当前位置：首页>南昌>【南昌大学黄发明 JRMGE】中国赣州市主要公路滑坡灾害风险的实时预警

【南昌大学黄发明 JRMGE】中国赣州市主要公路滑坡灾害风险的实时预警

2026-02-13 15:54:06

F. Huang, Y. Yang, G. Ma, et al., Real-time early warning of landslide disaster risks on major highways in Ganzhou City, China, Journal of Rock Mechanics and Geotechnical Engineering, 2025.

https://doi.org/10.1016/j.jrmge.2025.10.023

左下角阅读原文即可跳转至全文

摘要

近年来强降雨等极端天气事件更为频繁，导致山区公路沿线滑坡与边坡失稳事件增多，威胁交通安全。本研究旨在开发一种在极端天气触发下的公路滑坡实时预警系统。以中国赣州市主要公路沿线滑坡为研究对象，沿道路设置250 m缓冲区，并在此范围内采用多尺度分割识别出88,497个坡单元。随后，收集1547个滑坡样本与18个影响因子，分别基于随机森林（RF）、C5.0决策树（DT）与支持向量机（SVM）模型开展滑坡易发性预测（LSP）。采用受试者工作特征（ROC）曲线、滑坡易发性指数（LSI）的分布特征以及混淆矩阵对模型性能进行评价。随后，利用雨量站数据拟合连续概率降雨阈值方程，并采用层次分析法（AHP）评估公路脆弱性。最后，通过综合LSI、降雨阈值、脆弱性与承灾体，实现对两个典型滑坡案例的有效预警。结果表明：RF模型获得最佳的LSP效果；连续概率方程的调整决定系数R_aux^2为0.958、均方根误差RMSE为0.069、残差平方和为0.331。危险性评估精度达到90.4%，两个典型案例的危险性值均超过0.8。经专家经验与一致性检验验证，AHP分析识别出坡度、道路密度与道路等级为关键脆弱性因子。最终，通过纳入人口分布与经济价值，实现了典型滑坡事件的实时风险预警。

研究背景与意义

论文指出，随着人类工程活动扩展与极端气候事件更频繁，公路沿线自然灾害风险显著上升；在中国，每年因公路相关自然灾害造成的经济损失达数百亿元并伴随数百人伤亡，滑坡是其中最常见类型之一；并以2024年5月1日02:10广东梅大高速茶阳段路基滑坡造成48人死亡为例，强调在强降雨等极端天气条件下开展公路周边滑坡风险有效预警的迫切性。该研究提出的实时区域公路滑坡风险预警框架，将滑坡危险性、承灾体空间分布及其脆弱性进行综合，以支撑对具体事件日的实时预警。

研究方法

研究框架由五个关键环节构成：①滑坡易发性预测（LSP）；②降雨诱发滑坡危险性的动态评估；③承灾体空间分布获取；④承灾体脆弱性评估；⑤将易发性、危险性、脆弱性与承灾体分布综合以实现事件日实时预警。LSP部分：沿公路设250 m缓冲区、划分88,497个坡单元，收集1547个滑坡样本与18个影响因子，分别采用RF、C5.0 DT与SVM建模，并用ROC、LSI分布与混淆矩阵评估。（Fig. 1）承灾体部分：将高速/国道、省道与县道的单位里程平均造价分别取60×10^6、30×10^6、15×10^6 CNY/km，用于计算坡单元内公路价值；并以平均速度与拥堵里程构建交通流指数；人口采用100 m×100 m人口密度数据并考虑人口流动进行坡单元抽样与修正，建筑分布以归一化建筑指数（NDBI）表征。（Fig. 8）

研究结果

（1）滑坡易发性预测与模型表现：RF、C5.0 DT与SVM的ROC曲线下面积（AUC）分别为0.911、0.865与0.829；混淆矩阵指标显示，RF模型的准确率为0.819、精确率为0.763、召回率为0.920，优于C5.0 DT（准确率0.793、精确率0.760、召回率0.851）与SVM（准确率0.769、精确率0.719、召回率0.878）。

（2）连续概率降雨阈值与危险性动态评估：研究拟合了连续概率降雨阈值“面”方程，并给出其拟合性能指标：调整决定系数R_aux^2=0.958、RMSE=0.069、残差平方和=0.331；同时在不同概率水平下给出关键降雨阈值与对应的有效累计降雨量（EE）和降雨历时（D）。在危险性验证中，选取两个近年降雨诱发滑坡事件：事件A与事件B的降雨诱发滑坡连续时间概率分别为0.927与0.872，结合LSI计算得到动态危险性分别为0.808与0.83，并被划分为“极高”危险区。

（3）脆弱性关键因子识别：AHP结果给出脆弱性评价指标权重，坡度为25.96%，道路密度为23.15%，道路等级为13.77%，并通过一致性检验（CR=0.043）。

（4）实时风险预警结果：论文将实时预警分为经济风险与人口风险两类。以事件A、B为例，在经济风险图中随机选取的高风险坡单元，其风险值多数在每个坡单元约300万–400万CNY范围；人口风险图中随机选取的较高风险坡单元，其人口风险值约为每个坡单元60–80人。论文并指出，高经济风险路段常表现为沿线住房密集、至少一侧邻山、坡陡且地质结构不稳定，并受强烈人类工程活动扰动。

Fig. 4: 赣州市的地理位置、道路网络分布和滑坡分布。

Fig. 6: 沿公路的坡度单元划分结果。

Fig. 7: 部分条件因素：（a）海拔；（b）坡度；（c）坡向；（d）平面曲率；（e）地形粗糙度；（f）地形起伏；（g）MNDWI；（h）岩性；（i）沟壑密度；（j）NDBI；（k）NDVI；（l）辐射。

Fig. 8: 沿高速公路的灾害承载实体分布：（a）高速公路成本；（b）交通流量指数；（c）人口密度；（d）建筑物分布。

Fig. 11: 基于SVM 模型的道路网络滑坡易发性模型。LSL 表示滑坡易发性等级。

Fig. 20: 事件 A 和 B 发生当日降雨引发的滑坡的连续概率图。

Fig. 22: 赣州市高速公路脆弱性指数图。

Fig. 23: 事件 A 和 B 的经济损失风险实时预警结果。

研究结论

论文主要结论包括：在赣州市主要公路沿线建立250 m缓冲区并划分坡单元后，基于18个影响因子与1547个滑坡样本开展LSP；对比RF、C5.0 DT与SVM后，RF在AUC与混淆矩阵指标上表现最佳（AUC=0.911，准确率0.819、精确率0.763、召回率0.920）；构建并验证了连续概率降雨阈值危险性模型（R_aux^2=0.958、RMSE=0.069、残差平方和=0.331），并在两起典型事件中得到危险性值0.808与0.83；通过AHP识别坡度、道路密度与道路等级为关键脆弱性因素；在经济风险预警中，高风险坡单元的风险值多为300万–400万CNY/坡单元，在人口风险预警中高风险坡单元的风险值约60–80人/坡单元，并强调部分居民点位于山麓或陡坡等不利地质条件区且受工程活动影响，从而使相关路段更易形成较高风险。