这篇文档由意大利热那亚大学（University of Genoa）的Luca Raimondi、Giacomo Pepe、Marco Firpo、Andrea Cevasco以及那不勒斯费德里科二世大学（Federico II University of Naples）的Domenico Calcaterra共同撰写，发表于2023年的《Environmental Modelling and Software》期刊，文章标题为“An open-source and QGIS-integrated physically based model for spatial prediction of rainfall-induced shallow landslides (SPRIN-SL)”。该研究提出了一种基于物理模型的开源工具，用于预测降雨引发的浅层滑坡（shallow landslides, SLs），并通过QGIS软件进行集成，旨在为滑坡风险评估和减灾提供支持。

学术背景

浅层滑坡是全球山地和丘陵地区最常见的自然灾害之一，通常由强降雨引发，尤其是在陡峭的斜坡上。这些滑坡不仅会迅速引发小规模的物质滑动，还可能在短时间内引发更大范围的灾害，如泥石流和泥流。因此，预测滑坡易发区域对于减少灾害风险至关重要。传统的滑坡预测方法包括基于统计和机器学习模型的经验关系分析，以及基于物理模型的过程模拟。物理模型通过模拟降雨引发的地下水流和土壤饱和过程来预测滑坡发生的可能性，但其应用通常受到输入数据复杂性和不确定性的限制。

近年来，随着开源地理信息系统（GIS）和遥感技术的发展，滑坡预测模型的潜力得到了进一步提升。然而，现有的模型在处理高分辨率数字高程模型（DEM）时仍面临挑战，尤其是在地形复杂的情况下。本研究旨在开发一种基于QGIS的开源工具SPRIN-SL，通过结合无限斜坡模型（infinite slope method）和两种水文模型（TOPMODEL和Green-Ampt模型），实现对降雨引发浅层滑坡的空间预测。

研究流程

研究流程分为三个主要步骤：地形变量生成、水文地质空间变量生成以及斜坡稳定性分析与验证。

1. 地形变量生成
   首先，研究团队使用1米分辨率的DEM数据，通过QGIS处理工具箱中的一系列Python脚本，对DEM进行预处理，提取地形形态特征，包括坡度、上游集水面积（UCA）和地形位置指数（TPI）。为了减少高分辨率DEM带来的局部地形波动对坡度计算的影响，研究团队引入了低通滤波器（low-pass filter）对DEM进行平滑处理。此外，为了确保水文模拟的准确性，DEM还经过“填洼”（fill sinks）算法处理，以消除地形中的凹陷和异常。

2. 水文地质空间变量生成
   在第二步中，研究团队使用多项式回归方法结合响应面分析（response surface analysis）预测土壤厚度的空间分布。该方法通过坡度角和TPI作为预测变量，结合现场测量的土壤厚度数据，生成土壤厚度分布图。此外，研究团队还通过TOPMODEL模拟地下水流，并结合Green-Ampt模型模拟降雨入渗过程，生成土壤湿度指数（total wetness index）的空间分布图。

3. 斜坡稳定性分析与验证
   最后，研究团队在QGIS中运行无限斜坡稳定性模型，计算每个网格单元的安全系数（safety factor, FS）。安全系数低于1的区域被标记为潜在滑坡区域。为了验证模型的准确性，研究团队使用了一种基于列联表（contingency table）的技术，计算了多个精度指标，包括检测概率（probability of detection, POD）、误报率（false alarm ratio, FAR）和临界成功指数（critical success index, CSI）。此外，研究团队还应用了接收者操作特征曲线（ROC curve）技术，进一步评估模型的判别能力。

主要结果

研究团队在意大利五渔村国家公园（Cinque Terre National Park）的一个小流域对SPRIN-SL模型进行了测试。测试结果表明，模型能够准确预测2011年10月25日强降雨事件引发的浅层滑坡。ROC分析显示，模型在20米缓冲区内对滑坡的预测准确率达到了99%。此外，模型在减少误报方面表现出色，误报率在20米缓冲区内低于15%。研究还发现，模型的预测结果与地形形态密切相关，特别是在凹形地貌区域，土壤厚度较大的地方更容易发生滑坡。

结论

SPRIN-SL模型提供了一种高效且易于使用的工具，能够在小流域尺度上准确预测降雨引发的浅层滑坡。模型的成功主要归功于其结合了无限斜坡模型和水文模型，并通过DEM预处理技术有效处理了高分辨率地形的复杂性。该工具为滑坡风险评估和减灾提供了重要的技术支持，尤其适用于地形复杂的山地和丘陵地区。

研究亮点

1. 创新性：SPRIN-SL是首个基于QGIS的开源滑坡预测工具，结合了无限斜坡模型和水文模型，能够模拟降雨引发的地下水流和土壤饱和过程。
2. 高精度：模型在测试区域表现出极高的预测精度，特别是在20米缓冲区内，ROC曲线下面积（AUC）达到了0.996。
3. 用户友好性：模型通过QGIS的图形用户界面（GUI）进行操作，用户可以通过简单的步骤完成滑坡预测和验证。
4. DEM预处理技术：研究团队开发了低通滤波器等预处理技术，有效减少了高分辨率DEM带来的局部地形波动对模型预测的干扰。

其他有价值的内容

研究团队还探讨了模型在不同地质和地貌条件下的适用性，并提出了未来研究方向，包括进一步优化土壤参数的空间分布和引入概率分析方法。这些改进将进一步提升模型在不同地区的预测能力和可靠性。