唐興港, 王慧勇, 黃 豆, 張金池

(1.南京林業(yè)大學(xué) 南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心 江蘇省水土保持與生態(tài)修復(fù)重點(diǎn)實(shí)驗(yàn)室, 江蘇 南京 210037; 2.南京林業(yè)大學(xué) 林學(xué)院, 江蘇 南京 210037)

近期，在自然資源部發(fā)布的2020年下半年地質(zhì)災(zāi)害趨勢(shì)預(yù)測(cè)中指出防災(zāi)減災(zāi)形勢(shì)嚴(yán)峻，在極端氣象條件下要預(yù)防滑坡和泥石流等災(zāi)害的發(fā)生?；率鞘澜绶秶鷥?nèi)最具危險(xiǎn)性和多發(fā)性的地質(zhì)災(zāi)害，在全球變暖背景下，中國(guó)西高東低的獨(dú)特地理環(huán)境和日益活躍的經(jīng)濟(jì)建設(shè)使得滑坡災(zāi)害日益頻繁[1]。在2017年近7 000起的地質(zhì)災(zāi)害中滑坡災(zāi)害占比約75%，經(jīng)濟(jì)損失超4.00×109元，成為中國(guó)最具破壞性的地質(zhì)災(zāi)害[2]。從致災(zāi)因子來看，地形、地質(zhì)和人類活動(dòng)都會(huì)導(dǎo)致斜坡面的物質(zhì)移動(dòng)，天氣因素尤其是極端降雨是導(dǎo)致滑坡等地質(zhì)災(zāi)害發(fā)生的直接誘因[3]。

20世紀(jì)以來，溫室效應(yīng)引發(fā)全球氣候變暖，地表平均氣溫升高和極端天氣事件頻發(fā)使得滑坡和泥石流等自然災(zāi)害不斷加劇[4-6]。IPCC5預(yù)估氣候變化的影響可能進(jìn)一步加劇，未來中國(guó)大部分地區(qū)降雨量將持續(xù)增多，呈現(xiàn)明顯的極端化和區(qū)域差異[6-8]。長(zhǎng)江流域橫跨三級(jí)階梯，總面積1.80×106km2，既是滑坡等地質(zhì)災(zāi)害的高發(fā)區(qū)，也是氣候變化的敏感區(qū)。其中長(zhǎng)江中下游地區(qū)降雨和地形關(guān)系密切，且經(jīng)濟(jì)發(fā)達(dá)，人口密集，在全球變暖的背景下如何合理的預(yù)測(cè)滑坡災(zāi)害潛在分布就變得十分必要[9-10]。

當(dāng)前應(yīng)用于滑坡災(zāi)害預(yù)測(cè)研究的模型和方法主要包括人工神經(jīng)網(wǎng)絡(luò)模型、隨機(jī)森林模型、決策樹預(yù)測(cè)模型和支持向量模型等[11-14]。機(jī)器學(xué)習(xí)模型作為一種強(qiáng)大的數(shù)據(jù)驅(qū)動(dòng)工具，能夠在分析過程中充分考慮到滑坡發(fā)生與環(huán)境因子之間的非線性關(guān)系，在很大程度上克服了概率統(tǒng)計(jì)模型主觀性強(qiáng)的局限[15]?；跈C(jī)器學(xué)習(xí)模型和遙感地信技術(shù)的滑坡災(zāi)害預(yù)測(cè)已經(jīng)成為災(zāi)害防治領(lǐng)域最為經(jīng)濟(jì)有效的工具。MaxEnt是一種在JAVA和最大熵理論的基礎(chǔ)上用來評(píng)估物種潛在適生分布的工具，可以用來模擬森林植被潛在分布并合理預(yù)測(cè)在不同環(huán)境條件下物種可能出現(xiàn)的地區(qū)[16]。在物種潛在分布的預(yù)測(cè)方面，其較強(qiáng)的預(yù)測(cè)能力和相對(duì)較高的預(yù)測(cè)精度是MaxEnt模型相較于其他模型的優(yōu)點(diǎn)，同時(shí)支持多種不同的變量類型[17-18]。近年來，MaxEnt模型在滑坡預(yù)測(cè)領(lǐng)域的應(yīng)用逐漸成熟，在多變量回歸模型、多元自適應(yīng)回歸、分類回歸樹和MaxEnt模型預(yù)測(cè)西班牙德巴河谷滑坡預(yù)測(cè)的研究中，MaxEnt模型的預(yù)測(cè)精度明顯高于其他模型[19]。其基于工程類比的思想對(duì)目標(biāo)空間進(jìn)行建模分析，當(dāng)預(yù)測(cè)區(qū)域的地質(zhì)、水文和人類活動(dòng)等環(huán)境變量與滑坡發(fā)生區(qū)越相似時(shí)，該區(qū)域發(fā)生滑坡的機(jī)率也就越高。

作為一種多因素、破壞性的地質(zhì)現(xiàn)象，滑坡發(fā)生機(jī)制十分復(fù)雜，是多種環(huán)境變量相互作用的結(jié)果?；碌陌l(fā)生位置、破壞強(qiáng)度和后果都與災(zāi)害發(fā)生區(qū)的基礎(chǔ)環(huán)境條件和即時(shí)誘發(fā)因素密切相關(guān)[20]。在滑坡災(zāi)害的分布預(yù)測(cè)和風(fēng)險(xiǎn)研究中要有針對(duì)性的合理確定環(huán)境變量，重點(diǎn)反映所選變量與災(zāi)害發(fā)生的規(guī)律[21]。本研究以江西省為例，綜合滑坡災(zāi)害研究中環(huán)境變量的作用，選取地形地貌、地質(zhì)巖性、植被覆蓋和人類活動(dòng)等15個(gè)環(huán)境指標(biāo)對(duì)江西省境內(nèi)的滑坡分布情況進(jìn)行模擬，探究MaxEnt模型在滑坡易發(fā)性評(píng)價(jià)中的適用性，并對(duì)模擬結(jié)果進(jìn)行災(zāi)害風(fēng)險(xiǎn)的等級(jí)劃分。同時(shí)根據(jù)刀切法對(duì)參與建模的環(huán)境變量進(jìn)行重要性評(píng)估，確定影響滑坡災(zāi)害發(fā)生的主要環(huán)境變量，以期有效指導(dǎo)江西省的土地利用和災(zāi)害防治工作。

1 研究區(qū)概況

江西省位于中國(guó)東南部，屬長(zhǎng)江中下游流域，面積為1.669×105km2，地形以山地和丘陵為主。該區(qū)三面環(huán)山，中部為丘陵與河谷平原交錯(cuò)，北部是鄱陽湖平原。平原隸屬于長(zhǎng)江中下游平原，其面積約占全省總面積的23.2%，森林覆蓋率高，植被以亞熱帶常綠闊葉林為主。氣候上屬典型的亞熱帶季風(fēng)性濕潤(rùn)氣候，夏季雨熱同期，冬季溫和濕潤(rùn)，全年降雨充沛，是我國(guó)多雨省區(qū)之一。受地形等因素的影響，降雨季節(jié)分配不均且具有明顯的區(qū)域差異，廬山、武夷山、懷玉山和九嶺山一帶是全省4個(gè)多雨區(qū)。紅壤和黃壤在江西省廣泛分布，土體厚度不一但肥力相對(duì)較高。地質(zhì)構(gòu)造復(fù)雜，地層發(fā)育齊全，新構(gòu)造運(yùn)動(dòng)強(qiáng)烈，滑坡等地質(zhì)災(zāi)害頻發(fā)。

2 數(shù)據(jù)來源及研究方法

2.1 滑坡數(shù)據(jù)

江西省滑坡災(zāi)害發(fā)生點(diǎn)數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心資源環(huán)境數(shù)據(jù)云平臺(tái)，坐標(biāo)系為WGS84，滑坡分布數(shù)據(jù)經(jīng)野外實(shí)地調(diào)查獲取，其記錄了歷年來全國(guó)范圍內(nèi)滑坡的發(fā)生信息。本研究選取江西省內(nèi)截至2017年的有效滑坡記錄3 652個(gè)，其反映了該省滑坡發(fā)生的空間分布狀況(圖1)。按照空間篩除法在一定距離內(nèi)保留有限位點(diǎn)，按照均勻、隨機(jī)的原則再次進(jìn)行系統(tǒng)取樣，確保將滑坡發(fā)生點(diǎn)的地理自相關(guān)降至最低[22]。同時(shí)與聚類分組篩選和分組建模的取樣結(jié)果相比較，在最大程度保留建模數(shù)據(jù)的同時(shí)，確保分布點(diǎn)對(duì)江西省滑坡分布的真實(shí)反映[23]。將滿足建模要求的1 211個(gè)滑坡分布點(diǎn)保存為(.csv)文件供后續(xù)使用。

圖1 江西省海拔和滑坡分布點(diǎn)示意圖

2.2 指標(biāo)因子構(gòu)建及處理

滑坡災(zāi)害的發(fā)生是多種環(huán)境因素共同影響的結(jié)果，研究選取海拔、坡度、坡向、植被覆蓋、年均降雨量、土地利用和距道路的距離等共計(jì)15個(gè)環(huán)境變量建模。變量來源：①海拔數(shù)據(jù)從地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/search)的數(shù)字高程模型DEM柵格數(shù)據(jù)獲取，精度為30 m。利用ArcGIS 10.4的柵格表面分析模塊提取江西省的坡度、坡向、平、剖面曲率，綜合利用空間分析工具獲取江西省的地表粗糙度和地形濕度指數(shù)。②地質(zhì)數(shù)據(jù)從中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http:∥www.resdc.cn/Default.aspx)獲取，主要包括巖性和斷層分布數(shù)據(jù)。③道路和水系數(shù)據(jù)從地理國(guó)情監(jiān)測(cè)云平臺(tái)獲取，利用ArcGIS 10.4的空間分析工具計(jì)算道路、水系和斷層的歐氏距離并得到距離圖層。④多年平均降水?dāng)?shù)據(jù)從WorldClim (http:∥www.worldclim.org/)數(shù)據(jù)庫獲取。⑤植被歸一化指數(shù)(NDVI)從Landsat8遙感影像數(shù)據(jù)獲取，并通過大氣校正和波段運(yùn)算以避免大氣和光照對(duì)遙感數(shù)據(jù)的影響，獲得較為準(zhǔn)確的歸一化指數(shù)。⑥土地利用數(shù)據(jù)從中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心獲取，包括耕地、林地、草地、水域、居民地和未利用土地6個(gè)一級(jí)類型和25個(gè)二級(jí)類型。利用ArcGIS 10.4軟件的裁剪、投影和重采樣等功能模塊，將15個(gè)環(huán)境變量的投影坐標(biāo)統(tǒng)一為WGS_1 984_UTM_48 N，空間分辨率為30 m×30 m，對(duì)變量進(jìn)行相關(guān)性分析后轉(zhuǎn)為ASC格式參與模型構(gòu)建和滑坡敏感性分析。

2.3 指標(biāo)因子選取及建模優(yōu)化

變量的多重共線性會(huì)影響MaxEnt模型預(yù)測(cè)結(jié)果的精度和準(zhǔn)確性，故采用Pearson相關(guān)性對(duì)變量進(jìn)行檢驗(yàn)。首先將15個(gè)環(huán)境變量和1 211個(gè)滑坡分布點(diǎn)加載到MaxEnt模型，利用刀切法確定環(huán)境變量的重要性，并按照因子貢獻(xiàn)率大小進(jìn)行排序。然后對(duì)15個(gè)環(huán)境變量進(jìn)行相關(guān)性分析，若兩個(gè)變量的相關(guān)系數(shù)大于0.8，應(yīng)刪除兩個(gè)變量中貢獻(xiàn)率較少的，經(jīng)檢驗(yàn)15個(gè)變量相關(guān)性在允許范圍內(nèi)。

特征組合(feature combination，F(xiàn)C)通過數(shù)學(xué)轉(zhuǎn)換的方式使MaxEnt模型利用復(fù)雜數(shù)學(xué)關(guān)系來推測(cè)滑坡對(duì)環(huán)境因子的響應(yīng)。調(diào)控倍率(regularization multiplier，RM)作為模型約束可以優(yōu)化模型的響應(yīng)曲線，這兩個(gè)參數(shù)對(duì)于模型的預(yù)測(cè)結(jié)果十分重要[24]。在R軟件中通過調(diào)用ENMeval數(shù)據(jù)包來確定這兩個(gè)參數(shù)，從而對(duì)MaxEnt模型進(jìn)行優(yōu)化。模型包括L，Q，H，P和T5種特征，分別代表了線性(linear)、二次型(quadratic)、片段化(hinge)、乘積型(product)和閾值性(threshold)。為了確定FC和RM的最佳組合，將RM限定在0.5～4的范圍內(nèi)以0.5遞增，特征組合為L(zhǎng)，LQ，H，LQH，LQHP，LQHPT。利用ENMeval數(shù)據(jù)包檢驗(yàn)48種參數(shù)組合，Akaike信息量準(zhǔn)則(AICc)反映了模型的擬合度和復(fù)雜性，最小AICc值的模型應(yīng)該被優(yōu)先考慮[25]。采用訓(xùn)練集和測(cè)試集的AUC值之差(AUC.DIFF)和10%訓(xùn)練遺漏率(OR10)來評(píng)估模型的過擬合程度，利用AUC來評(píng)估模型的準(zhǔn)確性[26]。

2.4 研究方法

基于江西省1 211個(gè)滑坡數(shù)據(jù)和15個(gè)環(huán)境變量，首先將滑坡數(shù)據(jù)和參與建模的15個(gè)環(huán)境變量加載到模型中，然后將滑坡點(diǎn)的數(shù)據(jù)按照3∶1的比例分配給訓(xùn)練集(training data)和測(cè)試集(testing data)。模型的特征組合和調(diào)控倍率由ENMeval數(shù)據(jù)包優(yōu)化獲得，其他參數(shù)則保留默認(rèn)值。模型進(jìn)行500次迭代運(yùn)算后，結(jié)果以ASCII文件類型輸出，采用敏感度和特異性之和最大的方法來確定滑坡敏感區(qū)的分類閾值，同時(shí)參考正態(tài)分布理論與專家經(jīng)驗(yàn)法[27]。ArcGIS 10.4對(duì)滑坡預(yù)測(cè)結(jié)果進(jìn)行重分類，p≥0.72為極高易發(fā)區(qū)，0.53≤p<0.72為高易發(fā)區(qū)，0.25≤p<0.53為中易發(fā)區(qū)，p<0.25為低易發(fā)區(qū)。ROC曲線下的面積(AUC)被用來評(píng)估模型的可靠性，AUC值在0.9～1.0之間時(shí)說明預(yù)測(cè)結(jié)果非常優(yōu)秀。

3 結(jié)果與分析

3.1 模型準(zhǔn)確性

ROC曲線是目前認(rèn)可度較高的模型診斷試驗(yàn)評(píng)價(jià)指標(biāo)，該曲線由靈敏度和特異度為坐標(biāo)軸繪制。ROC曲線所包圍區(qū)域的面積為AUC，其值在0～1的范圍內(nèi)，AUC值與模型的預(yù)測(cè)精度成正相關(guān)，即AUC值越高，模型結(jié)果的可靠性越高。滑坡數(shù)據(jù)和環(huán)境變量建立的MaxEnt模型在匹配發(fā)生記錄方面表現(xiàn)良好，訓(xùn)練集與測(cè)試集的AUC平均值分別為0.932，0.912，表明模型預(yù)測(cè)達(dá)到優(yōu)秀的水平，可以很好地模擬江西省滑坡災(zāi)害空間分布和確定影響滑坡分布的主要環(huán)境因子。

3.2 環(huán)境變量對(duì)模型的貢獻(xiàn)率

環(huán)境變量的貢獻(xiàn)率是衡量其對(duì)預(yù)測(cè)結(jié)果重要性的指標(biāo)。在本研究中，我們使用百分比貢獻(xiàn)率來區(qū)分不同變量對(duì)滑坡發(fā)生的影響。根據(jù)模擬結(jié)果，影響滑坡易發(fā)區(qū)分布的主要環(huán)境變量依次是海拔(20.5%)、坡度(20.4%)、年降雨量(14.5%)、植被指數(shù)(12.8%)、距水系距離(9.1%)和距離道路的距離(6.5%)，其累計(jì)貢獻(xiàn)率為83.8%，對(duì)滑坡分布具有重要影響(圖2)。

注：貢獻(xiàn)率低于1%的變量未列出。

3.3 滑坡發(fā)生與環(huán)境變量的關(guān)系

長(zhǎng)江中下游地區(qū)主要環(huán)境變量的響應(yīng)特征如圖3所示。

圖3 影響長(zhǎng)江中下游地區(qū)滑坡發(fā)生的主要環(huán)境變量響應(yīng)曲線

由圖3可知，滑坡發(fā)生與多種因素有關(guān)，其中海拔無疑是影響滑坡的最主要因素。從海拔與滑坡的響應(yīng)曲線中可以發(fā)現(xiàn)江西省的滑坡主要集中在800～1 300 m的范圍內(nèi)。坡度是滑坡的另一個(gè)重要影響因子，其與海拔密切相關(guān)。坡度與滑坡發(fā)生的概率呈正相關(guān)，主要集中在10°～30°之間，坡度過大時(shí)滑坡概率降低。降水是滑坡發(fā)生的重要誘發(fā)因素，其增加了土壤含水量，減弱了剖面的抗滑能力。根據(jù)年均降雨量與滑坡的響應(yīng)曲線，降雨量越多的地區(qū)，發(fā)生滑坡的風(fēng)險(xiǎn)也就越高。植被指數(shù)反映了地表植被覆蓋的程度，隨著植被指數(shù)的增加，江西省滑坡的發(fā)生概率總體上呈現(xiàn)不斷下降的趨勢(shì)。在與水系和道路的距離方面，江西省滑坡發(fā)生概率均與之呈現(xiàn)負(fù)相關(guān)，隨著與水系和道路之間距離的增加，河流侵蝕和人類活動(dòng)對(duì)滑坡的影響不斷降低。

3.4 滑坡地理分布

根據(jù)MaxEnt模型的預(yù)測(cè)結(jié)果，并按照敏感度和特異性之和最大的方法進(jìn)行重分類。江西省滑坡分布區(qū)分為4類，分別為極高易發(fā)區(qū)、高易發(fā)區(qū)、中易發(fā)區(qū)和低易發(fā)區(qū)(圖4)。

注：地圖基于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站下載的審圖號(hào)為GS(2019)3333號(hào)的標(biāo)準(zhǔn)地圖制作，底圖無修改。

統(tǒng)計(jì)顯示極高易發(fā)區(qū)面積4.94×105km2，占全省總面積的29.6%，主要分布在幕阜山、廬山、浮梁縣黃龍尖、婺源縣蓮花山、懷玉山、九嶺山、武夷山和羅霄山等地區(qū)。高易發(fā)區(qū)面積6.09×105km2，占全省總面積的36.5%，主要分布在瑞昌、贛西北山區(qū)、大浩山、梅嶺、萬年縣和浮梁—婺源地區(qū)。中易發(fā)區(qū)面積3.84×105km2，占全省總面積的23%，主要分布在鄱陽湖平原與丘陵的交界地帶，例如湖口縣和彭澤縣等地區(qū)。低易發(fā)區(qū)面積1.82×105km2，占全省總面積的10.9%，主要分布在鄱陽湖及五大河沿岸河谷平原。江西省滑坡易發(fā)區(qū)的劃分具有明顯的空間差異，極高和高易發(fā)區(qū)的面積占全省總面積的比例較大，滑坡發(fā)生的概率以鄱陽湖平原為中心向四周呈現(xiàn)逐漸增加的趨勢(shì)?；录蟹植荚诤０屋^高的山地丘陵地帶，以西部和南部地區(qū)最為嚴(yán)重，這些地區(qū)地質(zhì)復(fù)雜，巖層節(jié)理裂隙發(fā)育，滑坡災(zāi)害較為頻發(fā)。

4 討論與結(jié)論

4.1 討 論

中國(guó)地處環(huán)太平洋構(gòu)造帶和喜馬拉雅構(gòu)造帶交匯處，構(gòu)造活躍，是地質(zhì)災(zāi)害多發(fā)國(guó)家，災(zāi)害類型多樣[28]。長(zhǎng)江流域是中國(guó)的經(jīng)濟(jì)核心地帶，受到階級(jí)交界和季風(fēng)的影響，水土流失和滑坡災(zāi)害頻發(fā)[29]。預(yù)測(cè)中國(guó)長(zhǎng)江流域滑坡災(zāi)害發(fā)生區(qū)，有利于提升對(duì)“隱患”的準(zhǔn)確判斷，強(qiáng)化隱患排查和危險(xiǎn)評(píng)估，通過國(guó)土空間規(guī)劃和用途管制等措施提升災(zāi)害的應(yīng)對(duì)能力。本研究利用1 211個(gè)滑坡分布點(diǎn)和15個(gè)環(huán)境變量，通過MaxEnt模型和ArcGIS軟件對(duì)江西省的滑坡易發(fā)區(qū)分布進(jìn)行預(yù)測(cè)，同時(shí)采用Jackknife檢驗(yàn)評(píng)估15個(gè)環(huán)境變量對(duì)預(yù)測(cè)結(jié)果的重要程度，確定了影響滑坡災(zāi)害發(fā)生的主要環(huán)境變量。在準(zhǔn)確性方面，AUC值與模型的預(yù)測(cè)精度成正相關(guān)，本研究中訓(xùn)練集與測(cè)試集的AUC平均值分別為0.932，0.912，表明模型在對(duì)滑坡分布的預(yù)測(cè)中具有優(yōu)異的表現(xiàn)，其結(jié)果有較高的精準(zhǔn)度。

最大熵理論最早提出于1957年，在機(jī)器學(xué)習(xí)中得到廣泛應(yīng)用。MaxEnt模型便是基于這一理論和JAVA語言發(fā)展而來的，目前已成為最常用的物種分布模型[16]。其基本思想是利用已知事件對(duì)目標(biāo)空間分布進(jìn)行建模，即與已知環(huán)境越相似，物種存在的概率越高。2013年MaxEnt模型被引到滑坡災(zāi)害的預(yù)測(cè)研究中，相比于常用的信息熵模型，MaxEnt模型的精度更高，可有效避免模型過擬合的發(fā)生[19]。Aiding Kornejady等[30]利用MaxEnt模型評(píng)估了伊朗格列斯坦省吉拉特河的滑坡敏感性，AUC值分別為0.884，0.878，均能較好地模擬研究區(qū)滑坡的敏感性。本研究MaxEnt模型的AUC值大于0.9，模擬結(jié)果具有更高的可信度。

在模型的因子選擇上，考慮到地形地貌、地質(zhì)、植被覆蓋、水文和人類活動(dòng)等多種滑坡內(nèi)在驅(qū)動(dòng)因素的影響作用，選取了15個(gè)環(huán)境變量參與建模，并最終確定了6個(gè)影響滑坡發(fā)生與分布的主要環(huán)境變量。隨著海拔高度的增加，植被具有垂直地帶性，同時(shí)巖土體的含水率和人類活動(dòng)的強(qiáng)度也受到限制[31]?；略诤０?00～1 300 m時(shí)發(fā)生的概率最大，表現(xiàn)出海拔高度的相對(duì)集中性，這與金沙江白格滑坡、哈尼梯田滑坡和湘西自治州的滑坡預(yù)測(cè)結(jié)果表現(xiàn)一致[1,32-33]。這主要是因?yàn)楹０芜^高時(shí)，地表無大片的沖洪積物覆蓋，同時(shí)“山高溝深”的地貌特征使得沉積物難以存留累積，缺少堆積體[34]。坡度的響應(yīng)曲線與海拔類似，滑坡主要集中在15°～30°的較緩坡度區(qū)，過陡的坡面滑坡概率相對(duì)下降。自然條件下滑坡所處坡體坡度越大，臨空面的黏性力越小，斜坡受重力影響越大，滑坡發(fā)生可能性越大，但當(dāng)坡度過大時(shí)，滑坡向小型化發(fā)展，不同的坡度區(qū)間對(duì)于相同規(guī)模的滑坡作用效果不同[35]。華寧縣滑坡災(zāi)害在10°～30°的坡度范圍內(nèi)易發(fā)性較高，與江西省的滑坡災(zāi)害相似，集中發(fā)育在較緩坡度區(qū)[33]。植被是防治土壤侵蝕和固土護(hù)坡的關(guān)鍵，一方面可以減輕雨滴濺蝕和抑制坡面徑流沖刷，另一方面利用植物的“錨固加筋”作用增加土質(zhì)強(qiáng)度，增強(qiáng)斜坡穩(wěn)定性[36]?；聻?zāi)害的發(fā)育和發(fā)生與河流的特征有密切關(guān)系，河流通過其流水活動(dòng)影響和改變地理環(huán)境。在距離河流不同的區(qū)域受其影響不同，河流的流量、流速、水位等水情要素等對(duì)滑坡的產(chǎn)生有一定的影響[33]。河流下切和側(cè)蝕之后，由于岸坡坡腳堆積巖土體的流失，使其對(duì)滑體的支撐作用減弱，降低了滑坡的穩(wěn)定性，隨著與河流距離的增加，滑坡的風(fēng)險(xiǎn)性不斷降低[37]。降水是地質(zhì)災(zāi)害發(fā)生的主要誘發(fā)因素，體現(xiàn)在滑坡和泥石流等災(zāi)害多發(fā)于降水集中階段。短時(shí)間的強(qiáng)降雨或者連續(xù)的陰雨天氣使得滑坡體因含水量的增加而出現(xiàn)下滑趨勢(shì)，這與穩(wěn)定巖體間的抗拉強(qiáng)度降低密切相關(guān)[38]。相較于雨水較少的地區(qū)，年降水量的增多增加了滑坡的風(fēng)險(xiǎn)。在橫斷山北部地區(qū)，極端降水極易誘發(fā)滑坡、崩塌和泥石流等山地災(zāi)害[5]。

當(dāng)前世界處于全球變暖的大背景下，氣候變化通過影響氣溫和降水來間接影響地質(zhì)災(zāi)害的發(fā)生。氣溫上升會(huì)改變降雨的頻率和強(qiáng)度，影響巖土體的穩(wěn)定性。氣候變化強(qiáng)化了降雨的年際變化和區(qū)域分布的不均勻性，引發(fā)局部地區(qū)的干旱，影響植被的生長(zhǎng)和地下水水位[39]。旱澇急轉(zhuǎn)加劇地質(zhì)不穩(wěn)定性的同時(shí)，為災(zāi)害的發(fā)生預(yù)報(bào)帶來新的挑戰(zhàn)，使得許多降雨致災(zāi)閾值的研究不斷涌現(xiàn)[40]。今后在對(duì)地質(zhì)災(zāi)害進(jìn)行預(yù)測(cè)預(yù)報(bào)的同時(shí)，還應(yīng)該關(guān)注氣候變化下新的災(zāi)害發(fā)生趨勢(shì)，及時(shí)發(fā)現(xiàn)新的災(zāi)害易發(fā)區(qū)，采取合理措施確保人民生命和財(cái)產(chǎn)安全。

4.2 結(jié) 論

(1) 以長(zhǎng)江中下游的江西省為研究對(duì)象，將MaxEnt模型引入滑坡易發(fā)性評(píng)價(jià)體系，選取地形、地質(zhì)、水文和人類活動(dòng)等15個(gè)因子進(jìn)行建模分析?；乱装l(fā)區(qū)分布的模擬結(jié)果與實(shí)際分布較一致，模型評(píng)價(jià)指標(biāo)AUC均值達(dá)到0.932，表明模擬結(jié)果具有較強(qiáng)的可信度和準(zhǔn)確性。

(2) 根據(jù)刀切法對(duì)參與模型建立的環(huán)境變量進(jìn)行評(píng)價(jià)，按照變量的貢獻(xiàn)率，海拔、坡度、年降雨量、植被歸一化指數(shù)(NDVI)、距離水系和道路的距離是影響滑坡發(fā)生和分布的主要環(huán)境變量，其中降雨是滑坡發(fā)生的直接誘導(dǎo)因子。

(3) 極高、高和中易發(fā)區(qū)分別占29.6%，36.5%和23%，滑坡易發(fā)性的空間分布差異明顯，極高易發(fā)區(qū)和高易發(fā)區(qū)主要分布在江西省的東、西和南面的山地丘陵地帶。氣候變化背景下，未來氣候?qū)⑼ㄟ^影響降水和植被等因素進(jìn)而改變滑坡發(fā)生分布和敏感性，為災(zāi)害的發(fā)生預(yù)報(bào)帶來新的挑戰(zhàn)。