极端降雨事件滑坡敏感性——以海河流域“23·7”特大暴雨为例

学术精汇

作者：

张晏维1 王家源1 史明昌*1 易扬2 罗志东3 张瑞侠4

作者单位：

1. 北京林业大学土木保持学院2. 上海市园林科学规划研究院3. 水利部水土保持监测中心4. 北京地拓科技发展有限公司

摘要：

全球气候变化和人类活动造成的极端降雨事件频发为滑坡触发预警和分析带来了新的挑战，单次暴雨事件诱发滑坡已具有普遍性和广泛性，目前机器学习算法为极端事件滑坡敏感性制图工作提供了更精准和高效的解决办法，但仍存在模型种类复杂、适用性和可解释性差等问题。鉴于此，本研究以海河“23·7”流域性特大洪水伴随的滑坡事件作为背景，选取北京市为研究区，基于GF-6影像、GF-7高精度地形数据和实地勘测，构建滑坡样本集，并筛选出13个典型致灾因子，利用极限梯度提升（eXtreme gradient boosting， XGBoost）、梯度提升决策树（gradient boosting decision tree， GBDT）、类别提升（categorical boosting， CatBoost）、随机森林（random forest， RF）和决策树（decision trees， DT）5类模型和沙普利加性解释（shapley additive explanations， SHAP）特征解释器的集成，探究海河流域极端降雨事件灾后滑坡敏感性制图的模型性能，结果表明：①北京市滑坡中高风险区集中于西部、西南部，高风险区域与极端降雨区域以及沟道走向线高度重合。②XGBoost-SHAP的AUC值和KS值分别为0.980 49和0.841 60，表现出最优越的性能。③高程、坡度、归一化植被指数（normalized difference vegetation index， NDVI）、极端事件降雨量和年平均降水是诱发华北土石山区滑坡的主要影响因素，极端降雨事件中致灾因子相比常规事件诱发滑坡阈值更低。研究成果通过评估滑坡敏感性制图模型，描述滑坡灾害各影响因子的交互作用与空间分布特征，以期为华北土石山区极端降雨条件下滑坡灾害预警提供参考，并为地质灾害综合治理提供理论指导和科研支撑。

关键词：

滑坡敏感性制图极端降雨事件机器学习模型模型评估SHAP

刊期：

2025，4（34）

所属栏目：

基金资助：

上海市自然科学基金项目(23ZR1459700),上海市青年软科学研究项目(23692120300),上海市启明星计划扬帆专项项目(22YF1444000)

分类号：

P642.22；X43

DOI：

10.13577/j.jnd.2025.0408

页数：

页码：

88-100

来源期刊

自然灾害学报

Journal of Natural Disasters