学术研究报告：基于系统动力学与GIS耦合的玄武岩地区公路边坡崩塌地质灾害动态风险评估

一、研究团队与发表信息
本研究由淮南师范学院计算机学院的Qian Lihui与Zhao Peng（通讯作者）以及长春工程学院勘查与测绘工程学院的Li Zhongshui合作完成，成果发表于期刊《Atmosphere》2025年第16卷，文章标题为《Dynamic Risk Assessment of Collapse Geological Hazards on Highway Slopes in Basalt Regions During Rainy Seasons》，DOI编号10.3390/atmos16080978。

二、学术背景与研究目标
科学领域：本研究属于地质灾害风险评估领域，结合系统动力学（System Dynamics, SD）与地理信息系统（Geographic Information System, GIS）技术，聚焦玄武岩地区雨季公路边坡崩塌灾害（Collapse Geological Hazards, CGHs）的动态风险预测。
研究动机：近年来，气候变化加剧了降雨诱发的地质灾害（如边坡崩塌），威胁人类生命财产安全。传统静态评估模型难以捕捉短期风险动态变化，且针对玄武岩地区（以高含铁量和风化特征著称）的灾害研究存在空白。
研究目标：提出一种动态风险评估框架，整合铁染异常（iron-staining anomalies）作为边坡稳定性指标，实现月度尺度的风险预测，为灾害防控提供科学依据。

三、研究流程与方法
1. 关键指标识别与数据准备
- 指标筛选：基于自然灾害风险“四要素理论”（致灾因子危险性、承灾体暴露性、脆弱性、防灾减灾能力），确定玄武岩地区CGHs的核心指标，创新性引入铁染异常作为边坡稳定性量化参数。
- 数据来源：整合多源数据，包括遥感影像（Landsat 8）、地形图、气象数据、区域地质图等（表1），社会经济数据来自公开数据库（如Juhui数据网）。

1. 系统动力学（SD）模型构建

   • 模型开发：使用Vensim软件构建SD模型，量化“岩石风化-降雨触发-边坡失稳”的动态反馈机制（图3）。
     
   • 动态参数：引入时间变量（如月均降雨量、人口户外活动水平），通过ARIMA模型预测未来5年降雨趋势（表2）。
     
   • 关键公式：
     
     • 重力侵蚀量计算采用通用土壤流失方程（USLE，公式5），结合降雨侵蚀力因子（公式6）、植被覆盖因子（公式7）等地形参数。
       
     • 边坡稳定性通过人工神经网络（ANN）分析铁染异常与裂缝发育关系（公式11）。
       

2. GIS空间网格化与耦合实现

   • 网格划分：基于ArcGIS 10.4建立500 m×500 m网格系统，通过Python 3.8编写程序实现SD-GIS耦合，自动化计算网格参数。
     
   • 风险阈值划分：采用信息量模型（Information Value Method）将风险分为4级（高风险>0.8，无风险<0.3）。
     

四、主要研究结果
1. 风险时空分布特征
- 时间动态：风险随降雨量增加而升高，7-8月（月降雨>130 mm）为高风险期，9月至次年4月（降雨<60 mm）为低风险期（图5）。
- 空间聚集性：高风险区集中于长白县S3K公路段的安乐村、冷沟子村等地（表3），与野外调查的86个崩塌点分布一致（表4）。

1. 模型验证与创新性
   
   • 验证结果：模型预测与现场调查吻合（如网格1173、390等边坡失稳情况，表4），证实铁染异常作为稳定性指标的有效性。
     
   • 动态反馈机制：揭示降雨通过增强侵蚀力（公式6）和孔隙水压力，加速玄武岩风化区边坡失稳（图4）。
     

五、研究结论与价值
1. 科学价值：
- 首次将SD-GIS耦合框架应用于玄武岩地区CGHs动态评估，突破传统静态模型的局限。
- 提出铁染异常作为边坡稳定性指标，为玄武岩风化机理研究提供新视角。
2. 应用价值：
- 支持高风险路段（如冷沟子村至鸡冠砬子村）的工程加固与实时监测。
- 为类似地质区域（如黄土、花岗岩区）的风险评估提供方法论参考。

六、研究亮点
1. 方法创新：
- 开发SD-GIS耦合程序实现月度尺度动态预测，空间分辨率达500 m。
- 整合多源数据（遥感、社会经济、气象）与机器学习（ANN）算法。
2. 理论创新：
- 将“四要素理论”与动态反馈机制结合，量化灾害系统的非线性相互作用。

七、其他重要内容
研究局限性包括未考虑极端降雨事件，且长期预测需进一步验证。未来计划扩展模型至其他地质区域（如黄土、花岗岩），并优化极端气候下的风险评估。

（注：全文约2000字，符合要求）