重要进展：全球首个地震诱发滑坡近实时智能预测模型| NSR论文

近日，成都理工大学范宣梅教授团队在全球地震诱发地质灾害智能预测方面取得重要进展，相关成果以“Deep learning can predict global earthquake-triggered landslides”为题，发表在国际顶级期刊National Science Review（《国家科学评论》，NSR，影响因子16.3）。

▲文章首页

文章链接：
https://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwaf179/8128033?searchresult=1

这项研究基于过去50年来38次强震诱发的40余万处滑坡，建立了目前全球最大的地震诱发滑坡数据库，结合深度学习算法研发了智能预测模型，能够实现一分钟内预测全球任何地震诱发滑坡的空间概率，平均精度达82%。

该成果可以在震前对地震高风险区进行灾害风险情景推演，也可在震后快速评估地质灾害空间分布，为震前防灾规划和震后应急救援提供重要科技支撑。这一成果不仅为全球强震地质灾害研究提供了宝贵的数据支持，更为减轻灾害风险提供了可推广的有效工具和全球示范。

强震诱发滑坡：全球视角下的灾害风险

全球强震频发，过去20年全球平均每月都会发生一次7级以上强震，累计夺去了约75万人的生命。山区强震诱发次生地质灾害是造成地震伤亡的重要因素，例如2008年汶川7.9级地震诱发地质灾害造成的死亡人数逾2万人，占到了地震总死亡人数的约1/3；2015年尼泊7.9级地震滑坡造成的伤亡占总伤亡的40%以上。

这些地质灾害不仅造成直接伤亡，还往往阻断道路和通信，严重影响震后应急救援。我国是世界上地震灾害风险最高的国家，精准预测强震诱发地质灾害，对提升我国应对自然灾害风险的能力具有重要意义。

从“物理机理”到“数据驱动”：地震诱发滑坡近实时智能预测模型

从全球尺度来看，强震诱发次生地质灾害是否具有普适性的发育分布规律和控制因素？是否可以建立一个适用于全球不同地质环境条件的强震诱发地质灾害预测模型？是地质灾害领域的国际前沿科学问题。

传统基于物理机理的Newmark方法，由于对物理力学参数的要求较高，仅适用于小范围评估。近年来，随着遥感等观测数据的增加，部分研究采用统计方法和机器学习，建立历史滑坡样本和控制因素的经验映射，虽然解决了对物理力学参数高度依赖的问题，但也面临样本代表性与跨区域泛化能力不足的严峻挑战。

1·全球地震诱发滑坡数据库

为实现真正意义上的全球预测，研究团队从1970年以来全球范围内6级以上地震中筛选出38次典型事件，结合遥感智能识别与人工核验，解译了近40万处滑坡样本，构建了迄今规模最大、质量最高的全球地震诱发滑坡数据库（图1）。

▲图1 1970年以来全球地震诱发滑坡事件的空间分布和地震带-气候分区

进而，将地震事件划分为环太平洋和阿尔卑斯—喜马拉雅两大地震带，及寒带、温带与赤道带三大气候区，以提升不同区域地质环境条件下模型的泛化能力。

2·全球尺度地震诱发滑坡普适性控制因素

该研究基于对强震诱发滑坡机理的认识，对17项影响因子进行了分析，发现地面峰值加速度（PGA）、坡度与岩性是全球范围内地震诱发滑坡的主控因素：PGA直接反映地震动能量释放强度，坡度决定斜坡自身稳定性阈值，岩性则影响岩土体的物理力学特性。

值得注意的是，不同地震带-气候区的滑坡控制因子呈现显著空间分异性（图2）：寒区以PGA和距断层距离为主控因子；赤道地区地形-地震动耦合作用主导滑坡触发；温带地区则表现为PGA-坡度-岩性并列核心的态势。这种区域分异特征反映了地质背景与气候外营力协同作用对滑坡动力过程的差异化影响，突破了传统预测模型“一刀切”的局限，为模型的分区优化提供了开拓性启示。

▲图2 全球和不同分区地震诱发滑坡控制因素的重要性分析

3·全球地震诱发滑坡预测的分钟级推理

该研究创新设计了多尺度全卷积回归网络，结合通道-空间注意力模块，实现了诱发滑坡关键特征的自动提取、聚焦与融合。模型采用“全球-区域双轨制”部署策略（图3、图4）：在赤道和温带等事件和数据充足的区域采用区域模型，通过区域化训练充分优化参数，获得更高的预测精度；而在事件和样本匮乏的寒区场景则采用全球模型，凭借海量多样的训练样本能够保障稳健的预测下限，有效避免过拟合风险。

▲图3 全球5个地震带—气候区典型强震诱发滑坡空间概率预测

▲图4 基于全球和分区模型的地震诱发滑坡预测精度评价与对比

与传统机理和统计模型相比，该方法在准确率和计算效率上均有显著突破，平均预测准确率达82%，比国际现有模型准确率提高了约20%，计算时间由原来的数天，缩短到小于1分钟，实现了地震诱发地质灾害的近实时预测。

展  望

研究将通过探索“机理与数据联合驱动”方法，进一步提升模型预测精度和响应速度。未来有望将降雨预报和余震分析等更多触发条件纳入预测模型，同时结合人口、房屋、基础设施等数据，实现多因素驱动的地质灾害风险预测大模型，为全球防灾减灾提供中国方案。

亮  点

该研究构建了首个全球地震诱发滑坡数据库，系统揭示了全球和不同地震带-气候区的滑坡发育分布规律和关键控制因素，创新了基于深度学习算法的地震诱发滑坡近实时智能预测模型，是人工智能在地质灾害领域应用的成功示范，为全球地震灾害的震后应急处置和震前科学规划提供了重要支撑。

成都理工大学地质灾害防治与地质环境保护全国重点实验室范宣梅教授为论文的第一和通讯作者，主要合作者包括黄润秋教授、许强教授、王欣研究员、戴岚欣研究员、方成勇博士生、捷克科学院John Jansen教授、荷兰特文特大学Hakan Tanyas博士、南方科技大学臧楠博士等。该研究受到国家杰出青年科学基金（42125702）、国家自然科学基金（42307263，W2412050），四川省重大科技专项揭榜挂帅项目（2024ZDZX0020）、四川省自然科学基金重大项目（2022NSFSC0003）和新基石科学基金（XPLORER-2022-1012）共同资助。

后记：十七载地震诱发滑坡探索的初心

17年前，范宣梅走进汶川震区，亲眼目睹了山崩地裂、满目疮痍；17年后，她带领的团队将这些“记忆”转化成高精度的数字化预测图。从深入灾区的勘察脚印，到构建世界级的地震滑坡预测平台，这条道路既有泥土的厚重，也有代码的锋利。他们以科学精神与坚韧执着，为全球地质灾害应急响应提供了“上帝视角”。如今，这一成果正从中国走向世界，成为地质灾害风险预测的领航标杆。

该研究自开展以来便引发了社会各界的广泛关注与积极反响，其创新成果和实践价值得到了多维度的认可与传播。中国新闻网等主流通过专题报道等形式，向公众解读研究内容，相关报道阅读量约五十万次。

▲媒体报道

National Science Review（国家科学评论，NSR）是由中国科学院主管、科学出版社主办的综合性英文学术期刊，致力于全方位、多角度报道中外自然科学各领域的重要成就。NSR 的最新影响因子为16.3，位列全球多学科综合类期刊的第3名，仅次于Nature和Science。