基于统计的滑坡易感性模型综述

本文对滑坡易发性建模和相关地形分区的统计方法进行了批判性回顾。滑坡易发性是指根据当地地形条件估算滑坡可能发生的概率，确定“哪里”可能发生滑坡。 自从上世纪70年代中期首次尝试评估滑坡易发性以来，已经发表了数百篇论文，这些论文使用了不同的方法和途径，并在不同的地质和气候条件下展开了研究。 在这里，我们通过系统地搜索并编制了一个包含1983年至2016年565篇同行评审文章的广泛数据库，对基于统计的滑坡易发性评估文献进行了批判性回顾。对于文献数据库中的每一篇文章，我们记录了31个信息类别/子类别，包括研究区域/范围、滑坡类型/数量、清单类型和覆盖期、使用的统计模型，包括变量类型、模型拟合/预测性能评估方法，以及用于评估模型不确定性的策略。我们提供了图形可视化和讨论，以按区域和时间的函数发现的共同点和差异为基础，揭示主题数据类型和尺度、建模方法和模型评估标准的显著异质性。我们发现，用于易发性评估的主题数据类型范围并没有显著改变，对于一些研究来说，使用的主题数据的地貌意义缺乏充分的理由。我们还发现，用于滑坡易发性建模的最常见的统计方法包括逻辑回归、神经网络分析、数据叠加、基于指数和证据权重分析， 近年来越来越多的研究偏向于采用机器学习方法 。虽然近年来越多的研究对模型的拟合和预测性能进行了评估，但只有极少数的研究评估了模型的不确定性。采用易发性质量水平指数，我们发现，近年来发表模型的质量已经有所改善，但优质评估仍然很少。我们发现易发性研究地点存在明显的地理偏差，中国、印度、意大利和土耳其的研究很多，而在非洲、南美和大洋洲的研究很少。基于以前的文献综述、文献数据库中收集的信息分析和我们自己对主题的经验，我们提供了有关滑坡易发性模型和相关地形分区的准备、评估和使用的建议。

自1970年代中期到1980年代中期，人们对德国（Neuland，1976）、加利福尼亚州（Nilsen和Brabb，1977）和意大利（Carrara等人，1977年，1978年，1982年；Carrara，1983年）进行了早期尝试，以确定不同地质、气候和地形设置下的滑坡易感性。研究人员采用了许多直接或间接的方法，产生了定性和/或定量评估（Aleotti和Chowdhury，1999年；Guzzetti等人，1999年；Chacón等人，2006年；van Westen等人，2008年）。在这项工作中，我们专注于基于统计的易感性建模方法，这是一种间接的、定量的方法（Guzzetti，2006年）。为了进行回顾，我们有系统地搜索了1983年1月至2016年6月33.5年的国际文献，并选择了565篇同行评审的期刊文章，其中文章讨论了基于统计的滑坡易感性评估方法和相关地形分区工具。

通过广泛的文献数据库作为证据的关键文献综述揭示了山体滑坡和主题数据类型和尺度、建模方法以及用于评估模型性能的标准的显著异质性。用于易损性评估的最常见的统计分类方法是逻辑回归、神经网络分析、数据叠加、基于指数的分析和证据权重分析，近年来机器学习方法更受欢迎。尽管某些方法表现优于其他方法，但没有一种方法在所有条件下都证明是优越的。我们得出结论，调查人员在使用特定的分类方法的经验和技能比方法本身更重要，并且我们主张使用多种方法来获得利用相同的山体滑坡和主题数据的不同易损性评估，并将它们组合成“最优”模型，这些模型通常比单一模型表现更好（Rossi等人，2010）。

采用易感性质量等级指数（Guzzetti et al.，2006a，b），我们测量了我们分析过的大多数易感模型的质量，并发现随着时间的推移，模型的质量有所提高，但高质量评估仍然很少见。为了改善模型的质量，我们建议除了评估模型拟合和预测性能外，还应该定量测量模型和区域的不确定性，这两者在文献中逐渐变得常见。

我们的审阅结果显示，易感性研究存在明显的地理偏差（图3），很多研究区域位于几个国家（中国、印度、意大利、土耳其），而非洲、南美和大洋洲等大洲只有极少数研究。除少数例外，我们对于海底滑坡易感性的了解甚少。我们同时也发现，大多数研究仅覆盖相对较小的区域（< 1000 km2，图3），只有极少数的研究涉及到整个大洲（Günther等人，2013、2014）或整个世界（Nadim等人，2006、2013；Hong等人，2007）。有必要进行大范围的山体滑坡易感性评估，包括覆盖大区域、整个大洲和整个世界，包括海洋和海洋下的地形。

该评论指出了基于统计的滑坡易感性建模缺乏公认的标准和通用的实践。缺乏标准妨碍了不同方法和模型之间的对比，并限制了易感性模型和地图的可信度和实用性（Guzzetti, 2006）。后者对派生产品和分析产生了不利影响，包括危险评估和风险评估（Guzzetti等人，2012年）。我们期望基于统计的易感性建模的开放软件的可用性将有助于解决这个问题（Jebur等人，2015年; Rossi和Reichenbach，2016年）。我们注意到，在物理上的易感性建模的相关领域，开放软件的可用性正在增加（Baum等人，2002年，2008年; Mergili等人，2012a，2012b，2013，2014; Alvioli和Baum，2016年）。

初期研究者认为，滑坡易发区划分是一种有价值的土地规划和减少滑坡影响成本的工具(Bernknopf et al.,1988)。我们的研究表明，正如初期研究者所预期的那样，滑坡易发性地图并没有成为规划和景观决策的常用工具(Brabb, 1996;Guzzetti et al., 2000;Chacón et al., 2006)。造成这种情况的原因有很多，但我们认为，共同的标准和日益增多的滑坡主题数据的可用性将有助于未来易发性评估的扩展。我们也预计，基于统计的滑坡易发性模型将用于其他应用，例如不同地理尺度的滑坡预警系统的一部分。然而，我们认为，易感性评估的范围和特征可能因不同的应用而发生变化（例如在早期预警系统中的使用与在土地规划和环境管理中的使用不同）。

我们的审查还发现了山体滑坡易感性分析和建模特定方面评估方面的良好做法和优势，特别是近年来。虽然不多，但有重要且相关的研究已经进行，包括：（i）比较和结合不同的建模方法，（ii）测试主题变量的显著性和相关模型的敏感性，（iii）分析地图单元类型对易感性模型和区域划分的影响，（iv）测试不同的性能评估指标，（v）选择适当的地图单元采样方案用于训练/验证数据集，（vi）开发软件分割领土，（vii）为易感性建模和区域划分提供工具，也适用于非经验用户。

通过我们的经验，我们补充了文献综述分析的结果，并确定了九个主要步骤，我们认为这些步骤对于准备可靠的山体滑坡易感性区划很重要（见表3），一些步骤之间存在相互关联。我们认为该表格可以成为统计基础的山体滑坡易感性模型和区划定义的讨论和制定标准的起点。

参考文献

Reichenbach, Paola, Mauro Rossi, Bruce D. Malamud, Monika Mihir, and Fausto Guzzetti. “A Review of Statistically-Based Landslide Susceptibility Models.” Earth-Science Reviews 180 (May 1, 2018): 60–91.