地貌与地表过程
袁少雄, 宫清华, 魏平新, 李湘姣, 王钧, 周志华, 刘菁, 刘博文, 陈宇
滑坡是世界范围内最严重的地质灾害之一,降雨是主要诱发因素。本文以华南地区为例,基于广东省352个自动雨量站数据和804个滑坡记录,采用CTRL-T方法进行降雨事件识别,构建了基于深度学习的多时间尺度滑坡预警模型。研究期间(2018—2023年)共识别50541个降雨事件,其中296个事件触发滑坡,触发率为0.59%。通过提取前置期持续时间(Da)、前置期累积降雨量(Ea)和触发期降雨量(Eo)特征,构建了3-4-4-1结构的深度学习集成模型。结果表明:① 滑坡事件主要集中在4—6月,触发率达1.68%;② 触发滑坡事件的中位数降雨量(597.5 mm)显著高于非触发事件(43.2 mm);③ 最佳预警模型在1 h滞后时间下表现最优,受试者工作特征曲线下面积(ROC AUC)达0.902;④ 案例回溯验证表明,模型平均提前预警时间为12 h,优于降雨强度—持续时间(I-D)阈值法。研究成果为华南地区滑坡预警提供了科学依据,对提高防灾减灾能力具有重要意义。