这篇题为“Integrating rainfall severity and soil saturation indices to define hydro-meteorological thresholds for landslides”的论文，于2025年发表在《Journal of Hydrology》期刊第654卷上，是一项针对滑坡水文气象阈值（hydro-meteorological thresholds）改进方法的原创性研究。

作者与机构信息 本研究的共同第一作者是张森（Sen Zhang）和 Gaetano Pecoraro，通讯作者是 Gaetano Pecoraro。研究团队来自长安大学地质工程与测绘学院（中国西安）以及意大利萨莱诺大学土木工程系。这项跨国际合作汇集了中意双方在地质灾害预警与水文气象分析领域的专长。

研究背景与目的 滑坡是全球范围内最具破坏力和广泛性的地质灾害之一，特别是在气候变化导致极端天气事件频发的背景下，其威胁日益加剧。滑坡预警系统是减轻风险的关键非工程措施，其中，基于历史滑坡事件的降雨条件建立的降雨阈值被广泛用于判断滑坡发生的临界气象条件。然而，传统的降雨阈值模型（如经典的降雨强度-持续时间关系）通常仅考虑降雨事件本身，而忽略了土壤的前期水文状态，这往往导致较高的误报率。 近年来，学术界开始关注并发展水文气象阈值模型，即在阈值模型中同时纳入表征降雨“触发”效应的变量（如累积雨量、强度）和表征土壤“致灾”状态的“水文”变量（如土壤湿度）。研究表明，引入土壤湿度等水文信息能有效提升滑坡发生的预测能力。土壤湿度数据通常来自现场测量、遥感观测或再分析产品（reanalysis product）。其中，再分析产品（如本研究使用的ERA5-Land）通过同化历史观测数据与数值模型，能够提供较长时间序列、覆盖全球且具有一定空间分辨率的土壤水分估算值，在区域尺度预警中具有应用潜力。然而，现有研究大多将再分析产品提供的土壤湿度值直接用作表征前期条件的静态代理变量，而较少对其时间序列进行深入分析以提取更具物理意义的动态特征。 本研究旨在解决上述局限，提出并验证一个系统性的方法框架，以提升基于再分析产品的水文气象阈值的预测性能。具体而言，本研究聚焦于两个核心科学问题：第一，如何分析土壤湿度时间序列数据，从中提取能够有效表征斜坡失稳“致灾”状态的饱和变量？第二，如何定义并统计评估整合了多个水文气象变量的阈值模型？研究通过在意大利南部坎帕尼亚大区的一个高滑坡风险区域进行实例验证，旨在为区域滑坡预警系统提供一套可操作的、基于概率统计的改进方案。

研究方法与详细流程 本研究设计并实施了一个清晰的三阶段方法学流程，以构建和评估集成降雨严重性和土壤饱和度的水文气象阈值。

第一阶段：降雨与土壤饱和度时间序列提取。 本阶段的目标是整理出用于后续分析的“触发”和“非触发”降雨事件及其对应的土壤状态数据。 1. 降雨事件重构：研究使用一个名为CTRL-T (Calculation of Thresholds for Rainfall-induced Landslides–Tool) 的自动化工具，对研究区2010年至2020年共11年的小时分辨率降雨数据进行处理。该工具基于预设的气候和操作参数（如最小雨期间隔），将连续的降雨记录分割为独立的降雨事件。 2. 事件分类：将重构的降雨事件分为两类：“触发事件”（与滑坡发生相关联）和“非触发事件”（未导致滑坡）。具体规则是，若一次降雨事件的发生时间与滑坡记录时间之间的间隔不超过48小时，则被视为该滑坡的触发事件；否则，或未关联任何滑坡的事件，均被视为非触发事件。经过筛选，最终数据集包含174个触发事件和6323个非触发事件，事件持续时间从1小时到1198小时不等。 3. 土壤饱和度序列提取：研究采用欧洲中期天气预报中心的ERA5-Land再分析数据集，该数据集提供了四个不同深度土层（0–7 cm， 7–28 cm， 28–100 cm， 100–289 cm）每小时体积含水量的估计值。为减少再分析数据因模型偏差、空间分辨率粗等因素带来的绝对值不确定性，研究将各土层的含水量时间序列归一化处理为饱和度（Saturation， S）时间序列（取值范围0-1）。对于每个已识别的降雨事件，从其对应的ERA5-Land网格单元中，提取两个时间窗口内的土壤饱和度序列：一是“触发窗口”，即降雨事件持续的时段；二是“前期窗口”，即降雨开始前的一段时间。为探索最佳前期影响时长，研究测试了从12小时到168小时（7天）共14个不同的前期窗口，以12小时为增量。

第二阶段：降雨严重性与土壤饱和度指数识别。 本阶段旨在从原始的降雨和饱和度时间序列中，提炼出能够有效区分滑坡事件与非滑坡事件的综合指数。 1. 特征变量提取与重要性评估：首先，利用Python包tsfresh（Time Series Feature extraction）从连续的降雨和土壤饱和度时间序列中自动提取大量特征变量（如最大值、最小值、绝对能量、复杂度等）。随后，通过tsfresh内置的过滤算法和交叉相关性检验，去除重复和无关变量。接着，采用双样本Kolmogorov-Smirnov检验，计算每个特征变量的D统计量值，以量化该变量在区分“触发”与“非触发”事件分布上的重要性。D统计量值越高，表明该变量的区分能力越强。 2. 降雨严重性指数构建：对于降雨变量，在众多特征中，绝对能量（Absolute Energy， AE）和累积降雨量（Cumulated rainfall， E）被确定为最具区分能力的两个变量。研究采用贝叶斯概率分析方法，将AE和E分别离散化为六个级别，构建一个6x6的二维条件概率矩阵，计算在每个（AE， E）组合条件下发生滑坡的后验概率。根据后验概率的范围（如<1%， 1-3%， 3-5%， 5-10%， 10-20%， >20%），定义出一个综合的“降雨严重性指数”。 3. 土壤饱和度指数构建：对于土壤饱和度，研究探索了两类变量：一是直接从各土层在14个不同前期窗口和1个触发窗口“起始时刻”的瞬时饱和度值中选取；二是利用tsfresh从各土层完整的“前期窗口”和“触发窗口”饱和度时间序列中提取动态特征变量。重要性分析表明，从时间序列中提取的动态变量，尤其是触发窗口内第1土层（0-7 cm）的最大饱和度（maxL1），具有最高的D统计量值（0.608），显示出极强的区分能力。研究最终选定了几个最重要的饱和度变量，包括触发变量maxL1、maxL2（第2土层最大饱和度）、cidL3（第3土层复杂度），以及前期变量δL4_4.5d（第4土层在4.5天前期窗口内的饱和度变化量）和sl3_3.5d（第3土层在3.5天前期窗口起始时刻的饱和度）。土壤饱和度指数的构建方式有两种：对于单个重要变量（如maxL1），直接将其离散化后的级别作为指数；对于两个变量的组合（如maxL1与sl3_3.5d），则再次应用二维贝叶斯分析，计算后验概率矩阵并据此定义综合饱和度指数。

第三阶段：水文气象阈值定义与性能评估。 本阶段将前两阶段得到的指数结合，构建最终的水文气象阈值模型，并评估其预测效能。 1. 阈值定义：将“降雨严重性指数”（基于AE-E）与不同的“土壤饱和度指数”进行组合，共形成七种不同的组合方案。对每一种组合，再次应用二维贝叶斯分析，计算在不同（降雨严重性， 土壤饱和度）条件下发生滑坡的后验概率。本研究将后验概率为1%、3%和5%的等值线分别定义为不同临界概率的水文气象阈值。 2. 性能评估：采用5折交叉验证方案来稳健地评估各阈值的性能。将整个事件数据集随机分为5个子集，确保每个子集中触发与非触发事件比例相近。依次使用其中4个子集校准阈值（即计算贝叶斯概率），并在剩下的1个子集上进行验证，重复5次以覆盖所有组合。性能评估基于接收者操作特征曲线分析：通过比较阈值预测结果与实际滑坡发生情况，构建列联表，计算真阳性率和假阳性率。最终，用预测点与完美预测点（真阳性率=1， 假阳性率=0）之间的欧几里得距离作为综合性能指标，距离越小，表明阈值在漏报和误报之间取得了更好的平衡。

主要研究结果 1. 显著性变量识别结果：分析确认，在降雨变量中，绝对能量和累积雨量最具区分力。在土壤饱和度变量中，重要性最高的变量均来自对时间序列的动态分析，而非静态的瞬时值。特别是触发窗口内表层土壤（0-7 cm）的最大饱和度，其区分能力远超其他变量。这暗示在降雨过程中土壤表层的瞬时饱和状态对于触发浅层滑坡可能至关重要。 2. 水文气象阈值性能结果：七种不同的水文气象阈值组合均表现出了良好的预测能力。其中，以3%为临界概率、结合了“降雨严重性指数”和“第1土层最大饱和度指数”（(AE-E)_RS – maxL1_SS）的阈值，取得了最佳的综合性能，其与完美预测点的欧几里得距离最小（δ = 0.217）。该阈值的真阳性率为0.879，假阳性率为0.178。 3. 与纯降雨阈值的对比：研究将本文开发的最佳水文气象阈值与同一研究区此前确定的、仅基于AE-E的最佳纯降雨阈值（临界概率3%）进行了对比。结果显示，引入土壤饱和度信息后，水文气象阈值在总体上降低了误报率（假阳性率从0.197降至0.168-0.190范围），尽管真阳性率有轻微下降（从0.885降至0.845-0.879范围）。综合性能指标δ显示，七种水文气象阈值中有五种优于纯降雨阈值。这证实了整合土壤湿度信息能够改善区域滑坡预警的预测性能。 4. 土壤湿度动态的启示：通过对典型触发和非触发事件的土壤饱和度时间序列进行可视化分析，研究观察到不同土层的响应模式差异显著：浅层土壤饱和度对降雨响应迅速；而深层土壤饱和度的显著上升通常与持续且强烈的降雨事件相关，这可能更关联于滑坡的发生。这支持了从时间序列中提取动态变量（如最大值、变化量）比使用单一前期时刻静态值更具物理意义和预测价值的观点。

研究结论与价值 本研究成功地开发并验证了一套系统的、基于概率统计的流程，用于构建集成降雨严重性和土壤饱和度的水文气象阈值。研究的主要结论是：利用贝叶斯分析方法，整合从ERA5-Land再分析产品土壤湿度时间序列中提取的动态饱和度变量（特别是降雨期间表层土壤的最大饱和度），能够有效提高区域尺度滑坡发生的预测能力，减少预警系统中的误报。所提出的最佳阈值模型（(AE-E)_RS – maxL1_SS， 3%）为研究区（坎帕尼亚大区Camp-3预警分区的东南部）提供了一个性能优异的预警工具。 本研究的科学价值在于：第一，推进了水文气象阈值研究方法，强调了分析土壤湿度“时间序列”而不仅是“瞬时值”的重要性，为提取更具代表性的水文状态变量提供了新思路。第二，建立了一个透明、可复现的统计框架，该框架能够处理并整合多个降雨和土壤变量，通过二维贝叶斯分析确保结果的统计显著性，避免了高维分析在小样本下的问题。第三，实证了即使使用存在不确定性的再分析数据，通过合理的变量构造和统计方法，也能获得有实用价值的预警模型，拓宽了数据源的选择范围。 其应用价值显著：所提出的方法流程和具体阈值模型可直接应用于操作化的区域滑坡预警系统。论文指出，为实现准实时预警，可将ERA5-Land再分析数据替换为ECMWF的高分辨率预报产品，并设计相应的预警级别发布流程（例如，基于不同临界概率阈值和固定前兆时段进行计算和判断），从而为地方民防部门提供更可靠的风险预警信息。

研究亮点 1. 方法创新性：研究核心创新在于系统性地将时间序列特征提取技术与贝叶斯概率分析相结合，用于从土壤再分析数据中挖掘关键水文变量并构建综合阈值，这一流程具有方法学上的新颖性和可推广性。 2. 变量选取的深度：超越了将土壤湿度简单视为前期条件的做法，深入分析了不同土层、不同时间窗口的动态响应特征，发现“触发期间”的表层土壤最大饱和度是最具预测力的变量，这一发现增进了对浅层滑坡触发水文过程的理解。 3. 务实的操作导向：整个研究设计以服务于区域预警系统的实际操作为导向，采用了交叉验证进行稳健评估，并讨论了向实时业务化系统过渡的数据替代方案和预警发布策略，体现了从研究到应用的桥梁作用。 4. 交叉学科融合：研究很好地融合了地质灾害学、水文气象学、时间序列分析及统计学习等多个领域的知识和技术，展示了解决复杂地学问题的跨学科路径。