《Frontiers in Earth Science》：Co-seismic landslide hazard assessment and rapid mapping for post-seismic emergency disaster mitigation management at the national-scale
编辑推荐：
为了解决传统地震同震滑坡危险性评估在空间分辨率、预测能力及应急响应速度上的不足，本文发展了一套集成梯度提升决策树模型与ArcPy自动脚本的全国尺度滑坡危险性评估与应急专题制图系统。该系统融合了地形、活动构造、土地利用、地震动与降雨五类孕灾环境数据，基于1920至2024年中国九次典型震例的滑坡样本，以500米空间分辨率预测了全国滑坡危险性，并实现了震中快速定位、专题图及统计信息的自动化输出。研究揭示了滑坡危险性主要受活动断裂控制，高危险区多分布于大型活动断裂带、隆起山系及盆地边缘，成果可为震前社区预警与震后应急管理提供科学方法与技术支持。
地震同震滑坡（Co-seismic landslides，简称CSLs）是地震后常见且破坏力极强的次生灾害，往往在复杂地形与活跃构造区（如青藏高原、云贵高原）引发大规模、高破坏性的滑坡事件，造成严重的人员伤亡与经济损失。其突发性与广泛性使得快速现场调查困难，易延误应急响应。因此，提前开展CSLs危险性评估、量化危险概率并识别高危险区，对于支持及时决策与震后应急管理至关重要。然而，现有的全国尺度CSLs危险性评估研究在空间分辨率与预测能力上存在局限，传统方法往往未能充分利用地形、活动构造、土地利用、地震动及降雨等多源地理环境数据中蕴含的关键信息。此外，现有危险性图件多为静态，震后难以快速更新，限制了其在应急响应中的应用。这凸显了对高分辨率、数据驱动模型的需求，亟需一种能够集成多环境与地质因子、在全国尺度提供准确、及时CSLs危险性预测的新方法。
针对上述问题，本研究旨在构建一个全国尺度CSLs危险性评估与快速应急制图集成系统。研究人员采用了梯度提升决策树（Gradient Boosting Decision Tree， GBDT）这一机器学习模型，结合专门设计的跨单元网格规则点采样方法，融合了地形、活动构造、土地利用、地震动（峰值加速度分区）和降雨五大类九个评估因子，并基于中国1920至2024年间九次典型地震事件的CSLs样本数据，建立了预测模型。同时，开发了基于ArcPy的应急脚本程序，实现了震中定位、危险性专题图快速生成及统计信息自动化输出，形成了一个完整的应急减灾管理工作流程。
为开展研究，作者主要应用了以下几项关键技术方法：首先，采用“跨单元网格规则离散采样点”策略对CSLs与非CSLs样本进行特征提取，解决了大范围滑坡面样本的代表性问题。其次，利用GBDT二元分类预测模型进行危险性概率预测，并通过方差膨胀因子和信息增益检验了特征间的独立性。最后，基于ArcPy脚本语言，开发了自动化的应急专题制图程序，该程序可根据输入震中坐标自动生成不同缓冲半径内的危险性等级统计并输出专题地图，极大提升了震后应急制图效率。
研究结果
4.1 地震构造与CSLs危险性分布
预测的CSLs危险性分布呈现出显著的区域异质性和地理空间相关性，总体上与中国主要地理分区（四大高原、三大盆地、三大平原）相符。高危险概率区主要分布于中西部高原，包括内部隆起山系及盆地-山岭过渡带，如青藏高原西部、冈底斯山脉南缘、喜马拉雅山脉、四川盆地至青藏高原过渡带、川西高原与滇东北-黔西南高原山地区、兴安岭地区、东南沿海丘陵、海南五指山及台湾中央山脉等。这些区域地形陡峭、断裂活跃、地震构造复杂，极易发生CSLs。研究进一步发现，活动断裂对CSLs危险性的空间分布具有强烈控制作用，并识别出四种显著的分布模式：主要断裂系统交汇区危险性升高；大型断裂带的弯曲段常对应中高危险度；活动速率较高的段落危险性更大；部分闭锁断裂带也显示出较高的危险性。
4.2 应急专题制图案例
以2025年1月7日西藏定日县6.8级地震（造成126人死亡，约6.15万人严重受灾）为例，展示了所提系统的应急应用效能。在获取震中经纬度信息后，系统能够在震后短时间内快速生成指定缓冲半径内的CSLs危险性等级专题图及对应的面积统计信息，证实了该系统可为地震诱发灾害应急管理提供及时、实用的支持。
4.3 模型验证
通过对特征变量进行方差膨胀因子、信息增益及GBDT模型特征重要性分析，结果显示不同特征在多共线性、信息贡献与模型可解释性上表现一致。地形相关特征（坡度、坡度剖面曲率、高程、高差）的信息增益值较高，表明其对CSLs发生具有较强的判别力；而到断层距离、基本设防烈度对应的峰值加速度分区等特征虽信息增益值相对较低，但在模型中的特征重要性较高，表明构造条件、工程设防及地震烈度对CSLs触发过程具有直接且不可替代的控制作用。最终模型在测试集上取得了0.74的受试者工作特征曲线下面积值，准确率、精确率、召回率及F1分数均在0.71-0.73之间，表现出较强的性能。
结论与讨论
本研究表明，CSLs危险性的空间分布具有高度非均质性，受地形与构造耦合效应控制明显。高危险区多集中在高差显著、地貌多样的高原山地及盆缘过渡带，这些区域重力势能与局部应力集中，在地震动作用下更易失稳。活动断裂的交汇、弯曲、高活动性段落能够集中地震能量，加剧破碎带应力状态，从而增加触发CSLs的可能性。所构建的全国尺度CSLs危险性评估与快速应急制图集成系统，通过融合多源地理环境数据与机器学习模型，实现了500米空间分辨率的高精度危险性预测，并借助ArcPy自动化脚本实现了震后应急专题信息的快速产出。该系统不仅提升了CSLs危险性评估的空间分辨率与预测能力，更重要的是，其自动化、可快速更新的特点，为震前社区预警和震后应急决策提供了有力的科学工具与技术支撑，对于完善国家地震灾害风险防控体系、保障人民生命财产安全具有重要的实践意义。本研究发表在《Frontiers in Earth Science》期刊上。
