《Engineering Geology》期刊于2026年2月在线发表了一篇题为“Bridging data gaps in landslide early warning: Physics-derived rainfall thresholds under rainfall uncertainty”的研究论文。该研究的主要作者包括来自中国地质大学（武汉）巴东地质灾害国家野外科学观测研究站的邹浩（通讯作者之一）、黄伟业、张庆宇、刘潇、张舒（通讯作者）以及湖北省地质局第三地质大队等多个机构的合作者。

一、 学术背景

本研究属于工程地质学与地质灾害预警领域，核心关注降雨诱发浅层滑坡的早期预警问题。在全球山区，降雨诱发的浅层滑坡因其突发性和广泛影响，对人类生命财产安全构成持续威胁。传统上，建立降雨预警阈值（如强度-历时（I-D）阈值）高度依赖于对大量历史滑坡事件及其精确配对的降雨记录进行统计分析。然而，在数据稀缺地区（data-scarce regions），往往缺乏完整的滑坡编录，更关键的是，即使有历史滑坡记录，也常常无法精确确定其触发的降雨过程（即时间解耦问题），这使得基于经验统计的传统方法难以建立可靠的预警阈值。

针对这一困境，基于物理过程的滑坡模型（如TRIGRS模型）展现出独特优势。这类模型通过模拟降雨入渗、孔隙水压力变化和斜坡稳定性（安全系数FoS）的动态过程，无需依赖历史滑坡-降雨配对数据，仅需区域地质力学参数和降雨输入即可评估滑坡风险。然而，此类模型生成的精细化FoS空间分布图计算复杂、操作难度大，难以直接集成到气象部门现有以降雨观测/预报为核心的预警业务平台中。

因此，本研究旨在弥合物理模型输出与业务化预警需求之间的差距，提出并示范一个新颖的、基于物理机制并考虑降雨不确定性的动态降雨阈值框架。其核心目标是：在缺乏充足历史滑坡-降雨配对数据的山区，建立一套不依赖经验事件配对、具有物理基础且可直接用于业务预警的降雨强度-历时（I-D）分级阈值。

二、 详细工作流程

本研究构建了一个融合物理建模、降雨不确定性分析与统计分级的综合工作流程，主要包括四个组成部分，并以中国湖北省英山县温泉镇为例进行案例研究。

第一步骤：数据准备与物理模型参数化 研究首先系统收集了研究区的地理空间数据，包括12.5米分辨率的ASTER数字高程模型（DEM）、土壤类型、地质构造图以及2024年6-7月的小时分辨率降雨记录。同时，利用湖北省地质局第三地质大队编制的滑坡编录（共34个降雨诱发浅层滑坡事件，其中2024年梅雨季新识别9个）。这些数据为后续物理模拟提供了基础输入。 关键环节在于为TRIGRS模型确定区域代表性参数。研究综合了现场钻孔（20个）、高密度电法（ERT）剖面（18条）和双环入渗试验（24个）数据来获取关键参数。具体如下： 1. 残余土层厚度：基于ERT反演剖面和钻孔数据，建立了土层厚度（Z）与坡度（δ）之间的线性经验关系（Z = -0.0908δ + 6.7023），并利用该关系结合DEM生成了全区土层厚度空间分布栅格图。 2. 地质力学与水力参数：尽管研究区基岩岩性多样，但滑坡主要发生在风化残坡积层中。通过现场调查和室内试验，获得了该表土层一套具有统计代表性的平均参数集，包括有效粘聚力（c′）、有效内摩擦角（φ′）、饱和容重（γs）等。核心水力参数——饱和垂向渗透系数（Ksv）通过双环入渗试验测定，平均值为1.8×10⁻⁴ m/s。其他难以直接试验获得的参数，如饱和水力扩散系数（D₀）和稳态地表通量（Izlt），则参考前人研究采用经验公式（D₀=100×Ksv， Izlt=0.01×Ksv）确定。 第二步骤：基于特定降雨事件的物理建模与验证 为了验证TRIGRS模型在研究区的适用性，研究选取了2024年6月28日至29日一次历时41小时、累积雨量400毫米的双峰型降雨事件进行模拟。模拟了降雨开始（0h）、第一场强降雨结束（14h）、第二场降雨峰值过渡（23h）和降雨结束（41h）四个关键时间点的区域斜坡稳定性（FoS）空间分布。 为了量化模型性能，研究将模拟结果与2024年新识别的9个滑坡点进行对比。利用受试者工作特征曲线（ROC曲线）和曲线下面积（AUC）作为评价指标。分析表明，在降雨事件末期（41h），模型预测的AUC达到0.7857，显示出良好的空间识别能力。为进一步评估模型稳健性，研究还采用了1000次Bootstrap抽样计算了95%置信区间（CI），并将2024年小样本（n=9）的验证结果与历史滑坡编录（n=27）的验证结果进行对比。结果显示，尽管小样本验证的CI带较宽（统计不确定性更高），但其与历史数据验证的CI带存在显著重叠，且AUC值略高，这证实了TRIGRS模型在该区域具有可靠的预测能力，且未出现过拟合。模型性能的剩余不确定性主要归因于未建模的人类活动因素（如道路开挖、人工排水）。

第三步骤：降雨不确定性表征与随机抽样 这是本研究的核心创新环节之一，旨在通过概率方法描述降雨事件的随机性，从而生成代表性降雨情景用于物理模拟。具体流程如下： 1. 降雨事件划分：基于小时降雨数据，采用最小间隔时间（MIT=6h）、历时≥3h、小时雨强≥1mm等标准，划分出22个独立降雨事件，并提取每个事件的平均强度（I）和历时（D）。 2. 边缘分布建模：分析发现，I和D均不服从传统分布，而更适合用于刻画极值的广义帕累托分布（Generalized Pareto Distribution, GPD）。研究采用最大似然估计（MLE）分别拟合了I和D的GPD边缘分布函数。 3. 联合分布建模：为了刻画I和D之间的相依结构，研究引入了Frank Copula函数。通过MLE估计Copula参数（η），构建了I和D的联合概率分布模型。该模型能够有效捕捉降雨强度与历时之间的尾部相关性，尤其适用于极端降雨事件的分析。 4. 拉丁超立方抽样：基于上述Copula-GPD联合分布模型，研究采用拉丁超立方抽样（Latin Hypercube Sampling, LHS）技术，生成了100组具有代表性的（I, D）降雨情景组合。这种分层抽样策略确保了在概率空间中的均匀覆盖，为后续的物理模拟提供了统计意义上完备的降雨输入。

第四步骤：概率-物理耦合的阈值分级 这是将气象概率与地质物理风险相连接的关键步骤，旨在将物理模型输出转化为可用于业务预警的分级降雨阈值。 1. 物理模拟与不稳定区域比例计算：将上一步生成的100组降雨情景（I, D）逐一输入到已校准的TRIGRS模型中，进行全区斜坡稳定性模拟。对于每一次模拟，计算全区栅格中安全系数FoS < 1.0的不稳定区域面积占总面积的比例（Af）。 2. 基于分位数的风险分级：研究得到了100个Af值的统计分布，该分布呈现右偏特征。为了客观地划分风险等级，研究摒弃了主观设定单一阈值或使用等间距分类法（在偏态分布中会导致分类失衡），转而采用统计分位数法。将Af的分布按25%（Q1）、50%（Q2）、75%（Q3）分位数划分为四个区间，分别对应四个风险等级：低风险（Af < Q1）、中低风险（Q1 ≤ Af < Q2）、中高风险（Q2 ≤ Af < Q3）和高风险（Af ≥ Q3）。计算得到Q1=0.79%， Q2=1.47%， Q3=3.67%。 3. I-D阈值曲线推导：在I-D双对数坐标平面上，将属于同一风险等级的降雨事件点集进行可视化。然后，采用幂律方程（I = λD^m）分别拟合每个风险等级点集的“下边界”，从而得到四条对应于不同预警等级（I₁至I₄）的I-D阈值曲线。拟合出的具体方程如下： * I₁（低风险）： I = 4.846·D^(-0.845) * I₂（中低风险）： I = 11.174·D^(-0.949) * I₃（中高风险）： I = 45.238·D^(-1.056) * I₄（高风险）： I = 132.510·D^(-1.098)

三、 主要结果

1. TRIGRS模型有效模拟了斜坡稳定性时空演化：对特定降雨事件的模拟显示，随着降雨进行，研究区内不稳定区域（FoS<1.0）的比例从初始的4.31%逐渐扩大至事件结束时的21.59%，而稳定区域相应减少。新识别的滑坡点绝大多数（尤其在降雨后期）都落在模型预测的不稳定或中等不稳定区域内，验证了模型动态捕捉滑坡风险时空演化的能力。
2. Copula-GPD模型成功表征了降雨不确定性：拟合的GPD边缘分布和Frank Copula联合分布与经验分布吻合良好，生成的100组LHS样本有效覆盖了I-D联合概率空间，特别是对高强度-短历时和中强度-长历时等极端情景的抽样，为后续物理模拟提供了全面的降雨输入场景。
3. 揭示了滑坡触发机制的转变：对推导出的四条I-D阈值曲线的参数分析，得出了一个重要的物理发现：随着预警等级从低风险（I₁）提升到高风险（I₄），幂律方程的指数m的绝对值从0.845显著增加到1.098。这意味著阈值曲线的斜率变陡。物理上，这揭示了滑坡触发机制的转变：在低风险阶段，滑坡更受累积效应控制，较长的降雨历时对触发滑坡起到重要缓冲作用（曲线平缓，D的影响大）；而在高风险阶段，斜坡对瞬时降雨强度变得极度敏感，高强度短时降雨能迅速导致孔隙水压力激增，从而触发失稳（曲线陡峭，I的主导性强）。
4. 建立了客观的四级预警阈值并得到验证：通过分位数法建立的四级I-D阈值体系，将抽象的物理模拟输出（Af）转化为可直接与气象观测/预报数据对比的操作化指标。研究对阈值进行了严格的内部和外部验证：
   • 内部验证：使用研究区（温泉镇）2024年触发9处滑坡的两场降雨事件进行检验。这两场事件的（I, D）点均落在中高风险（I₃）或高风险（I₄）区域，表明阈值能准确识别已发生的灾害事件。
   • 外部验证：将阈值应用于邻近地质条件相似的洪山镇，利用其2025年触发4处滑坡的降雨数据进行检验。所有4个外部事件的（I, D）点也全部落在了中高风险（I₃）或高风险（I₄）区域内，成功触发了相应的高级警报。这强有力地证明了本研究所提框架具有良好的时空可移植性。

四、 结论与价值

本研究的结论是，成功开发并验证了一个用于数据稀缺山区滑坡预警的、基于物理机制且考虑降雨不确定性的新型框架。该框架通过将TRIGRS物理模型、Copula-GPD随机降雨建模和分位数风险分级三者耦合，实现了三大关键进展： 1. 有效弥补了历史数据缺口：用确定性物理机制和随机气象输入生成的“合成响应空间”，替代了稀缺的历史滑坡-降雨配对数据，为传统经验方法失效的地区提供了科学的预警解决方案。 2. 定量揭示了触发机制转变：首次通过阈值曲线参数变化，定量揭示了从累积控制到强度控制的滑坡触发机制转变，为应急响应中优先关注短历时高强度降雨提供了物理依据。 3. 建立了稳健的分级预警体系：基于Af统计分位数建立的客观四级阈值，即使在有限样本验证下也表现出统计稳健性（Bootstrap CI支持）和良好的区域外推能力（外部验证成功），为业务化分级预警提供了可直接应用的指标体系。

本研究的科学价值在于提出了一个从“随机-确定-概率”（Stochastic-Deterministic-Probabilistic, S-D-P）耦合的新逻辑，推动了滑坡预警方法从纯粹的数据驱动向机理与数据融合的范式转变。其应用价值巨大，为全球众多监测历史短、数据匮乏的山区社区，提供了一条建立具有物理基础、客观且可操作的滑坡预警系统的技术路径，有望显著降低这些地区灾害风险防控的技术与经济门槛。

五、 研究亮点

1. 方法论创新：首创了将Copula-GPD降雨联合概率模型与物理滑坡模型（TRIGRS）耦合的框架，通过随机抽样生成物理模拟的边界条件，从而绕过了对历史配对数据的绝对依赖。
2. 阈值划分的客观性：引入统计分位数法，基于物理模拟输出的风险分布（Af）客观划分多级预警阈值，避免了传统方法中主观设定单一阈值的随意性，使分级预警具有坚实的统计和物理基础。
3. 重要的物理发现：通过分析阈值曲线参数，首次明确量化了滑坡触发机制随风险等级升高而从累积控制向强度控制的转变，深化了对降雨诱发滑坡机理的认识。
4. 强调可移植性与验证：不仅进行了内部验证，还专门设置了邻近区域的外部独立验证，并采用Bootstrap方法量化了小样本下的不确定性，全面证明了模型框架的稳健性和区域适用性。

六、 其他有价值内容

研究在讨论部分也坦诚指出了当前框架的局限性，并为未来研究指明了方向。局限性包括：TRIGRS模型的一维垂向入渗假设可能忽略土壤各向异性、优先流和侧向地下水流；使用区域平均地质参数集可能掩盖局部非均质性带来的误差；当前的I-D框架未考虑前期土壤湿度或累积降雨的影响。未来展望建议：与数据驱动方法（如支持向量机）结合以隐式考虑土地利用等因素；采用随机场理论或贝叶斯反演来刻画参数空间变异性；将阈值扩展至包含前期有效降雨（I-D-E）或降雨形态参数的多维阈值体系；利用不断积累的新数据迭代优化分位数边界。这些讨论体现了研究的严谨性和前瞻性。