将复合时间降水动态纳入以提高滑坡易发性建模

为何降雨模式关系到山坡安全

滑坡常在毫无征兆时发生，一次泥石流就能摧毁房屋、道路和电力线路。许多此类灾害由降雨触发，但关键不在于任何一次降雨本身：真正重要的是地面在数周内的湿润程度与数日内的强降雨如何共同作用。本研究提出了一个既简单又重要的公共安全问题：如果同时考虑长期浸润性降雨和短期强降雨，而不是把它们分别对待，我们能否更准确地预测滑坡？

超越单次风暴的视角

大多数传统滑坡研究要么依赖模拟水分渗入土壤的物理模型，要么依赖在历史事件中寻找模式的数据驱动模型。两种方法常把降雨简化为一个数值，例如一个季节的累计降雨或一次风暴的强度。这就难以捕捉坡面失稳在自然中的真实方式：数周的湿润逐渐使地面饱和，然后一次短时暴雨给出最后的推动。作者认为，这种“复合”时序的降雨是许多现有预测系统中缺失的环节，特别是在大范围区域且详细地面数据匮乏的情形下。

将长期浸润与突发强降雨结合

研究者把重点放在2014年中国发生的滑坡事件上，该年记录的事件超过五千起。对于每个地点，他们汇集了地形、岩性、土壤含水量、土地利用和年均降雨等信息。在此基础上，他们构建了新的降雨指标，既能捕捉长期又能捕捉短期的降雨特征：滑坡发生前一个月的降雨量、前3、5或7天的降雨量，以及发生当天的降雨量。这些在不同时间窗中成对衡量的降雨指标，作者称之为“复合时间降水”。

教模型识别危险的降雨组合

为检验这种更丰富的降雨描述是否能提高预测能力，团队比较了几种常用的机器学习方法，并选择了一种既快速又精准的算法LightGBM。他们训练了不同版本的模型：一种仅使用静态地形特征，第二种仅加入前一个月的降雨，另外四种则还包含不同的短期降雨指标。随后他们通过多种方式测试这些模型，包括按区域和按时间划分数据，以模拟真实的预报条件。使用复合降雨信息的模型始终更为准确。在最佳情况下，同时加入月降雨与事发日降雨使模型在标准测试中的表现接近完美，并将其跨区域泛化能力提高了近七个百分点。

地面最敏感的时间与地点

除了整体准确度外，作者还想弄清复合降雨在哪些地点和情形下最重要。利用用于复杂模型的解释工具，他们展示了尽管年平均降雨设定了广泛的背景基线，但在通过某些阈值后，近期浸润和短时强降雨的组合会显著提高滑坡的预测概率。例如，当事发日的强降雨发生在已经较湿的当月之后时，危险度会急剧上升。把这些效应绘制在中国地图上可以看到明显的区域差异：中国东南部和华南的河流流域，尤其是沿海地区，对这种复合模式特别敏感，而一些较干燥的北部流域反应较弱。季节上，复合降雨的影响在夏季和秋季达到峰值（季风降雨最强时），但在其他月份也仍可察觉。

将复杂降雨转化为可用的预警

对非专业读者而言，核心信息很直接：推动许多滑坡的不仅是降雨总量，而是降雨随时间的堆积方式。通过教会计算模型识别长期潮湿期与短时强降雨之间的相互作用，本研究表明我们可以绘制出更清晰、更细化的易滑坡图，并展示风险如何随着季节而变化。这些见解可帮助相关机构设计更好的预警系统和土地利用规划，尤其是在潮湿、多山的地区。随着气候变化使降雨极端事件更频繁，捕捉这种复合时序将对于保护陡坡社区安全至关重要。

引用: Wang, J., Wu, J., Fang, H. et al. Incorporating compound temporal precipitation dynamics to enhance landslide susceptibility modeling. npj Nat. Hazards 3, 18 (2026). https://doi.org/10.1038/s44304-026-00181-z

关键词: 滑坡预测, 降雨模式, 机器学习, 灾害风险, 中国季风