论文标题：Landslide Risks to Bridges in Valleys in North Carolina

原文链接：https://www.mdpi.com/2624-795X/5/1/15

期刊名：GeoHazards

期刊主页：https://www.mdpi.com/journal/geohazards

研究背景

滑坡作为一种由地质、地貌、地形和水文因素共同作用的自然灾害，对全球交通基础设施构成持续威胁。近年来，随着气候变化加剧，极端降雨事件频发，进一步增加了滑坡的发生概率和影响范围。2017年，飓风“玛丽亚”在波多黎各引发超过4万处滑坡，导致388座桥梁受损，其中位于山谷地带的桥梁因同时暴露于滑坡和洪水双重风险而遭受严重破坏。这一事件引发了对类似地理环境下桥梁安全性的广泛关注。北卡罗来纳州作为美国东南沿海州，同样面临大西洋飓风带来的极端天气挑战，其西部山区地质条件复杂，滑坡灾害历史悠长。本文旨在通过多源数据融合与机器学习方法，系统评估北卡罗来纳州山谷桥梁的滑坡与洪水复合风险，为桥梁基础设施的防灾减灾提供科学依据。

研究内容

本研究基于美国地质调查局（USGS）1900–2021年的滑坡数据与北卡罗来纳州交通部（NCDOT）的桥梁数据库，采用逻辑回归（LR）和随机森林（RF）两种机器学习模型，预测了北卡罗来纳州的滑坡敏感性空间分布。研究选取了高程、坡向、坡度、降雨量、距断层距离和距河流距离等六类 conditioning factors 作为模型输入变量。结果表明，随机森林模型在滑坡预测中表现更优，其准确率达到82.7%，AUC值为0.909，显著优于逻辑回归模型（准确率76.3%）。通过模型生成的滑坡风险图显示，该州西部山区如Watauga、Jackson等县的滑坡发生概率超过80%。

图1.北卡罗来纳州滑坡风险分布图

为进一步识别面临多灾害风险的桥梁，研究提出了“假定洪水潜势”（Assumed Flooding Potential, AFP）指标，用于量化桥梁所在位置的洪水风险。AFP通过计算桥梁两岸平均高程与河床高程的高差得到，数值越低表示桥梁越易受洪水影响。结合地貌类型、坡度及高程差等地理特征，研究筛选出位于山谷底部的桥梁，并评估其滑坡与洪水的复合风险。最终，共识别出37座高风险桥梁，其中桥梁ID 740002的滑坡发生概率高达92%，AFP为6.61米，现场调查证实其周边已发生滑坡并正在进行加固工程（如土钉和注浆），验证了模型的有效性。

图2. 桥梁ID 740002的现场滑坡情况

研究总结

本研究首次系统评估了北卡罗来纳州山谷桥梁面临的滑坡与洪水复合风险，构建了基于机器学习的地理空间预测模型，并提出了AFP这一直观的洪水风险量化指标。研究表明，随机森林模型在滑坡敏感性制图中具有较高精度，能够为区域交通基础设施的风险管理提供可靠工具。通过多源数据融合与现场验证，研究不仅识别了高风险桥梁，还为桥梁工程师提供了可视化的风险分布图，支持其开展预防性维护和加固决策。未来工作将进一步整合实际洪水风险模型与冲刷评估，以提升多灾害耦合分析的完整性，为气候极端事件下的基础设施韧性提升提供科学支撑。

GeoHazards期刊介绍

主编：Prof. Dr. Zhong Lu, Roy M. Huffington Department of Earth Sciences, Southern Methodist University, Dallas, TX 75275, USA

Dr. Tiago Miguel Ferreira, Instituto Superior Técnico (IST), University of Lisbon, Av. Rovisco Pais, 1049-001 Lisbon, Portugal

期刊发表范围涵地球物理/地质灾害、气候及气候变化相关灾害、气象灾害、水文灾害、块体运动灾害以及人为和技术灾害等研究领域。自2020年创刊以来，被ESCI、Scopus、GeoRef等多个权威数据库收录。