强降雨诱发群发性滑坡精细化预测评价

Refined prediction and evaluation of landslide clusters triggered by heavy rainfall

摘要

强降雨诱发群发性滑坡具有分布广、数量多、规模小、突发性强和前兆变形迹象不明显等特点，是当前地质灾害精准防治中的难点问题。传统隐患点排查、群测群防和单点监测方法主要面向具有明显变形迹象的显性滑坡，难以满足强降雨诱发的非显性“小、乱、散”型群发性滑坡的实时预测与精准预警需求。本文围绕如何获取群发性滑坡非显性精细化结构信息、如何实现滑坡精细化预测的关键科学问题展开研究，结合国家重点研发计划“非显性滑坡隐患高效勘测技术装备研发”项目相关成果，以强降雨诱发的群发性滑坡为研究对象，提出构建以“气象−地形−结构−稳定性”为一体化的滑坡精细化预测评价技术体系，从精细化气象预报技术、复杂山地环境仿地航测系统与增强显示技术、斜坡精细结构与地下水位探测技术、广域斜坡稳定性评价模型及智能预测平台 4 个方向展示了该体系的技术突破成果，并将该预测评价体系应用于川西雅安先锋村滑坡和广东韶关群发性滑坡，以期为强降雨诱发群发性滑坡精细化预测评价提供科学依据。

Abstract

Heavy rainfall-triggered landslide clusters are characterized by their wide distribution, large number, small scale, sudden onset, and lack of obvious precursory deformation signs, posing a significant challenge to the precise prevention and control of geological disasters. Traditional methods of hazard point investigation, mass monitoring and prevention, and single-point monitoring are mainly aimed at visible landslides with obvious deformation signs; however, it is difficult to meet the needs of real-time prediction and accurate early warning for invisible, small, scattered, and disorderly landslides induced by heavy rainfall with these methods. This paper focuses on the key scientific issues of how to obtain invisible, refined structural information of landslides and how to achieve refined landslide prediction. Combining the relevant results of the National Key Research and Development Program “Research and Development of Efficient Survey Technology and Equipment for Invisible Landslide Hazards,” this paper takes landslides induced by heavy rainfall as the research object and proposes a refined landslide prediction and evaluation technology system integrating meteorology, topography, structure, and stability. The paper demonstrates the technological breakthroughs of this system in four directions: refined meteorological forecasting technology, a complex mountain environment, terrain-simulating aerial survey system and enhanced display technology, fine structure slope and groundwater level detection technology, and a wide-area slope stability evaluation model and intelligent prediction platform. The prediction and evaluation system are applied to the Xianfeng, Ya’an, and Liangliangba landslides in Tianshui, aiming to provide a scientific basis for the refined prediction and evaluation of landslides induced by heavy rainfall.

关键词

强降雨 / 群发性滑坡 / 精细化预测评价 / 稳定性评价

Key words

heavy rainfall / landslide clusters / refined prediction and evaluation / stability assessment

参考文献

[1] 陈博， 张灿灿， 李振洪， 等， 2024. 福建龙岩市 2024 年“6•16”特大暴雨诱发滑坡发育特征及其调控因子分析[J]. 武汉大学学报（信息科学版）， 49（11）： 2145-2155.

[2] Chen B， Zhang C C， Li Z H， et al.， 2024. Developmental characteristics and controlling factors of landslides triggered by extreme rainfalls on 16 June 2024 in Longyan， Fujian Province[J]. Geomatics and Information Science of Wuhan University， 49（11）： 2145-2155. （in Chinese）

[3] 陈国庆， 黄润秋， 石豫川， 等， 2014. 基于动态和整体强度折减法的边坡稳定性分析[J]. 岩石力学与工程学报， 33（2）： 243-256.

[4] Chen G Q， Huang R Q， Shi Y C， et al.， 2014. Stability analysis of slope based on dynamic and whole strength reduction methods[J]. Chinese Journal of Rock Mechanics and Engineering， 33（2）： 243-256. （in Chinese）

[5] 陈婉琳， 许强， 周小棚， 等， 2025a. 基于航空物探的边坡三维地质模型建立及稳定性计算方法：CN120012240A[P]. 2025-05-16.

[6] Chen W L， Xu Q， Zhou X P， et al.， 2025a. Slope three-dimensional geologic model establishment and stability calculation method based on airborne geophysical prospecting：CN120012240A[P]. 2025-05-16. （in Chinese）

[7] 陈婉琳， 许强， 周小棚， 等， 2025b. 一种基于潜在滑动方向的边坡三维稳定性计算方法和系统：CN120257649A[P]. 2025-07-04.

[8] Chen W L， Xu Q， Zhou X P， et al.， 2025b. Side slope three-dimensional stability calculation method and system based on potential sliding direction：CN120257649A[P]. 2025-07-04. （in Chinese）

[9] 戴可人， 梁茹冰， 王鑫， 等， 2025. 地质灾害 DInSAR 形变监测结果质量评估与判识方法[J]. 成都理工大学学报（自然科学版）， 52（6）： 1072-1083.

[10] Dai K R， Liang R B， Wang X， et al.， 2025. Methods for qualitative evaluation of DInSAR for monitoring displacement of geological hazards[J]. Journal of Chengdu University of Technology （Science & Technology Edition）， 52（6）： 1072-1083. （in Chinese）

[11] 郭富赟， 孟兴民， 黎志恒， 等， 2015. 天水市“7•25”群发性地质灾害特征及成因[J]. 山地学报， 33（1）： 100-107.

[12] Guo F Y， Meng X M， Li Z H， et al.， 2015. Characteristics and causes of assembled geo-hazards induced by the rainstorm on 25th July 2013 in Tianshui City，Gansu，China[J]. Mountain Research， 33（1）： 100-107. （in Chinese）

[13] 郭子正， 何俊， 黄达， 等， 2023. 降雨诱发浅层滑坡危险性的快速评估模型及应用[J]. 岩石力学与工程学报， 42（5）： 1188-1201.

[14] Guo Z Z， He J， Huang D， et al.， 2023. Fast assessment model for rainfall-induced shallow landslide hazard and application[J]. Chinese Journal of Rock Mechanics and Engineering， 42（5）： 1188-1201. （in Chinese）

[15] 黄润秋， 2007. 20 世纪以来中国的大型滑坡及其发生机制[J]. 岩石力学与工程学报， 26（3）： 433-454.

[16] Huang R Q, 2007. Large-scale landslides and their sliding mechanisms in China since the 20th century[J]. Chinese Journal of Rock Mechanics and Engineering， 26（3）： 433-454. （in Chinese）

[17] 黄森， 崔素丽， 辛鹏， 等， 2021. 天水市“7•25”群发性浅层滑坡降雨阈值及空间分布研究[J]. 自然灾害学报， 30（3）： 181-190.

[18] Huang S， Cui S L， Xin P， et al.， 2021. Study on rainfall threshold and spatial distribution of clustered shallow landslides in Tianshui City on July 25[J]. Journal of Natural Disasters， 30（3）： 181-190. （in Chinese）

[19] 蒋钰， 敖仪斌， 许强， 2025. 定日县地震受灾民众防震减灾能力调查分析[J]. 成都理工大学学报（社会科学版）， 33（2）： 111-120.

[20] Jiang Y， Ao Y B， Xu Q, 2025. Investigation and analysis of earthquake prevention and disaster reduction ability of people affected by earthquake in Dingri County[J]. Journal of Chengdu University of Technology （Social Sciences）， 33（2）： 111-120. （in Chinese）

[21] 刘瑞阳， 许强， 蒲川豪， 等， 2025. 湖南资兴市 2024 年 7 月台风“格美”诱发滑坡特征及其地质控制作用[J/OL]. 武汉大学学报（信息科学版）， 2025-04-09. https://doi.org/10.13203/j.whugis20250027.

[22] Liu R Y， Xu Q， Pu C H， et al.， 2025. Characteristics of landslides induced by typhoon ‘Gaemi’ in Zixing，Hunan，July 2024，and their geological control factors[J/OL]. Geomatics and Information Science of Wuhan University， 2025-04-09. https://doi.org/10.13203/j.whugis20250027. （in Chinese）

[23] 刘振宇， 赵建军， 李浩， 等， 2026. 基于 XGB-RF-SHAP 的桂东南群发性降雨滑坡孕灾条件敏感性研究[J/OL]. 成都理工大学学报（自然科学版）， 2026-04-14. https：//link.cnki.net/urlid/51.1634.n.20260412.1225.002.

[24] Liu Z Y， Zhao J J， Li H， et al.， 2026. Sensitivity analysis of conditioning factors for clustered rainfall-induced landslides in southeastern Guangxi using XGB-RF-SHAP[J/OL]. Journal of Chengdu University of Technology （Science & Technology Edition）， 2026-04-14. https：//link.cnki.net/urlid/51.1634.n.20260412.1225.002.（in Chinese）

[25] 陆会燕， 李为乐， 许强， 等， 2019. 光学遥感与 InSAR 结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报（信息科学版）， 44（9）： 1342-1354.

[26] Lu H Y， Li W L， Xu Q， et al.， 2019. Early detection of landslides in the upstream and downstream areas of the Baige Landslide，the Jinsha River based on optical remote sensing and InSAR technologies[J]. Geomatics and Information Science of Wuhan University， 44（9）： 1342-1354. （in Chinese）

[27] 罗袆沅， 许强， 蒋亚楠， 等， 2024. 基于时序 InSAR 与机器学习的大范围地面沉降预测方法[J]. 地球科学，49（5）： 1736-1745.

[28] Luo H Y， Xu Q， Jiang Y N， et al.， 2024. The prediction method of large-scale land subsidence based on multi-temporal InSAR and machine learning[J]. Earth Science， 49（5）： 1736-1745. （in Chinese）

[29] 彭建兵， 2025. 自然灾害防治体系现代化：从被动应对到主动防控的范式转型[J]. 中国科学基金， 39（6）： 863.

[30] Peng J B, 2025. Modernization of the natural disaster prevention and control system：a paradigm shift from passive response to proactive prevention[J]. Bulletin of National Natural Science Foundation of China， 39（6）： 863. （in Chinese）

[31] 彭建兵， 崔鹏， 王会军， 等， 2025. 自然灾害防治体系建设构想[J]. 中国科学基金， 39（6）： 864-871.

[32] Peng J B， Cui P， Wang H J， et al.， 2025. Conceptual framework for the construction of a natural disaster prevention and mitigation system[J]. Bulletin of National Natural Science Foundation of China， 39（6）： 864-871. （in Chinese）

[33] 宋家苇， 杨莹辉， 许强， 等， 2024. 滑坡灾害 InSAR 早期识别关键技术方法研究[J]. 工程地质学报， 32（3）： 963-977.

[34] Song J W， Yang Y H， Xu Q， et al.， 2024. Research on key theoretical methods for early land-slide detection using InSAR technology[J]. Journal of Engineering Geology， 32（3）： 963-977. （in Chinese）

[35] 孙怀凤， 胡杉杉， 柳尚斌， 等， 2024. 复杂模型瞬变电磁三维 FDTD 正演软件开发[J]. 地球物理学进展， 39（6）： 2368-2382.

[36] Sun H F， Hu S S， Liu S B， et al.， 2024. 3D forward modeling software development for transient electromagnetic based on FDTD method[J]. Progress in Geophysics， 39（6）： 2368-2382. （in Chinese）

[37] 魏瑞增， 单云锋， 秦佳松， 等， 2026. 广东省韶关市“4•20”极端降雨诱发滑坡发育特征及其主控因子分析[J]. 地质科技通报， 45（3）： 71-85.

[38] Wei R Z， Shan Y F， Qin J S， et al.， 2026. Development characteristics and controlling factors of landslides triggered by extreme rainfall on April 20，2024 in Shaoguan City，Guangdong Province[J]. Bulletin of Geological Science and Technology， 45（3）： 71-85. （in Chinese）

[39] 吴爽爽， 张龙飞， 李明波， 等， 2025. 华南花岗岩区台风暴雨诱发的群发性滑坡特征及形成机理——以湖南资兴“7•27”群发性滑坡为例[J]. 华南地质， 41（4）： 820-832.

[40] Wu S S， Zhang L F， Li M B， et al.， 2025. Characteristics and formation mechanism of clustered landslides induced by typhoon and heavy rainfall in the Huanan granite area，China： a case study from “ 7.27” clustered landslides in Zixing City， Hunan[J]. South China Geology， 41（4）： 820-832. （in Chinese）

[41] 许强， 2020a. 对地质灾害隐患早期识别相关问题的认识与思考[J]. 武汉大学学报（信息科学版）， 45（11）： 1651-1659.

[42] Xu Q, 2020a. Understanding and consideration of related issues in early identification of potential geohazards[J]. Geomatics and Information Science of Wuhan University， 45（11）： 1651-1659. （in Chinese）

[43] 许强， 2020b. 对滑坡监测预警相关问题的认识与思考[J]. 工程地质学报， 28（2）： 360-374.

[44] Xu Q, 2020b. Understanding the landslide monitoring and early warning：consideration to practical issues[J]. Journal of Engineering Geology， 28（2）： 360-374. （in Chinese）

[45] 许强， 陈婉琳， 蒲川豪， 等， 2026. 非显性滑坡形成条件、识别特征与广域稳定性快速评价[J]. 工程地质学报， 34（1）： 131-154.

[46] Xu Q， Chen W L， Pu C H， et al.， 2026. Formation conditions，identification characteristics and rapid assessment of regional-scale stability of latent landslides[J]. Journal of Engineering Geology， 34（1）： 131-154. （in Chinese）

[47] 许强， 董秀军， 李为乐， 2019. 基于天−空−地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报（信息科学版）， 44（7）： 957-966.

[48] Xu Q， Dong X J， Li W L, 2019. Integrated space-air-ground early detection，monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University， 44（7）： 957-966. （in Chinese）

[49] 许强， 黄润秋， 李秀珍， 2004. 滑坡时间预测预报研究进展[J]. 地球科学进展， 19（3）： 478-483.

[50] Xu Q， Huang R Q， Li X Z, 2004. Research progress in time forecast and prediction of landslides[J]. Advances in Earth Science， 19（3）： 478-483. （in Chinese）

[51] 许强， 汤明高， 徐开祥， 等， 2008. 滑坡时空演化规律及预警预报研究[J]. 岩石力学与工程学报， 27（6）： 1104-1112.

[52] Xu Q， Tang M G， Xu K X， et al.， 2008. Research on space-time evolution laws and early warning-prediction of landslides[J]. Chinese Journal of Rock Mechanics and Engineering， 27（6）： 1104-1112. （in Chinese）

[53] 许强， 徐繁树， 蒲川豪， 等， 2024. 2024 年 4 月广东韶关江湾镇极端降雨诱发群发性滑坡初步分析[J]. 武汉大学学报（信息科学版）， 49（8）： 1264-1274.

[54] Xu Q， Xu F S， Pu C H， et al.， 2024. Preliminary analysis of extreme rainfall-induced cluster landslides in Jiangwan Township，Shaoguan，Guangdong，April 2024[J]. Geomatics and Information Science of Wuhan University， 49（8）： 1264-1274. （in Chinese）

[55] 许强， 郑光， 李为乐， 等， 2018. 2018 年 10 月和 11 月金沙江白格两次滑坡−堰塞堵江事件分析研究[J]. 工程地质学报， 26（6）： 1534-1551.

[56] Xu Q， Zheng G， Li W L， et al.， 2018. Study on successive landslide damming events of Jinsha River in Baige Village on Octorber 11 and November 3，2018[J]. Journal of Engineering Geology， 26（6）： 1534-1551. （in Chinese）

[57] 殷跃平， 王文沛， 张楠， 等， 2017. 强震区高位滑坡远程灾害特征研究——以四川茂县新磨滑坡为例[J]. 中国地质， 44（5）： 827-841.

[58] Yin Y P， Wang W P， Zhang N， et al.， 2017. Long runout geological disaster initiated by the ridge-top rockslide in a strong earthquake area： a case study of the Xinmo landslide in Maoxian County， Sichuan Province[J]. Geology in China， 44（5）： 827-841. （in Chinese）

[59] 张群， 许强， 李江， 等， 2015. 南江“9•16”群发性缓倾浅层土质滑坡特征与成因机制研究[J]. 自然灾害学报， 24（3）： 104-111.

[60] Zhang Q， Xu Q， Li J， et al.， 2015. Study on characteristics and cause mechanism of grouping inclined-shallow soil mass landslides on September 16，2011 in Nanjiang[J]. Journal of Natural Disasters， 24（3）： 104-111. （in Chinese）

[61] Ardizzone F， Cardinali M， Galli M， et al., 2007. Identification and mapping of recent rainfall-induced landslides using elevation data collected by airborne LiDAR[J]. Natural Hazards and Earth System Sciences， 7（6）： 637-650.

[62] Chen W Y， Zhu Y L， Song W T， et al., 2024. Pulse impedance：a new approach to defining apparent resistivity of electrical source transient electromagnetic data[J]. IEEE Geoscience and Remote Sensing Letters， 21： 7509005.

[63] Chi Y L， Mao L F， Wang X B， et al., 2024a. Three-dimensional numerical simulation and experimental validation of airborne ground-penetrating radar based on CNCS-FDTD method under undulating terrain conditions[J]. Scientific Reports， 14（1）： 22156.

[64] Chi Y L， Pang S， Mao L F， et al., 2024b. Research on airborne ground-penetrating radar imaging technology in complex terrain[J]. Remote Sensing， 16（22）： 4174.

[65] He Q L， Dong X J， Li H L， et al., 2025. A micro-topography enhancement method for DEMs： advancing geological hazard identification[J]. Remote Sensing， 17（5）： 920.

[66] Li P L， Xu Q， Zhang F L， et al., 2026. Prediction of aspect-dependent soil thickness and its influence on landslide susceptibility[J]. Catena， 263： 109694.

[67] Mao L F， Wang X B， Chi Y L， et al., 2025. A three-dimensional FDTD（2，4） subgridding algorithm for the airborne ground-penetrating radar detection of landslide models[J]. Remote Sensing， 17（6）： 1107.

[68] Sima J S， Xu Q， Dong X J， et al., 2025. Spatially constrained discontinuity trace extraction from 3D point clouds by intersecting boundaries segmented[J]. Remote Sensing， 17（21）： 3566.

[69] Xu Q， Yuan Y， Zeng Y P， et al., 2011. Some new pre-warning criteria for creep slope failure[J]. Science China Technological Sciences， 54（S1）： 210-220.

[70] Xu Q， Zhao B， Dai K R， et al., 2023. Remote sensing for landslide investigations：a progress report from China[J]. Engineering Geology， 321： 107156.

[71] Zhang J M， Zuo X Q， Zhu D M， et al., 2025. Long-term monitoring of landslide activity in a debris flow gully using SBAS-InSAR： a case study of Shawan Gully， China[J]. Remote Sensing， 17（9）： 1580.

基金资助

国家重点研发计划项目(2022YFC3003200)