基于MaxEnt-TRIGRS混合模型与动态安全系数映射的降雨诱发泥石流易发性评估研究

作者及发表信息

本研究由Xinlong Xu（徐新龙）、Yue Qiang（强跃）、Li Li（李丽）等来自重庆三峡学院土木工程学院（Civil Engineering College, Chongqing Three Gorges University）的研究团队，联合重庆交通大学水利水运工程教育部重点实验室（Key Laboratory of Hydraulic and Waterway Engineering of the Ministry of Education, Chongqing Jiaotong University）的学者共同完成。研究成果发表于Scientific Reports期刊（2025年，卷15，文章编号26209）。

学术背景与研究目标

泥石流是一种由固液混合物组成的破坏性地质灾害，威胁全球山区安全。传统统计模型（如层次分析法AHP、灰色关联分析GRA）常忽略触发机制和岩土参数，导致预测精度不足。为解决这一问题，本研究提出了一种创新框架，将最大熵模型（Maximum Entropy, MaxEnt）与物理模型TRIGRS（Transient Rainfall Infiltration and Grid-based Regional Slope-stability）耦合，构建“统计-物理”双驱动的泥石流易发性评估方法。研究以中国四川省北川县（Beichuan County）为案例区，旨在：
1. 整合环境因子、岩土参数和历史灾害数据，建立动态安全系数（Factor of Safety, FS）映射模型；
2. 通过机器学习与物理模型的协同优化，提升预测精度；
3. 为复杂地形下的多灾害链评估提供范式，支持区域减灾规划。

研究方法与流程

1. 数据准备与模型输入

研究选取北川县7个乡镇为研究区，整合了13类环境因子（如坡度、降雨量、距河流距离、土地利用类型）及历史泥石流事件记录（2008–2015年）。数据来源包括：
- 地形数据：NASA 12.5米分辨率DEM（数字高程模型）；
- 地质数据：1:20万比例尺地质图；
- 气象数据：中国科学院资源环境科学数据中心提供的年降雨量数据（空间分辨率1公里）。

2. TRIGRS物理模型计算

TRIGRS模型通过以下模块模拟降雨渗透与边坡稳定性：
- 渗透模块：基于Richards方程线性化解，计算非饱和/饱和土壤中的瞬态降雨入渗通量（公式9）；
- 水文模块：解析孔隙水压力的时空动态变化；
- 稳定性模块：通过无限斜坡理论计算网格单元安全系数FS（公式10），定义FS < 1为不稳定区域。
研究将北川县按岩土特性分为3个分区，通过现场采样与实验室测试确定参数（如黏聚力c、内摩擦角φ、土壤容重γ），并采用保守估计策略（均值±1标准差）降低不确定性。

3. MaxEnt统计模型训练

MaxEnt模型利用TRIGRS识别的正样本（不稳定区域）及历史泥石流点，预测易发性空间分布。模型输入包括：
- 环境变量：高程（贡献率32.7%）、年累积降雨量（28.1%）、距河流距离（19.4%）等；
- 训练集/测试集划分：80%数据用于训练，20%用于验证。
通过刀切法（Jackknife）分析各因子贡献率，结果显示地形粗糙度、降雨量和人口密度是主导因素（累计贡献78.1%）。

4. 混合模型集成与验证

在GIS平台中，采用动态加权算法整合MaxEnt与TRIGRS输出，权重比为0.55:0.45。通过以下指标验证性能：
- ROC曲线：混合模型的AUC（曲线下面积）为0.845，优于单独MaxEnt（0.735）和AHP（0.530）；
- Kappa系数：0.684，表明分类一致性较高；
- 独立验证：在重庆万州区昌坦镇（Changtan）的应用中，模型正确识别了83.6%的历史泥石流事件。

主要研究结果

1. 易发性分区：混合模型将研究区（1036.4 km²）划分为6个风险等级（表4），其中极不稳定区（FS < 0.5）占2.95%，但集中了36.1%的历史灾害点；稳定区（FS ≥ 1.0）占92.62%。
   
2. 精度提升：混合模型较MaxEnt单独使用时：
   
   • 预测精度提高21%；
     
   • 修正统计模型34.7%的过预测区域；
     
   • 稳定区面积扩大1.8倍。
     
3. 参数敏感性：TRIGRS模型中FS对坡度（±16.0%波动）、黏聚力（±24.4%）和容重（±7.5%）最敏感（图7e）。
   

结论与价值

1. 科学价值：
   
   • 首次实现MaxEnt与TRIGRS的深度耦合，弥补了统计模型忽视物理机制、物理模型简化地形的缺陷；
     
   • 提出动态安全系数映射方法，为降雨诱发型泥石流风险评估提供新范式。
     
2. 应用价值：
   
   • 生成高精度易发性图（DFSM），支持灾害预警与土地管理；
     
   • 权重优化方案（0.55:0.45）可为其他区域研究提供参考。
     

研究亮点

1. 方法创新：突破传统“数据生成式”混合模型的局限，实现机器学习与物理过程的真实耦合；
   
2. 技术整合：结合MATLAB与ArcGIS工具链，开发高效计算流程（如MAT.TRIGRS v1.0）；
   
3. 实践验证：在汶川地震极重灾区（北川县）的成功应用，证实模型对复杂地形的适应性。
   

局限与展望

1. 数据分辨率：12.5米DEM可能无法捕捉微地形特征，未来需采用更高分辨率数据；
   
2. 不确定性量化：未开展蒙特卡洛模拟分析岩土参数与DEM误差的联合影响；
   
3. 扩展应用：建议在冰川融雪或地震扰动区进一步测试模型鲁棒性。
   

本研究为山区地质灾害风险评估提供了可推广的技术框架，其集成建模思路也可拓展至滑坡、崩塌等多灾种链式灾害评估领域。