滑坡是我国最严重的地质灾害之一，每年因滑坡造成大量的生命财产损失，为减轻因滑坡所造成的损失，对滑坡灾害进行精准预警预报的研究，是目前迫切需要解决的关键科学问题之一。镇安县地处秦岭山脉，地理环境复杂，属于地质灾害多发区，由强降雨引起的滑坡灾害频繁发生，给当地人民群众生活带来严重威胁。因此，针对镇安县降雨诱发下区域滑坡灾害进行易发性评估和预警分析研究，可为当地防灾减灾工作提供科学依据和技术支持。本文基于镇安县滑坡灾害情况，通过采用机器学习与信息量耦合模型对镇安县滑坡灾害易发性分区以及构建有效降雨模型研究适用于镇安县的滑坡灾害降雨预警阈值，基于易发性和临界降雨阈值构建滑坡综合预警模型，并运用GIS二次开发技术完成了镇安县滑坡灾害预警分析系统的开发与应用。主要研究内容及结果如下：

（1）基于镇安县滑坡灾害调查数据，总结分析区内滑坡灾害的分布、类型及影响因素，发现镇安县滑坡主要分布于道路两侧人类活动强度大、不规范工程活动突出区域及河流沿岸、山体破碎带等地质环境恶劣区。区内滑坡灾害的发生集中在多雨季节，其中人类工程活动、气象、地质构造是影响区内滑坡发育的主要因素。

（2）基于镇安县滑坡灾害易发性分区和有效降雨阈值，耦合构建地质-降雨综合预警模型。采用 IV-SVM、IV-RBF、IV-ELM和IV-BPNN耦合模型对研究区内滑坡灾害易发性进行区划，对比分析选取精度更高的IV-BPNN模型区划结果作为预警模型的地质环境因子。分析降雨量和滑坡灾害频次的关系，构建有效降雨量模型确定镇安县降雨预警阈值，作为预警模型的降雨诱发因子。通过建立综合预警等级分区，形成区域滑坡灾害预警，并以2021年发生的突发性滑坡事件重构区域降雨条件，回代进行模型精度验证。

（3）以镇安县滑坡灾害为例，根据实际需求分析对系统进行了总体设计，采用组件式GIS开发技术，在 .NET平台下，使用C#语言和Arc Engine二次开发工具构建了镇安县滑坡灾害预警分析系统。通过展示系统的具体功能，并以镇安县达仁镇栗茶家园山体滑坡为案例进行滑坡灾害的预警分析，验证了系统实际功能。

Landslides are one of the most severe geological disasters in China, causing significant loss of life and property each year. Research on precise early warning and forecasting of landslide disasters is a crucial scientific issue that urgently needs to be addressed to mitigate these losses. Zhen'an County, located in the Qinling Mountains, has a complex geographical environment and is prone to geological disasters, with frequent landslides triggered by heavy rainfall posing a severe threat to local residents. Therefore, assessing the susceptibility to rainfall-induced landslides and conducting early warning analysis in Zhen'an County can provide scientific evidence and technical support for local disaster prevention and mitigation efforts. This study focuses on landslide disasters in Zhen'an County, employing machine learning and information value coupling models to assess the susceptibility to landslides and develop an effective rainfall model for establishing landslide rainfall warning thresholds. Based on susceptibility and critical rainfall thresholds, a comprehensive landslide early warning model is constructed. Additionally, GIS secondary development technology is utilized to develop and apply a landslide disaster early warning analysis system for Zhen'an County. The main research content and results are as follows:

(1) Based on the landslide disaster survey data of Zhen'an County, an analysis was conducted on the distribution, types, and influencing factors of landslides in the area. The results indicate that landslides are primarily distributed along roadsides with high human activity intensity, areas with prominent irregular engineering activities, riverbanks, and fractured mountain zones with poor geological conditions. Landslide disasters in the area predominantly occur during the rainy season. The main factors influencing the occurrence of landslides in the region are human engineering activities, meteorological conditions, and geological structures.

(2)  Based on the susceptibility zoning of landslide disasters and effective rainfall thresholds in Zhen'an County, a comprehensive geological-rainfall warning model is constructed. The IV-SVM, IV-RBF, IV-ELM, and IV-BPNN coupled models are utilized to delineate landslide susceptibility in the study area. Comparative analysis is conducted to select the IV-BPNN model with higher accuracy for zoning results as the geological environmental factor for the warning model. The relationship between rainfall volume and landslide frequency is analyzed, and an effective rainfall model is developed to determine the rainfall warning threshold for Zhen'an County, serving as the rainfall-triggering factor for the warning model. By establishing a comprehensive warning level zoning system, regional landslide disaster warnings are generated. The accuracy of the model is validated by reconstructing regional rainfall conditions based on a sudden landslide event in 2021.

(3) Taking the landslide disasters in Zhen'an County as an example, the overall design of the system is conducted based on practical requirements analysis. Component-based GIS development technology is adopted, and the Zhen'an County landslide hazard warning analysis system is developed on the .NET platform using C# language and Arc Engine secondary development tools. By showcasing the specific functionalities of the system and conducting landslide hazard warning analysis using the case of the Licha Jiayuan landslide in Daren Town, Zhen'an County, the actual functionality of the system is validated.

[1] 蔡雨微.2015—2019年全国地质灾害发育的分布特征[J].农业灾害研究,2023,13(07):296-298.

[2] 中华人民共和国自然资源部.2023年中国自然资源公报[EB].2024-02-28.

[3] 许强.对滑坡监测预警相关问题的认识与思考[J].工程地质学报,2020,28(02):360-374.

[4] 唐亚明, 张茂省, 薛强, 等.滑坡监测预警国内外研究现状及评述[J].地质论评,2012,58(03):533-541.

[5] 高华喜, 殷坤龙.降雨与滑坡灾害相关性分析及预警预报阀值之探讨[J].岩土力学,2007,(05):1055-1060.

[6] 许强, 汤明高, 徐开祥, 等.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,2008,(06):1104-1112.

[7] 殷坤龙, 陈丽霞, 张桂荣.区域滑坡灾害预测预警与风险评价[J].地学前缘,2007,(06):85-97.

[8] 王裕琴, 杨迎冬, 周翠琼, 等.基于GIS空间分析技术的云南省地质灾害气象风险预警系统[J].中国地质灾害与防治学报,2015,26(01):134-137+144.

[9] 刘传正.区域滑坡泥石流灾害预警理论与方法研究[J].水文地质工程地质,2004,(03):1-6.

[10] 刘兴权, 姜群鸥, 战金艳.地质灾害预警预报模型设计与应用[J].工程地质学报,2008,(03):55-60.

[11] 吴益平, 张秋霞, 唐辉明, 等.基于有效降雨强度的滑坡灾害危险性预警[J].地球科学(中国地质大学学报),2014,39(07):889-895.

[12] 霍芳, 钟飞, 杨帆, 等.市级地质灾害气象风险精细化预警预报系统设计与应用[J].资源环境与工程,2023,37(03):344-349.

[13] 李媛.区域降雨型滑坡预报预警方法研究[D].中国地质大学（北京）,2005.

[14] 邹浩, 何霏, 白俊龙.黄冈地区降雨型滑坡影响因素及与降雨量的关系[J].长江科学院院报,2023,40(02):124-130.

[15] 吴杰, 陈冠, 孟兴民, 等.白龙江流域滑坡降雨临界值[J].山地学报,2022,40(06):875-886.

[16] 李宇梅, 杨寅, 狄靖月, 等.全国地质灾害气象风险精细化网格预报方法及其应用[J].气象,2020, 46(10) :1310-1319.

[17] 林巍.降雨诱发滑坡风险预警研究[D].中国地质大学,2023.000206.

[18] 吴杰, 陈冠, 孟兴民, 等.白龙江流域滑坡降雨临界值[J].山地学报2022,40(60):875-886．

[19] 常志璐.基于数据驱动和成因机制的区域降雨型滑坡危险性评价方法[D].南昌大学,2024.

[20] 王娜.巴州区降雨型滑坡预警研究[D].电子科技大学,2020.

[21] Teresa Vaz, José Luis Zêzere, Susana Pereira, et al. Regional rainfall thresholds for landsl-ide occurrence using a centenary database [J]. Natural Hazards and Earth System Sciences,2018,18(4):1037-1054.

[22] Correa O, F Garcia, Bernal G, et al. Early warning system for rainfall-triggered landslides based on real-time probabilistic hazard assessment [J]. Natural Hazards: Journal of the International Society for the Prevention and Mitigation of Natural Hazards, 2020.100.

[23] Dahal K R, Hasegawa S. Representative rainfall thresholds for landslides in the Nepal Himalaya [J]. Geomorphology, 2008,100(3-4):429-443.

[24] Yi X, Feng W, Bai H, et al. Catastrophic landslide triggered by persistent rainfall in Sichuan, China: August 21, 2020, Zhonghaicun landslide [J]. Landslides, 2021,18(8):1-15.

[25] 黄发明, 殷坤龙, 蒋水华, 等.基于聚类分析和支持向量机的滑坡易发性评价[J].岩石力学与工程学报,2018,37(1):156- 467.

[26] 王存智, 张炜, 李晨冬, 等.基于GIS和层次分析法的沙溪流域滑坡地质灾害易发性评价[J].中国地质调查,2022,9(05):51-60.

[27] 张峰, 赵忠国, 谢大伟, 等.基于确定系数法和信息量模型对新疆特克斯县滑坡敏感性评价的对比研究[J].新疆地质,2019,37(04):575-579.

[28] Abedini M, Ghasemian B, Shirzadi A, et al. A comparative study of support vector machine and logistic model tree classifiers for shallow landslide susceptibility modeling [J]. Envi-ronmental Earth Sciences, 2019,78(18):1-15.

[29] 曾斌, 吕权儒, 寇磊, 等.基于Logistic回归和随机森林的清江流域长阳库岸段堆积层滑坡易发性评价[J].中国地质灾害与防治学报,2023,34(4):105-113.

[30] 刘艳辉, 黄俊宝, 肖锐铧, 等.基于随机森林的福建省区域滑坡灾害预警模型研究[J].工程地质学报,2022,30(03):944-955.

[31] 武雪玲, 杨经宇, 牛瑞卿.一种结合SMOTE和卷积神经网络的滑坡易发性评价方法[J].武汉大学学报(信息科学版),2020,45(08):1223-1232.

[32] Luo X, Lin F, Zhu S, et al, Mine landslide susceptibility assessment using IVM, ANN and SVM models considering the contribution of affecting factors [J]. PLoS One, 2019, 14(4): e0215134.

[33] 李成林, 刘严松, 赖思翰, 等.基于BP神经网络模型的滑坡易发性评价方法[J].科学技术与工程,2023,23(13):5481-5492.

[34] 刘飞, 秦胜伍, 乔双双, 等.基于神经网络模型的斜坡地质灾害易发性评价:以吉林永吉为例[J].世界地质, 2019, 38(04):1166-1176.

[35] 杨得虎, 朱杰勇, 刘帅, 等.基于信息量、加权信息量与逻辑回归耦合模型的云南罗平县崩滑灾害易发性评价对比分析[J].中国地质灾害与防治学报,2023,34(5): 43-53.

[36] 乔德京, 王念秦, 郭有金, 等.加权确定性系数模型的滑坡易发性评价[J].西安科技大学学报,2020,40(2):259-267.

[37] 杨盼盼, 王念秦, 郭有金, 等.基于加权信息量模型的临潼区滑坡易发性评价[J].长江科学院院报, 2020, 37(09):50-56.

[38] 谢维安, 谷士飞, 向星多, 等.基于信息量与多模型耦合的碎屑岩区滑坡易发性分区评价[J].自然灾害学报,2023,32(01):236-244.

[39] 薛正海, 冯文凯, 韩靖楠, 等.基于信息量及层次分析关联法和BP神经网络耦合的滑坡易发性评价[J].桂林理工大学学报,2022, 42(04):809-819.

[40] Xinyi G, Bihong F, Jie D, et al. Enhancing post-seismic landslide susceptibility modeling in China through a time-variant approach: a spatio-temporal analysis [J]. International Jou-rnal of Digital Earth,2023,16(2):4265-4295.

[41] 董张玉, 张晋, 彭鹏, 等.基于GBDT-LR和信息量模型耦合的滑坡易发性评价[J].水土保持通报,2023,43(01).

[42] 贾雨霏, 魏文豪, 陈稳, 等.基于SOM-I-SVM耦合模型的滑坡易发性评价[J].水文地质工程地质,2023,50(03):

[43] 孔嘉旭, 庄建琦, 彭建兵, 等.基于信息量和卷积神经网络的黄土高原滑坡易发性评价[J].地球科学,2023,48(05):1711-1729.

[44] 李祥.基于GIS的地质灾害监测预警系统研究[D].成都理工大学, 2019.

[45] 龙万学, 王静.基于WebGIS的地质灾害自动化监测平台建设与应用[J].交通科技,2020(06):85-88.

[46] 张桂荣.基于WEBGIS的滑坡灾害预测预报与风险管理[D].中国地质大学,2006:56-63.

[47] Parise M, Jibson W R. A seismic landslide susceptibility rating of geologic units based on analysis of characteristics of landslides triggered by the 17 January, 1994 Northridge, Cali-fornia earthquake [J]. Engineering Geology, 2000,58(3):251-270.

[48] 段晨玉, 张以晨, 张继权, 等.基于GIS的地质灾害风险预警系统设计[J].灾害学,2022,37(01):199-204.

[49] 白延钊.基于GIS的滑坡地质灾害监测预警系统研究[D].山东大学,2013.

[50] 吴倩, 孙铭聪, 陈国辉, 等.基于3D GIS的地质灾害监测预警平台的设计与实现[J].科技创新与应用,2021(05):84-86.

[51] 高结旺.基于ANN-LSTM混合预测方法的边坡滑坡预警系统研究[D].江西理工大学,2022.

[52] 祖金伟.基于Web GIS的四川省滑坡灾害预警分析系统的设计与实现[D].电子科技大学,2020.

[53] 王伟.基于BP模型的边坡地质灾害预警系统应用研究[D].长安大学,2021.

[54] 刘文, 郑时来, 郑杰圣, 等.基于Web GIS的滑坡监测预警系统设计与实现[J].电视技术,2023,47(04).2023.04.008.

[55] 仵拨云, 李勇, 何意平.秦巴山区镇安县地质灾害特征[C]//陕西省地质调查院.秦巴山区地质灾害与防治学术研讨会论文集.陕西省地质环境监测总站,2015:8.

[56] 胡勇.山区公路地质灾害危险性评价[D].西安科技大学,2017.

[57] 仵拨云, 滕宏泉, 李勇, 等.陕西镇安县地质灾害特征及其危险性分区[J].中国地质灾害与防治学报,2014,25(04):81-88+96.

[58] 何意平.陕西省镇安县滑坡发育规律特征及防治建议[C]//陕西省地质调查院. 秦巴山区地质灾害与防治学术研讨会论文集. 陕西省地质环境监测总站,2015:4.

[59] 徐志浩.345国道镇安段公路地质灾害易发性评价[D].西安科技大学,2020.

[60] 王旭, 聂闻, 郑添寿, 等.考虑滑坡易发性和临界降雨量阈值的滑坡灾害评价[J].福建建材,2024,(01):75-78+82.

[61] 邓日朗.基于易发性和临界降雨阈值的区域滑坡预警模型研究[D].广州大学,2023.

[62] 吴少元.基于信息量模型的厦门市崩塌和滑坡地质灾害易发性评价[J].安全与环境工程,2019, 26(03):22-27.

[63] 何万才, 赵俊三, 林伊琳, 等.基于证据权和支持向量机模型的威信县滑坡易发性评价[J].科学技术与工程,2023,23 (15) :6350-6360．

[64] 魏文豪, 贾雨霏, 盛逸凡, 等,基于I、SVM、I-SVM的滑坡灾害易发性评价模型研究[J],安全与环境工程,2023,30(3):136-144.

[65] 黄立鑫, 郝君明, 李旺平, 等.基于RBF神经网络-信息量耦合模型的滑坡易发性评价——以甘肃岷县为例[J].中国地质灾害与防治学报,2021,32(06):116-126.

[66] 蔡捷, 周金文, 黎敏刚, 等.基于AHP-RBF神经网络模型的废弃矿区泥石流危险性评价研究[J].中国矿业,2023,32(S2):55-60.

[67] 曹博, 汪帅, 宋丹青, 等.基于蚁群算法优化极限学习机模型的滑坡位移预测[J].水资源与水工程学报,2022,33(02):172-178.

[68] 张宁, 李青, 李闯将, 等.基于极限学习机和熵值法的岩土灾变预警[J].科学技术与工程, 2019,19(33):251-258.

[69] Li D, Huang F, Yan L, et al. Landslide Susceptibility Prediction Using Particle-Swarm-Optimized Multilayer Perceptron: Comparisons with Multilayer-Perceptron-Only, BP Neural Network, and Information Value Models[J].Applied Sciences, 2019,9(18):

[70] 张越, 宋炜炜.基于BP神经网络和决策树的昆明市东川区滑坡空间易发性评价[J].国土与自然资源研究,2023,(02):67-70.

[71] 牟家琦, 庄建琦, 王世宝, 等.基于深度神经网络模型的雅安市滑坡易发性评价[J].中国地质灾害与防治学报,2023, 34(3):157-168

[72] 朱贵玉, 方世跃, 尹春风, 等.基于 FAHP-CRITIC 的暴雨洪涝灾害风险评估: 以西安市临潼区为例[J].水利水电技术(中英文),2023,54(4).

[73] 徐岩岩.陕南地质灾害隐患点分布特征与防治对策[C]//陕西省地质调查院.秦巴山区地质灾害与防治学术研讨会论文集.中国地质大学出版社,2015:9.

[74] 周萍, 邓辉, 张文江, 等.基于信息量模型和机器学习方法的滑坡易发性评价研究——以四川理县为例[J].地理科学,2022,42(9):1665-1675.

[75] 陈飞, 蔡超, 李小双, 等.基于信息量与神经网络模型的滑坡易发性评价[J].岩石力学与工程学报,2020,39(S1):2859-2870.

[76] 温鑫, 范宣梅, 陈兰, 等.基于信息量模型的地质灾害易发性评价:以川东南古蔺县为例[J]. 地质科技通报,2022,41(02):290-299.

[77] 焦伟之, 张明, 谢鑫鹏, 等.基于GIS与加权信息量模型的城镇地质灾害易发性评价——以大新镇为例[J].安全与环境工程,2022,29(04):119-128.

[78] 刘世业, 梁仁全, 李灿, 等.强降雨诱发地质灾害气象预警指标及应用研究[J].气象研究与应用,2015,36(04):28-33+130.

[79] 姬怡微.降雨诱发地质灾害预警预报研究[D].长安大学,2013.

[80] 彭贵芬.云南气象地质灾害危险等级PP-ES预报方法[J].气象科技,2006,(06):745-749.

[81] 谢剑明, 刘礼领, 殷坤龙, 等.浙江省滑坡灾害预警预报的降雨阀值研究[J].地质科技情报,2003,(04):101-105.

[82] 薛建军, 徐晶, 张芳华, 等.区域性地质灾害气象预报方法研究[J].气象,2005(10):24-27.57.

[83] 周秀美, 苗芸, 程林.红河州地质灾害临界雨量及预报方法初探[J].云南地理环境研究,2012,24(03):37-42.

[84] 丁继新, 尚彦军, 杨志法, 等.降雨型滑坡预报新方法[J.岩石力学与工程学报,2004,23(21):3738-3743.

[85] 张桂荣, 殷坤龙, 刘礼领, 等.基于WEBGIS 和实时降雨信息的区域地质灾害预警预报系统[J].岩土力学,2005,26(8):1312-1317.

[86] 王群, 郑雪芬.基于GIS的滑坡监测预警系统设计与应用流程[J].测绘与空间地理信息,2010,33(06):25-28.

[87] 王虎.南渡江水污染扩散模拟系统研究[D].西安科技大学,2022.

[88] 孙玮.基于GIS的滑坡地质灾害预警应急信息系统研究[D].兰州大学,2009.

[89] 苏健.基于ArcGIS的温州市地质灾害危险性预警系统设计与实现[D].长安大学,2008.

[90] 王硕, 马金辉, 王兴慧.基于GIS的地质灾害监测系统[J].陕西气象,2012,(02):30-31.

[91] 王万平.基于GIS的地质灾害危险性预警系统研究[J].地理信息世界,2013,20(03):86-88+97.