《Sustainability》:Landslide Susceptibility Mapping for Sustainable Territorial Planning in Southern Primorye, Russian Far East
编辑推荐:
滑坡是地形、地质和气候条件复杂地区的一种重大自然灾害,可制约可持续领土发展,并对基础设施、土地利用和环境安全构成威胁。本研究旨在评估并绘制俄罗斯远东南部滨海边疆区的滑坡易发性图,以支持基于灾害信息的领土规划和风险降低。研究整合了植被、降水、地质和地形预测因子与
滑坡是地形、地质和气候条件复杂地区的一种重大自然灾害,可制约可持续领土发展,并对基础设施、土地利用和环境安全构成威胁。本研究旨在评估并绘制俄罗斯远东南部滨海边疆区的滑坡易发性图,以支持基于灾害信息的领土规划和风险降低。研究整合了植被、降水、地质和地形预测因子与已记录的滑坡发生数据。采用基于径向基函数核的OneClassSVM算法,应用仅存在点(presence-only)滑坡易发性建模方法。结果表明,高易发性与由松散未固结沉积物组成并被稀疏林地部分覆盖的下部坡段及海岸地貌相关。地表径流、地下径流、岩性条件和降水模式被确认为导致坡体不稳定的主要因素,而野外观察证实与道路基础设施相关的人工切坡可能作为额外的局部触发因素。该模型显示出中等但可接受的预测性能,并允许圈定滑坡易发性升高的区域。所得的易发性图为滨海边疆区及其他环境条件类似地区的可持续土地利用规划、基础设施布局和滑坡风险缓解提供了区域尺度基础。
滑坡是地形复杂、地质条件不均一且人类活动压力日益增加的地区最常见且破坏性最大的自然灾害之一,可对基础设施造成严重破坏、干扰土地利用、加速环境退化并制约可持续领土发展。这些影响在山区和沿海地区尤为显著,坡体不稳定受地貌、地质、水文、气候和人为因素的共同控制。在此背景下,滑坡易发性评估对于灾害缓解、可持续土地利用规划和降低环境与经济风险至关重要。
南滨海边疆区是开展此类分析的高度相关区域。滨海边疆区位于俄罗斯远东南部,东临日本海,西接中国和朝鲜,北与哈巴罗夫斯克边疆区接壤。该地区以山地为主,大部分被混交林覆盖。地质上,滨海边疆区大部分属于锡霍特-阿林褶皱带,由太平洋板块与亚洲大陆相互作用形成。主要地貌单元为锡霍特-阿林山系、东满洲山脉和兴凯低地。区域气候为季风气候,受西伯利亚高压和太平洋低压系统相互作用控制。尽管该问题具有重要实践意义,但针对南滨海边疆区滑坡易发性评估的区域尺度研究仍然有限,亟需将异质性环境预测因子整合到一致的地理空间框架中,并在数据有限条件下提供可重现的易发性分类基础。
研究人员针对这一需求,利用包括降水、植被、岩性、地形及相关领土特征在内的自然和环境预测因子集,对南滨海边疆区进行滑坡易发性评估。研究区覆盖滨海边疆区南部的哈桑区、拉佐夫斯克区、游击队区、斯科托夫斯克区和纳杰日金斯克区以及符拉迪沃斯托克市。滑坡发生数据库通过野外调查、科技文献、当地居民报告、媒体来源、存档地质和地形资料以及卫星影像编制而成。研究目标包括:系统化研究区现有水文气象、地质和工程地质数据;识别与滑坡激活相关的主要自然因素;利用基于GIS的预测因子系统和已记录滑坡事件训练并检验滑坡易发性模型;以及制作南滨海边疆区易发性图。
本研究采用的技术方法主要包括:数据来源方面,大气降水数据来自CHELSA档案,提供1979-2013年期间月降水值平均数据,空间分辨率30角秒,经重采样至79米/像素统一分辨率;数字高程模型采用SRTM数据,空间分辨率3角秒,基于此计算了坡度(Slope)和复合地形指数(CTI);岩性数据采用全球高分辨率岩性图GLiM,将岩性类别代码替换为相应岩石密度值;植被覆盖采用ENVISAT卫星任务MERIS光谱仪获取的全球土地覆盖图,空间分辨率300米,将土地覆盖类别替换为相对植被覆盖密度百分比。所有空间图层统一转换为79米/像素的共同分析网格。建模方法采用最大熵仅存在点建模框架,通过scikit-learn库的OneClassSVM类实现,使用径向基函数(RBF)核,该框架特别适用于仅有滑坡存在数据而可靠缺失数据有限的条件。
模型开发与验证方面,研究人员遵循CRISP-DM和敏捷方法论进行迭代开发,在基于浏览器的Jupyter Notebook环境中使用Python 3.9.13实现,数据存储于本地SQLite服务器。采用双阶段验证策略,将研究区划分为训练区和独立测试区(包括斯科托夫斯克区和游击队区),训练区内按80:20比例分为训练集和内部验证集。模型超参数通过GridSearchCV模块调优,最终选定nu=0.1、gamma=0.9。模型输出为归一化decision_function值,解释为滑坡易发性指数。
模型性能评估结果显示,在独立测试区的ROC-AUC值为0.68,处于中等与良好分类质量的边界,被认为是可接受的;P-A(概率-面积)测试表明阈值0.24可在36.27%的测试区面积内圈定63.73%的已知滑坡,据此将<0.73划为相对安全区、≥0.73划为相对易灾区。预测因子重要性评估表明,最具影响力的因子为高程(SRTM)、平面流(PF)、累积流(AF)、复合地形指数(CTI)和土地覆盖类型。部分依赖图显示高易发性与中下游河谷缓坡、非渠化表面流增加相关;直方图显示易灾区以松散未固结材料和稀疏木本植被或开阔林地为主。在符拉迪沃斯托克城区,历史记录的滑坡事件与高易发性区吻合良好,特别是易发性指数超过0.88的区域。
讨论部分,研究人员综合预测因子重要性分析指出,研究区内最高滑坡易志明性位于下部坡段和由松散未固结沉积物组成、部分被稀疏林地覆盖的海岸地貌。来自汇水区的地表和地下径流在创造坡体不稳定有利条件方面起重要作用。尽管人工参数未直接纳入模型,但野外观察证实局部切坡可导致地形失稳,因此模型圈定的高易发性区内人类活动可能作为重要外部触发因素。该方法通过整合遥感数据、GIS衍生地貌参数、地质信息、植被特征和降水数据,扩展了传统地质制图,将滑坡易发性作为基于灾害信息的领土规划、工程评价和基础设施风险管理的空间基础。研究结果对于沿海和山区环境尤为重要,这些地区基础设施发展常伴随对地形、排水条件和坡体稳定性的显著人为影响。研究局限性包括滑坡编录可能存在空间不完整性和不均匀性,模型未考虑单次降雨事件、快速融雪或局部工程扰动等短期触发条件,应作为区域尺度易发性评估而非确定性预测来解释。
研究结论表明,在南滨海边疆区,下部坡段和由松散未固结沉积物组成、部分被稀疏林地覆盖的海岸地貌具有最高滑坡易发性;导致坡体不稳定的主要因素包括大气水分条件、地表和地下径流、岩性性质以及与道路基础设施相关的人工切坡。该研究成果的区域尺度滑坡易发性图可作为可持续国土规划和宏观基础设施分区的基准图层,是识别广泛易发性模式和圈定后续详细监测优先区域的探索性工具。未来研究将侧重于完善滑坡编录、整合更高分辨率空间数据,并向动态灾害建模方向发展。