该文档属于类型a：一项原创研究报告。以下是根据要求生成的学术报告。

将滑坡模型融入CAESAR-Lisflood：模拟山区景观演化下的“降雨-滑坡-山洪”灾害链机制

一、 研究概述

本研究由Congrong Li、Ming Wang（通讯作者）、Fang Chen、Thomas J Coulthard和Lei Wang（通讯作者）共同完成。第一作者单位是可持续发展大数据国际研究中心和中国科学院空天信息创新研究院数字地球科学重点实验室。研究于2023年在线发表于国际知名地学期刊 Catena。

二、 学术背景

本研究主要属于地貌过程、地质灾害与景观演化建模交叉的科学领域。论文指出，地震（以2008年汶川地震为例）严重破坏了山区的地质与地貌环境，导致在震后多年内，滑坡、泥石流和山洪等次生灾害仍频繁发生，并呈现出集群和链式发展的特征，形成了“降雨-滑坡-山洪”灾害链。理解并定量模拟这种动态变化环境与后续灾害之间的相互作用机制，对于区域灾害风险管理至关重要。然而，如何在一个动态演化的环境中，定量化地模拟这种灾害链机制，特别是将滑坡过程整合到长期的景观演化模拟中，是一个尚未完全解决的挑战。

景观演化模型（Landscape Evolution Models, LEMs），特别是CAESAR-Lisflood模型，被广泛用于模拟流域内长期的物质迁移和河道演变。然而，标准的CAESAR-Lisflood模型并未考虑“滑坡遗留效应”（即过去滑坡事件对地貌和未来灾害发生条件的持续影响）。另一方面，虽然存在多种基于物理的降雨诱发滑坡预测模型，但它们通常需要大量详细的地面特征、地质力学和降雨数据，限制了其在大空间尺度上的应用。

因此，本研究旨在解决两个关键问题： 1. 如何定量化地建模“降雨-滑坡-山洪”灾害链与动态变化环境之间的相互作用机制。 2. 如何在一个集成的模型中，有效地预测动态变化地形下的滑坡敏感性。

具体目标是将一个简化的物理滑坡模型——Slope-Infiltration-Distributed Equilibrium (SLIDE) 模型——整合到CAESAR-Lisflood景观演化模型中，形成一个全新的集成CAESAR-Lisflood模型，以同时模拟景观演化（侵蚀与沉积）和降雨触发的滑坡过程，并应用于汶川地震重灾区进行验证。

三、 详细研究流程

本研究流程主要分为两个核心部分：模型集成构建，以及模型应用与验证。

第一部分：集成模型构建 集成工作的核心是将SLIDE模型的物理机制嵌入到CAESAR-Lisflood模型的框架中，实现两者的动态耦合。

1. 模型耦合策略与运行机制：集成模型的基本运行逻辑是：CAESAR-Lisflood模型在每个时间步长内计算地形驱动的水文和动力流过程，得出流量和水深信息；然后，这些信息与模型内部的侵蚀-沉积过程和新增的SLIDE滑坡过程共同作用，计算该时间步长的侵蚀与沉积空间分布。所有这些过程共同改变地形，更新后的地形作为下一个时间步长的起点，如此循环迭代。最终，模型可以输出每个栅格单元的安全系数（Factor of Safety, FS）和预测的滑坡点信息。

2. SLIDE模块的融入：

   • 基本原理：SLIDE模型是一个基于无限边坡模型的简化物理模型，它定义了边坡安全系数（FS）与降雨深度之间的直接关系。FS是土体抗剪强度与剪应力的比值。该模型考虑了降雨入渗过程中土壤饱和度、基质吸力（表现为表观粘聚力）的动态变化，从而能够预测浅层滑坡的时空分布。
   • 动态变量耦合：在集成过程中，研究者将SLIDE模型计算FS所需的三个关键动态变量——坡度（α）、土壤深度（zt）和饱和度（sr）——与CAESAR-Lisflood模型的内部变量直接关联。
     • 坡度（α）：直接从CAESAR-Lisflood模型计算出的动态数字高程模型（DEM）中，基于相邻栅格的高程差计算得出。
     • 土壤深度（zt）：使用CAESAR-Lisflood模型侵蚀-沉积过程模块中的“活动层”系统动态更新方法，来代替SLIDE模型中原有的入渗深度计算公式。该模块通过一系列公式计算每个栅格在不同粒径级配下土壤表层的侵蚀与加积厚度变化，以此表征土层厚度的动态变化。
     • 饱和度（sr）：直接采用CAESAR-Lisflood模型水文模块中计算的土壤湿度（j[n]）来代表饱和度。
   • 参数设定：集成后的滑坡模块共涉及13个参数。其中，部分关键参数如土壤粘聚力（c‘）、土体容重（γs）、内摩擦角（φ）、孔隙率（p）等，根据研究区（红溪河流域）的实地地质条件和既有文献进行设定。一个新增的关键参数是滑坡可能性（Landslide Possibility, LP），定义为滑坡面积与流域总面积之比，并根据降雨重现期进行调整，用于控制模型每年预测的滑坡栅格数量。

3. 滑坡位置的预测方法：由于研究侧重于模拟滑坡遗留效应与景观演化的相互作用机制，而非滑坡发生的精确时间，因此对滑坡发生位置的更新以年为单位进行。具体步骤是：

   • 在每年模拟结束时，根据整个流域内所有栅格累计FS值（对滑坡敏感性的表征）进行排序。
   • 按照预设的LP值确定当年应发生滑坡的栅格数量（N）。
   • 从FS排序最差（即最不稳定）的前2N个栅格中，随机选取N个位置作为该年发生滑坡的地点。
   • 将被选为发生滑坡的栅格的坡度设为0（即发生边坡失稳），并将其FS值重置为0，然后从新的地形条件下重新开始计算。

第二部分：模型应用与验证——以红溪河流域为例 1. 研究区与数据：研究选择四川省平武县的红溪河下游流域作为案例区。该区域在汶川地震中受到烈度X-XI度的严重影响，震后滑坡、泥石流等灾害频发。研究利用了2010年的高精度DEM数据、2018年由雨量计计算的小时级降雨数据、以及2013年和2019年的遥感影像等数据。所有输入数据的空间分辨率统一重采样为20米。为了模拟2018年极端降雨下的景观演化，模型首先利用2011-2017年的逐小时降雨数据进行了“预运行”，以获得2017年底的地形、土壤粒径分布等初始状态。

1. 实验设计与分析：
   • 滑坡敏感性预测：运行集成模型，模拟在2018年真实极端降雨情景下的水文、侵蚀和滑坡过程。对模型输出的每个栅格的累计FS值进行归一化处理，生成流域的滑坡敏感性图。
   • 滑坡遗留效应分析：通过对比原始CAESAR-Lisflood模型（不考虑滑坡）和集成CAESAR-Lisflood模型（考虑滑坡）在相同极端降雨（2018年）下模拟的地形变化（侵蚀与沉积空间分布）、物质质量变化和泥沙产量，来定量评估滑坡遗留效应对景观演化过程的影响。
   • 验证：将模型预测的滑坡敏感性图与2018年野外实地测量的滑坡点位置进行对比，以评估模型的预测能力。

四、 主要结果

1. 滑坡敏感性预测结果：

   • 模型成功预测了2018年极端降雨下的滑坡敏感性空间分布。结果显示，流域东侧、山区峡谷、主陡峭沟谷附近以及中上游山坡区域具有较高的滑坡敏感性。
   • 一个重要发现是：大部分高滑坡敏感性区域并不位于2008年同震滑坡（由地震直接引发）且植被恢复良好的区域。这表明植被恢复对斜坡的再稳定起到了关键作用。
   • 敏感性分级表明，研究区近90%的区域滑坡风险极低（敏感性<0.1），而敏感性超过0.5的区域面积占比为9.92%。

2. 地形因子分析：

   • 对于坡度大于10°的区域，高滑坡敏感性（>0.2）区域倾向于分布在海拔相对较高（大多低于1400米）且DEM阈值分布变化较大的地方，主要是斜坡的中上部，这里是松散物质堆积区。
   • 随着滑坡敏感性的升高（>0.2），对应区域的平均坡度急剧下降。这是因为经过多年的景观演化模拟，滑坡遗留的松散物质从物源区逐渐被搬运至坡度较缓的区域堆积。在极端降雨下，这些堆积在缓坡区的松散物质更容易发生滑坡扩展（而非新生滑坡），从而表现出更高的滑坡敏感性。

3. 滑坡遗留效应对景观演化的影响（对比实验结果）：

   • 地形变化空间格局：考虑滑坡遗留效应的集成模型与原始模型模拟出的2018年极端降雨后的高程变化（侵蚀与沉积）空间分布格局存在巨大差异。滑坡效应显著改变了河道（如马鞍石方向河道）和主沟谷的地形，尤其是在文家坝滑坡区下方和河谷出口附近。
   • 物质质量变化：在2018年极端降雨下，集成模型模拟的整个流域物质总变化量、侵蚀总量和沉积总量，分别是原始模型模拟结果的1.5倍、6.2倍和5.9倍。这证明滑坡遗留效应极大地增强了景观的侵蚀与沉积过程强度，并强烈影响了流域内物质再分配的空间格局。
   • 泥沙产量：有趣的是，从日尺度泥沙产量和累积泥沙产量来看，两个模型的输出差异较小。这表明，在短时间尺度上，滑坡遗留效应对流域总输沙量的影响不大。流出流域的泥沙主要仍源于地震本身产生的巨量松散物质。然而，由新发和扩大滑坡产生的大量松散物质仍留存在流域内，将对长时间尺度的景观演化产生深远影响。

4. 模型预测验证：选取了5个2018年野外实测的滑坡点进行对比，发现这些点要么位于模型预测的高滑坡敏感性区内，要么位于高敏感性河谷通道的下游出口处，验证了集成模型在预测降雨诱发滑坡位置方面的有效性。

五、 结论与意义

本研究通过将SLIDE滑坡模型成功整合到CAESAR-Lisflood景观演化模型中，构建了一个能够定量模拟震后山区“降雨-滑坡-山洪”灾害链与动态环境相互作用机制的新模型。主要结论如下： * 集成模型能够有效预测极端降雨下的滑坡敏感性，识别出高风险区。 * 滑坡遗留效应显著影响景观的侵蚀与沉积过程，改变了流域内物质再分配的空间格局，增强了后续灾害发生的风险。 * 尽管滑坡效应在短时间尺度上对流域总输沙量影响不明显，但它在长时间尺度上对地貌演化的塑造作用至关重要。

该研究的科学价值在于，它首次在景观演化模型中耦合了物理机制滑坡预测模块，弥补了现有模型在模拟灾害链对侵蚀-沉积过程影响方面的不足，提高了模型在震区等复杂地貌环境中的适用性。其应用价值在于，能够为区域灾害风险管理与减灾提供滑坡敏感性制图、长期风险演化预测等关键科学信息，服务于灾后重建规划和长期防灾策略制定。

六、 研究亮点

1. 方法创新性：本研究最大的亮点在于模型集成方法的创新。它并非简单地将两个模型串联，而是基于物理机制，将滑坡模型的关键动态变量（坡度、土层厚度、饱和度）与景观演化模型的核心过程模块（地形演化、水文、侵蚀-沉积）进行深度动态耦合，实现了真正意义上的过程交互模拟。
2. 重要的科学发现：研究明确揭示了“高滑坡敏感性区与植被恢复良好的同震滑坡区空间分离” 的现象，以及 “滑坡敏感性升高与对应区域平均坡度下降相关联” 的规律，深化了对震后滑坡复活与扩展机制的理解。
3. 对“滑坡遗留效应”的定量揭示：研究通过精密的对比实验，首次在模拟中定量评估了滑坡遗留效应对侵蚀-沉积过程的放大作用（质量变化增加数倍），以及对河道地形演变的长期影响，为理解震后地貌长期演化提供了新视角。
4. 解决实际问题：研究直接面向汶川震区这一典型且灾变频繁的实际区域，所开发的模型和得出的结论具有明确的现实指导意义。

七、 其他有价值内容与研究局限

作者在讨论部分也坦诚指出了当前集成模型的局限性，为未来研究指明了方向： 1. 未考虑植被恢复过程：模型中使用了静态的土地利用数据，未考虑震后植被的动态恢复过程及其对斜坡稳定性的正面作用。将植被动态变化（如NDVI指数）纳入模型是未来的一个重要改进方向。 2. 滑坡预测模型的简化：目前仅集成了一种简化物理滑坡模型（SLIDE）。未来可以考虑集成更多、更复杂的滑坡预测模型，以提高预测精度和普适性。 3. 时间尺度局限：本研究主要分析了滑坡遗留效应在短时间尺度（单次极端降雨事件）上的影响，其对长时间尺度（数十年甚至百年）景观演化和泥沙输运的全面影响，仍需进一步研究。

这项研究为模拟动态环境下山地灾害链的复杂相互作用提供了强有力的新工具和新见解，是地貌过程建模与灾害风险管理交叉领域的一项重要进展。