点击蓝字

RECRUIT

关注我们

研究概述

Overview of the study

坦桑尼亚Hanang区因地质条件复杂、降雨集中及人类活动加剧，面临严重的滑坡灾害风险，然而该地区缺乏系统的滑坡易发性评估研究。为填补此空白，武汉大学Johanes Muhimbula等人综合应用层次分析法（AHP）、频率比（FR）与滑坡易发性指数（LSI）模型，系统评估了该地区的地形控制因素与滑坡空间分布关系。研究基于多源遥感数据与地理信息系统技术，分析了坡度、高程、地质、土地利用等11个环境与人为因子，并通过多重共线性检验与模型性能评估验证模型可靠性。结果表明，AHP模型预测性能最优（AUC = 0.8876），显著优于FR与LSI；坡度、高程与地质条件被识别为最关键影响因子。该研究为Hanang地区灾害风险管理与土地规划提供了科学依据，其创新性在于在数据稀缺区域实现了多模型比较与地形控制机制的定量解析。

研究区与数据

研究区域为坦桑尼亚马尼亚拉地区的Hanang区，地理上位于东经34°45′至35°48′、南纬4°25′至5°00′之间，总面积约3639平方公里(图1)。该区地势起伏显著，海拔最高点达3399米，据2022年人口普查数据显示，当地人口约36.7万。汉加区属赤道气候，年均降水量约1200毫米，平均气温最高可达37°C，农业与畜牧业是其主要经济活动，广泛种植小麦、玉米、大麦和向日葵等作物。从地质条件看，该区域以中低山地形和火山土壤为主，此类土壤易受侵蚀，边坡稳定性较差，尤其在雨季。值得注意的是，2023年该区曾发生严重的滑坡灾害，造成人员伤亡、财产损失及经济活动中断，充分揭示了其在陡峭地形、强降雨及人类活动（如山坡耕作）共同作用下的高度脆弱性。

图1 研究区位置及概况

本研究首先基于遥感影像解译，通过识别土地利用/土地覆盖图中的裸地类别，共判定了5879处滑坡点，据此构建了用于模型训练与验证的滑坡编录图（图2）。这些滑坡主要表现为由持续降雨引发的泥流，规模介于至之间。所有滑坡样本被随机划分为70%的训练集与30%的测试集。随后，表1详细列出了从SRTM DEM、Landsat 8、Sentinel-2A及坦桑尼亚气象局等多元数据源中提取的11个滑坡致灾因子，包括高程、坡度、坡向、地层岩性（图3）、土地利用/覆盖类型（图3）、与河流/道路/断层的距离、NDVI、年均降雨量（图3）、平面曲率及地形湿度指数TWI（图3）。这些因子均被转换为离散变量以便于统计分析，并用于后续的AHP与FR模型计算。

图2 结合卫星影像的地理区域清单图，图中突出显示了城市区域与滑坡调查点分布

表1 研究区数据清单

图3 Hanang区滑坡致灾因子分布图

研究方法

本研究构建了系统性的滑坡易发性评估方法（图4），具体包括：（1）基于多重共线性分析（TOL与VIF）与因子显著性检验筛选有效致灾因子；（2）将滑坡编录数据按7:3划分为训练集与测试集；（3）分别采用层次分析法（进行判断矩阵与一致性检验）、频率比法（重分类因子图并计算频率比）和滑坡易发性指数法（叠加加权因子图生成综合指数）构建易发性模型；（4）基于自然断点法将易发性指数划分为低、中、高、极高四个风险等级，生成最终区划图；（5）通过ROC曲线与AUC值评估模型性能，并结合灵敏度与特异度分析检验分类能力，最终综合比较三种模型的预测精度与适用性。

图4 研究流程图

研究结果

表2展示了各孕灾因子类别的频率比与预测率计算结果。通过对11个孕灾因子的空间预处理和属性标准化，研究采用70%训练数据集计算得出：坡度因子具有最高预测率（PR=6.58），其中7°-14°坡度区间的频率比达0.0506；高程因子次之（PR=4.64），在1509-1609米高程带显示显著易发性（FR=0.0191）。其余关键因子包括地层岩性（PR=4.48）、距断层距离（PR=3.65）、地形湿度指数（PR=3.44）和归一化植被指数（PR=3.01）。研究将单元网格划分为滑坡单元（赋值1）与非滑坡单元（赋值0），基于频率比计算结果为滑坡易发性指数的生成提供权重依据。

表2 滑坡栅格单元与各致灾因子的FR及PR值表

图5展示了滑坡致灾因子的多重共线性诊断结果。VIF与TOL分析显示，所有因子VIF值均小于10（坡度因子最高为5.662），TOL值均大于0.1（坡度因子最低为0.1766），证实11个致灾因子间不存在严重多重共线性问题，满足模型构建要求。

图5 各致灾因子多重共线性诊断指标（VIF与TOL）分布图

图6所示的雷达图直观展示了11个因子的贡献度，其中坡度（PR=6.58）、高程（PR=4.64）和地层岩性（PR=4.48）被识别为三大主导因子。距断层距离（PR=3.65）、地形湿度指数（PR=3.44）和归一化植被指数（PR=3.01）也具有显著影响。分析结果显示，坡度因子的贡献度最为突出，其在雷达图上的轴延伸最远，印证了其在控制滑坡发生中的核心作用。该因子重要性排序为后续模型的权重分配提供了科学依据。

图6 各致灾因子重要性及其预测值分布（A：距断层距离，B：距河流距离，C：距道路距离）

图7展示了基于三种模型的滑坡易发性空间分布结果：（a）AHP模型显示高易发区（1470.12 km²，41.58%）主要沿陡坡带集中分布；（b）FR模型识别出的极高易发区（947.21 km²，26.81%）与河道分布密切相关；（c）LSI模型结果显示极高易发区（1110.56 km²，31.44%）呈现斑块状散布特征。通过表3的定量对比可见，AHP模型划分的高风险区域面积最大（合计2172.18 km²），且空间连续性最强，FR模型次之（1831.90 km²），LSI模型划分的高风险区域总面积最小（1760.04 km²）。各模型生成的易发性分区与滑坡编录点空间分布均保持较高一致性，其中AHP模型在陡坡区域（>14°）的预警范围最为充分。

图7 滑坡易发性区划图：(a) AHP，(b) FR，(c) LSI

表3 滑坡易发性等级的面积、占比及像元数量统计

通过ROC曲线与AUC值对三种模型进行验证（图8），结果显示AHP模型预测性能最优（AUC=0.8876），显著优于LSI模型（AUC=0.8067）和FR模型（AUC=0.7886）。在因子处理方面，AHP模型在排除降水量因子后保留全部因子参与训练，而FR模型因多重共线性问题剔除了坡度因子。空间分布统计（图9、表4）表明，AHP模型划分的高易发区面积（1470.12 km²）远超FR模型（884.69 km²），且低易发区占比仅1.84%（FR模型为16.54%）。AHP模型通过一致性检验（CI=0.0347, CR=0.0547）证明判断矩阵满足可信度要求。尽管LSI模型基于11个因子的PR与FR值构建，但其极高易发区分布（31.44%）与滑坡编录图的吻合度低于FR模型，反映出因子叠加过程中权重分配的局限性。

图8 不同模型使用验证集和训练集的AUC曲线

图9 各模型易发性等级面积占比分布

表4 各模型易发性等级与LSI结果对比

讨论

本研究系统对比了AHP、FR与LSI三种模型在汉加区的滑坡易发性评估表现（图10）。验证结果表明，AHP模型具有最优预测能力（AUC=0.8876），显著优于LSI（AUC=0.8067）和FR模型（AUC=0.7886）。通过因子贡献度分析发现，坡度（PR=6.58）、高程（PR=4.64）和地层岩性（PR=4.48）是主导滑坡发育的三大因子，而NDVI、降水量等因子在本研究中未表现出显著关联。值得注意的是，尽管传统认知中山区更易发生滑坡，但本研究发现在海拔1700米以上、坡度大于14°的硬岩山区滑坡发育较少，这与该区域稳定的地质构造和茂密植被覆盖密切相关。

图10 滑坡易发性区划与社区分布对照图。(a) AHP，(b) FR，(c) LSI

在模型特性方面，AHP通过专家知识驱动的层次化判断矩阵（CI=0.0347, CR=0.0547）有效整合复杂决策因素，但其主观性可能引入偏差；FR模型基于历史滑坡数据与因子类别的统计关系，虽客观但未能考虑因子间相互作用；LSI模型通过叠加加权因子图实现快速评估，但精度相对有限。尽管FR和LSI模型表现良好，但AHP在汉加区复杂地形条件下展现出更全面的风险评估能力，其划分的高风险区面积占比达61.44%，且空间分布与实地滑坡记录高度吻合。

本研究通过系统性的模型比较揭示了不同方法的适用场景：AHP更适合数据稀缺地区的综合评估，FR适用于具有完善滑坡编录的区域，而LSI可作为快速筛查工具。尽管通过VIF和TOL指标排除了多重共线性因子，但这种方法可能忽略了某些因子间的协同效应。未来研究可考虑采用主成分分析、正则化方法或混合决策模型来处理因子相关性，同时结合更高精度的遥感数据和实地验证，以进一步提升滑坡易发性评估的准确性与实用性。

研究结论

本研究成功实现了三个核心目标：（1）基于AHP、FR和LSI模型生成了汉加区滑坡易发性区划图；（2）通过AUC、CR和PR指标系统评估了模型性能，证实AHP模型具有最优预测能力（AUC=0.8876）；（3）通过多重共线性分析验证了12个致灾因子的统计独立性。研究建议从三个层面推进灾害防控：在地方层面，应将易发性图纳入国土空间规划，禁止在不稳定斜坡进行建设耕作，并建立融合卫星数据与地面监测的预警体系；在国家层面，需将滑坡风险评估纳入战略规划与环境影响评价，加强跨部门协同治理；在国际层面，可推广本研究的低成本评估框架，通过技术共享与数据平台建设提升全球滑坡风险管理能力，最终形成多尺度、跨学科的综合防灾体系。

Source

文章来源

    详细内容见：Muhimbula J, Sumari NS, Balz T. Landslide Susceptibility Assessment Using AHP, Frequency Ratio, and LSI Models: Understanding Topographical Controls in Hanang District, Tanzania. GeoHazards. 2025; 6(3):58.

    原文链接：https://doi.org/10.3390/geohazards6030058

资料整理 | 刘汉星

排版编辑 | 王亚豪

投稿邮箱：401784656@qq.com

欢迎各位的关注与来稿！