨是引发山体滑坡的主要因素，但当地的地形和地质因素在决定山体滑坡发生的空间分布方面也起着重要作用。

山区暴雨引起的水流大多侵蚀下游地区的坡脚，最终造成小范围的泥石流，加剧了该地区基础设施的破坏程度（图4）。滑坡经常发生在相距几百米的范围内，在多个地点形成滑坡群。实地调查进一步证实了大量小规模滑坡的存在，加强了观察到的滑坡群模式。小斜坡上的浅层滑坡发生在降雨量大、雨水积聚少，但发生率和土壤水分足够饱和的地区。对滑坡分布的分析表明，日降雨量为289-307mm的地区是滑坡发生最集中的地区，这突出表明了降雨强度与LS之间的密切相关性。

人类活动：人类活动对滑坡发生的影响已在全球范围内得到广泛认可。无序的削坡和排水基础设施不足是可能加剧这些地区边坡不稳定的关键因素。公路网大多位于山区的下坡，在某些地方，不稳定区会造成长期的边坡坍塌。实地调查和与当地居民的访谈显示，近期修建的道路附近经常发生小规模的斜坡坍塌，尤其是在防护工程措施仍不完善的地区。由于地形崎岖，住宅楼通常建在山麓地区，因此极易发生山体滑坡，尤其是在强降雨天气。如图9所示，在实地调查过程中，研究人员观察到一些房屋极易发生下一次山体滑坡。

五、讨论

减轻山体滑坡灾害的初步经验教训：为了确定最易发生滑坡的区域，研究人员使用了基于机器学习的射频模型来绘制滑坡易发性地图（LSM）。该模型是通过七个关键影响因素建立的，包括海拔、坡度、流向、地势、TWI、与河流的距离和降雨量。为进一步评估该模型的预测准确性，使用了极端降雨事件后编制的近期滑坡清单进行交叉验证。

为提高射频模型的准确性和可靠性，进行了100次迭代，以提高预测性能。结果表明，增加迭代次数可提高准确性，并使滑坡发生概率的空间分布更精确。图10所示的LSM对滑坡易发区的划分。高易发区主要位于溪流和河网附近，这表明山体滑坡带与水文影响，尤其是暴雨期间的水文影响之间存在密切联系。6月16日降雨引发的山体滑坡与山体滑坡概率图中确定的高发区和极高发区密切相关，进一步验证了模型的预测能力。

为评估射频模型的准确性和可靠性，首先通过接收器工作特征曲线（ROC）进行交叉验证。RF模型的ROC曲线如图11a所示，其AUC值为0.94，表明该模型具有很强的区分正面和负面滑坡事件的能力。山体滑坡预警系统被划分为五个易感区。为了验证模型的空间预测，将最近的滑坡清单叠加到LSM上，以说明滑坡发生在不同易感等级的分布情况。如图11（b）所示，极低易发区的覆盖面积最小，记录的滑坡也最少，而大多数滑坡都集中在高易发区和极高易发区。在未来滑坡预测方面，基于用于训练的历史滑坡数据，射频模型的准确率达到65.3%。

基于物理模型的时空LS评估：在基于物理的模型中，考虑了实时降雨量、土壤力学和水文参数，以评估该地区的边坡稳定性。在本案例研究中，监测站收集了六天的降雨量数据，结果显示，随着降雨时间的延长，斜坡的不稳定性会逐渐增加。图12显示了根据安全系数（FoS）分析对模拟不稳定区域进行的每日评估。根据图12a对6月9日最大降雨量21mm的第一次降雨数据的模拟，FoSs小于1的像素点显示为黑色。考虑到接下来几天降雨量的增加会导致面积的增加，不稳定像素面积也会显著增加。根据图2所示降雨量的增加变化，相应地显示了不同的模拟不稳定滑坡区域。9月16日，降雨量极大，单日最大降雨量达360mm，导致整个研究区域的不稳定像素大幅增加。根据TRIGRS模型的评估背景，当时土壤和地下沉积物已经饱和，下渗能力已经达到，受暴雨的进一步影响，最大像素FoS下降到1以下，如图12f中的不稳定区域所示。

基于TRIGRS的结果与通过哨兵-2数据得出的研究区域真实滑坡清单进行了对比评估。图13显示了6月16日最后一次降雨事件期间非稳定区域的模型模拟结果。将基于物理的模型结果与实际发生的斜坡崩塌进行交叉验证后发现，63.5%的区域被准确识别为不稳定区域。模拟是由降雨数据以及土壤和地形参数驱动的，这表明未来的滑坡预测可受益于当地监测站的降雨预报数据。模型结果的不确定性主要归因于该地区土壤特性的高空间变异性。阈值的这一差异可能是导致不同研究之间观测到的精确度差异的原因。

耦合统计模型和基于物理模型的结果：为了进一步证明新提出的混合方法在识别滑坡高易发区方面的优越性，将基于降雨的物理模型结果和基于历史滑坡数据的统计模型结果进行了整合。图14所示为耦合识别的易发区，以平远县6月16日降雨事件中发生的真实滑坡来验证易发区。结果表明，76%的滑坡发生在确定的高易发区内，而其余24%的滑坡发生在这些区域之外。在评估混合方法的准确性时，与统计模型相比，混合方法的预测准确性提高了65.3%，与基于物理的模型相比，提高了63.6%。这表明混合方法通过整合降雨驱动的物理模型和历史统计数据，具有改善通量评估的潜力。在混合模型方法中，模型包括统计模型和物理模型的结果及其综合结果。在统计模型中，研究人员将高易发区的临界值设定为0.8，这表明实际滑坡灾区的覆盖面积更大。不过，由于易发区的面积更大，统计变量的静态计算也更完整，但这种情况下的减灾工作更加困难。另一方面，基于物理的模型使用实时降雨数据、土壤机械和水力特性以及安全系数。由于这两种模型依赖于不同的方法和输入参数，因此它们的整合能更真实地反映滑坡易发区的情况。尽管混合方法具有优势，但其局限性在于研究区域的很大一部分被归类为极易受暴雨事件影响的地区，这增加了有针对性的缓解工作的复杂性。不过，统计和物理建模方法的整合为滑坡预测和风险评估提供了一个更全面、更可靠的框架。

在有河岸的斜坡上发现了高度易受影响地点的空间分布，这表明暴雨可能会破坏该地区的稳定。这种方法在不同的研究中以不同的组合方式得到了应用。多项研究表明，可以通过不同方式结合混合方法的结果来提高灾区滑坡预测的准确性。基于这种方法，混合策略提高了76.3%的准确率，为减轻该地区降雨引发的滑坡提供了更好的方法。大部分被识别的区域都不是很高的山，而是有一些陡坡和一般斜坡的中海拔地区。按规模和模型性能划分的滑坡分布情况见下表1。

六、结论

2024年6月16日发生在平远县的滑坡事件凸显了极端降雨在地貌易受影响地区的潜在破坏力。从滑坡的空间形态来看，以浅层滑坡为主，但也有一些破坏性的大滑坡。从降雨区域来看，该站监测到的日降雨量为369mm，与研究区的其他区域相比，该区域发生了集中滑坡，滑坡面积较大。初步分析认为，此次事件是由陡峭的地形、风化的花岗岩基岩、前期降雨和最后的高强度降水共同造成的。由于植被茂密，斜坡面积稳定性增加，在大部分地区的陡坡区域防止了斜坡崩塌。基岩的岩性特征通过控制土壤特性影响滑坡的空间分布，反过来又影响山坡的水文和稳定性，这一点可以从坡度和排水密度的评估中看出。提高精确度的混合方法模型显示了该地区未来可能的滑坡缓解措施。尽管研究人员的实地检查仍不完整，但早期结果证实，许多不稳定斜坡与历史统计模型和基于物理的渗透模拟相吻合。混合方法的模型性能得到了改善，根据静态数据和历史数据预测出了更多的滑坡，凸显了这种方法的重要性。

本文转载自《广东省地质环境监测总站团队针对2024年6月广东省平远县降雨引发的山体滑坡灾害开展了评价研究》 ，by张森（复合链自然灾害防治研究院许冲课题组），原文链接： https://mp.weixin.qq.com/s/dAJw-avbXGQ00O21KdnBVw