震后滑坡易發性評價及其時效性研究

李佳春 孟祥瑞 胡順忠 楊勇 第寶鋒

摘 要：在汶川地震重災區，滑坡等次生地質災害具有頻率高、周期長的特點，靜態的滑坡易發性評價難以長期指導滑坡風險治理。為了研究震后滑坡易發性評價結果的時效性，對銀廠溝附近震后滑坡進行了遙感解譯與野外調查，并篩選出10個易發性評價因子，利用確定性系數法，以斜坡為評價單元建立震后滑坡易發性模型。將研究區劃分為5個易發性等級，根據滑坡解譯數據的空間分布和數量關系特征分析易發性評價的時效性。結果表明：銀廠溝地區基于2010年解譯數據的震后滑坡易發性評價結果在2010年和2014年時效性較好，但于2016年以后滑坡發育情況差異較大，基本失去時效性。研究說明強震區震后滑坡易發性評價的時效性較短，針對震后災害頻發地區的滑坡易發性評價需要提升評價頻率或開展多時相評價，以有效應用于滑坡風險治理。

關鍵詞：震后滑坡；易發性；時效性；確定性系數法；銀廠溝

中圖分類號：P694;P954；X43 文獻標志碼：A 文章編號：1673-5072（2023）03-0269-10

汶川地震后，重災區“三年重建任務，兩年基本完成”的目標順利實現，這種短時間內的快速重建模式容易忽略震后長周期次生地質災害造成的影響。在山地地區發生強震造成地表強烈晃動以及斷層斷裂，通常伴隨著高密度發育的同震滑坡。這些滑坡嚴重威脅著山區人民的生命財產安全，因此在重建基本完成的基礎上，建立準確的震后滑坡易發性模型尤為必要。

滑坡易發性評價是震后恢復重建和災害風險治理的重要工具，旨在確定一定區域內滑坡發生的空間分布概率［1］。學者們在易發性評價中廣泛采用邏輯回歸［2-5］、確定性系數法［6］以及一些機器學習的方法［7-9］來進行易發性分區。包括汶川地震在內的震后滑坡易發性評價已有大量研究，其中一個被普遍接受的假設是特定地區的易發性評價結果是靜態的［10］，即評價因子（如地形因子）在很長一段時間不會發生重大變化。而強震以后地形地貌是動態變化的，大量物源輸移，滑坡的發生與穩定都會影響地貌形態。此外，強震導致的同震滑坡形成大量松散物質堆積于山體斜坡上，將成為震后初期影響滑坡發育的重要因素。Fan等［11］通過機器學習的方法發現，某一年確定的震后滑坡易發性評價因子，在幾年后已經不適合預測滑坡易發性。因此，滑坡易發性是會隨內外因素的變化而發生變化的，早期靜態的評價結果將會失去時效性，難以有效應用于災害風險治理。汶川地震造成的重災區，震后次生災害發生頻率高，持續周期長，對于滑坡易發性時效性的研究可以在相對集中的時間段內開展。選取滑坡頻發的汶川地震極震區銀廠溝景區作為研究區域具有典型性與代表性，在滑坡易發性時效性的驗證上也具有可行性。希望通過時效性研究為滑坡易發性評價模型的實際應用提供新的思路與參考。

1 研究區概況

四川省彭州市西北部龍門山鎮銀廠溝景區距汶川地震震中映秀不足50 km，區內平均海拔1 805 m，最大高差達2 800 m。汶川地震對該地區造成了非常嚴重的破壞，產生大量同震滑坡［12］，缺少植被覆蓋，被地震破壞形成的地表侵蝕和大量物源造成長期威脅［13-15］。從白水河大橋沿湔江流域向上至接引寺，以湔江兩側山脊線以內區域為研究范圍，總面積57.8 km2（圖1）。

銀廠溝地處四川盆地西部，屬亞熱帶季風性氣候，降水量偏高且集中，多年均降水量1 224 mm，年內降水集中在5—10月，占全年降水約80%，多為暴雨，滑坡泥石流等次生災害多發于雨季。銀廠溝出露的地層有：元古界黃水河群、震旦系和須家河組，主要巖性包括砂巖、泥巖、火山巖、碎屑巖以及花崗巖。

2 數據與方法

2.1 數據庫建立及預處理

基礎數據包括12.5 m分辨率的DEM數據（阿拉斯加衛星設施網站，https：//asf.alaska.edu/），地質構造圖（中國地調局，https：//www.cgs.gov.cn/）?；戮幠繑祿沁M行易發性評價的基礎，主要通過遙感影像解譯、查閱文獻資料獲取。本研究在Google Earth平臺選取遙感影像，按照光照條件好、大氣覆蓋低、影像分辨率高以及下一次雨季來臨前的原則進行選取，共篩選出5期影像，數據獲取時間與數據類型如表1所示。以及XU等［16］提供的2008年同震滑坡數據（圖1）。將多期滑坡解譯結果與研究區地形疊加（圖2），發現在空間分布上，滑坡災害發育與坡向分異特征明顯，主要集中于背對震中區域的東、東南和南面坡向，面向震中的西向、北向、西北向區域滑坡發育顯著降低。此外，滑坡也主要集中分布于海拔較高區域，這主要是由于同震滑坡產生的松散物質最初主要堆積在較高海拔區域。在海拔較低的湔江河谷區域，地勢相對平坦，極少滑坡發育。統計各年滑坡解譯總面積和平均面積（表2），發現滑坡平均規模變化不大，總體規模呈現逐年減少趨勢，這可能是松散物質由較高海拔區域輸移到低海拔區域并逐漸穩定的緣故。

2.2 斜坡單元劃分

評價單元是滑坡易發性評價的基本單元，評價因子的分級統計和制圖都是以評價單元為基本單位。由于滑坡主要發生于山體坡面上，并且易發性評價中，高程和坡度等多個因子適合基于斜坡單元統計［17］，因此本文綜合前人研究以及滑坡解譯結果和野外調研情況，選取斜坡單元開展易發性評價。

斜坡單元是依據山谷線和山脊線共同分割的圖元［18］。采用DEM水文分析模型劃分斜坡單元，關鍵步驟包括正反DEM洼地填充、水流方向提取、累積流量計算、集水區生成、正反流域合并［19］，合并后生成初始斜坡單元。在生成集水區過程中，綜合考慮研究區范圍和溝谷河網特點，將流量閾值設為2 000，與實際河網分布吻合度高。生成初始斜坡單元后，為保證分割精度，需要對初始斜坡單元進行人工編輯，剔除不合理元素，最終將研究區劃分為308個斜坡單元（圖2）。將斜坡單元劃分結果和實際地形對比，劃分結果較為符合實際情況。

2.3 評價因子選取

震后長期一段時間滑坡發育是地震因素、斜坡單元內基礎地質條件與外界環境因素共同作用的結果［20］。為使大量同震滑坡量化為滑坡發育的地震因素，本文以每個斜坡單元內同震滑坡面積與其對應單元面積之比定義為同震滑坡密度（圖3a），將其作為易發性評價的地震因素。斜坡單元內基礎地質條件主要包括巖性、地形地貌及斷裂構造等，其中地形地貌因子包括海拔、坡度、坡向以及斜坡單元內相對高差，外界環境因素為水文地質環境（距河流距離）、人類工程活動（距道路距離）、地表植被覆蓋（NDVI）等。

同震滑坡表現為大量巖土體破壞，形成大量松散堆積物，為震后滑坡崩塌等的啟動創造了豐富的物源條件；海拔的差異會直接影響滑坡啟動條件；坡度的大小決定了松散物質發生位移并形成滑坡的可能性，是影響滑坡發育的重要因素；坡向通常會影響坡體所受的陽光照射、水流情況、植被生長以及相應風化程度，進而影響坡體穩定性程度；NDVI反映區域內水土保持能力，植被覆蓋稀疏的山體邊坡更容易失穩；斜坡單元內相對高差影響松散物質的重力勢能，相對高差大的區域，坡體上的松散物質易受重力影響而滑落；距河流距離反映一定區域內水文特征，水系分布密集度越高，地表侵蝕越強，利于滑坡發育；距道路距離是人類工程活動的重要指標，山區道路建設中對山體的施工開挖會給山體邊坡穩定性造成影響；斷裂構造通常與滑坡災害發育密切相關，在斷裂構造交叉復合區域通常有利于形成滑坡發育的構造條件；巖性的不同代表其抗剪程度不同，松軟的巖石相較堅硬的巖石更易失穩發生滑坡。

綜合上述因素，結合研究區為地震極震區的特點并考慮數據可獲取性，選取10個因子開展易發性評價。其中同震滑坡密度、海拔、坡度、坡向、相對高差以及NDVI等連續性因子采用等步長分級方法，距河流距離、距道路距離和距斷層距離綜合考慮研究區范圍和滑坡分布，以0.4 km為步長進行分級［21-22］。研究區內巖性種類較少，直接依據地質圖進行分級。各評價指標具體分級及分布見圖3。

2.4 研究方法

2.4.1 確定性系數法

確定性系數（Certainty Factor，CF）法被廣泛應用于滑坡易發性評價［23-24］，主要用于處理結合不同數據層以及輸入數據的異質性和不確定性的問題。其計算公式為：

式中：Pa為二級劃分因子a內發生滑坡的條件概率，其值為a中滑坡的面積與該因子分級面積之比；Ps為滑坡事件在研究區內發生的先驗概率，其值為滑坡總面積與研究區面積之比。CF的值域為［-1，1］，正值意味著滑坡發生的確定性增加，而負值表示滑坡發生的確定性減少，接近0表示無法判斷滑坡發生的確定性。

2.4.2 ROC曲線與AUC值

ROC（Receiver Operating Characteristic）曲線與AUC（Area Under Curve）被廣泛地應用于地質災害易發性評價結果的檢驗。其中ROC曲線依據易發性評價結果對數據集正負樣本的分類結果來繪制，共有4種分類結果：TP（True Positive）、FP（False Positive）、FN（False Negative）、TN（True Negative）。由此計算TPR（True Positive Rate）與FPR（False Positive Rate），公式如下：

TPR=TPTP+FN，FPR=FPFP+FN，

以TPR為縱軸，FPR為橫軸即可繪制ROC曲線。曲線下方區域面積即AUC值，可衡量模型預測的準確度。AUC值域為［0.5，1］，越接近1，表明模型準確性越高。

3 基于確定性系數法的震后滑坡易發性評價

3.1 震后滑坡易發性評價

評價因子各級的CF值如表3所示。各斜坡單元內，同震滑坡密度、海拔、坡度、相對高差、距河流距離、距道路距離、距斷層距離和NDVI共8個評價因子分別取平均值，坡向、巖性取單元內面積占比最大值為斜坡單元因子值。根據CF值含義，同震滑坡密度越大，CF值越接近1，滑坡越易發生；相對高差為0.6～0.8 km時，CF值最大，滑坡易發生；隨著海拔的增加，CF值先增加，后降低，后又升高；坡向為東、東南和南向的CF為正，其余方向為負；在25°～30°的坡度范圍內，CF較高，滑坡較易發生；河流和道路位于較為平坦地區，距兩者較近范圍內以及超過1.6 km的范圍CF值為負，滑坡不易發生。NDVI越小，CF值越大，滑坡越易發生；花崗巖區域CF值較大，滑坡易發生；區內僅一條斷層從中部穿過，滑坡發育與其距離相關性不強。

3.2 易發性結果分析

將所有評價因子CF值合并得到滑坡易發性指數（Landslide Susceptibility Index，LSI），采用自然斷點法將LSI分為5類，依次為低、較低、中、較高、高易發區（圖4）。較高易發性和高易發性區域主要集中在湔江流域的西北部，這與西北部同震滑坡密度大、海拔高、坡度大、植被覆蓋稀疏有著密切關系。湔江兩岸河谷地帶地勢平坦，易發性普遍較低，但也存在零星的較高易發性區域，尤其是湔江上游區域易發性較高。研究區域東南部大部分為低、較低易發性區域，此區域內植被覆蓋茂密，坡度較緩，不易孕育滑坡。

銀廠溝震后滑坡易發性分級統計結果（表4）顯示：2010年震后滑坡易發性達到中度及以上的面積為265.54 hm2，占2010年震后滑坡面積的88.48%。低較、低易發區中的滑坡面積僅34.58 hm2，占2010年滑坡總面積的比例只有11.52%。將2010年的滑坡解譯結果疊加到易發性分區圖中（圖4a），大量滑坡落在中度易發區及以上，可以看出，利用CF法得出的銀廠溝震后滑坡易發性評價結果與2010年滑坡解譯結果在空間分布上契合度較高。

4 模型檢驗與易發性評價的時效性探究

4.1 易發性評價模型檢驗

通過繪制ROC曲線和計算AUC值進行模型驗證，以2010年各斜坡單元內是否發生滑坡作為數據集正負樣本，分別采用兩種方法確定縱橫坐標并繪制ROC曲線（圖5）。圖5a以易發性指數從高到低的區域累積面積占比為橫軸，對應區域內2010年滑坡面積累積占比為縱軸，AUC值為0.781；圖5b將斜坡單元內是否發生滑坡作為判斷該單元滑坡活動的分類標準，當斜坡單元內存在滑坡區域，活動性記為1，否則記為0，據此生成二分類混淆矩陣，根據公式計算得到橫軸FPR和縱軸TPR，AUC值為0.773。兩種計算方法得出的檢驗結果接近并且較高，表明銀廠溝震后滑坡易發性評價模型精度較高。

4.2 震后滑坡易發性評價的時效性分析

4.2.1 定性分析

將基于2010年銀廠溝滑坡解譯數據得到的易發性評價結果分別與2010、2014、2016、2017、2018年滑坡解譯數據疊加開展時效性定性分析。在空間分布上，2010年和2014年滑坡主要分布于較高和高易發性區域，并且分布較為均勻（圖4a，b），滑坡易發性評價結果與實際發生滑坡區域較為吻合。但從2016年開始，滑坡在較高和高易發性區域內分布數量減少，且主要集中于小部分區域（圖4c，d，e），滑坡易發性評價結果與實際發生滑坡差異較大。

4.2.2 定量分析

在滑坡數量關系上，依據滑坡易發性等級進行分級統計，從滑坡面積年際變化和發生滑坡斜坡單元數量年際變化2個維度分析易發性評價結果的時效性。開展定量時效性分析的前提是，如果評價結果具有時效性，則對應易發區內的滑坡面積或者數量會維持相對穩定水平；當失去時效性時，對應易發區內滑坡面積或者數量與易發性評價年份滑坡發育情況差異明顯?；诖?，引入統計學中時間序列突變點檢測理論［25-26］，認為在突變點失去時效性。

滑坡面積年際變化采用研究區滑坡總面積，較高及以上易發區滑坡面積和高易發區滑坡面積3個區間進行統計。結果顯示（圖6a）：3個區間總體均呈現下降趨勢，說明研究區內滑坡發育趨于衰減。除滑坡總面積在2010—2014年有一定降低，較高及以上易發區內滑坡面積和高易發區滑坡面積變化不大。分別對每條曲線進行突變點檢測，結果顯示每條曲線有且只有1個突變點，發生時間為2016年。

將各年解譯的滑坡疊加到對應斜坡單元，并按照發生滑坡斜坡單元總量，較高及以上易發區和高易發區發生滑坡的斜坡單元數量3個區間進行統計。結果顯示（圖6b）：3個區間總體趨勢與滑坡面積年際變化趨勢相近，進行突變點檢測后發現，較高及以上易發區和高易發區突變點同樣在2016年，研究區這條曲線突變點雖然在2014年，但該曲線突變特征不明顯，故不考慮該條曲線。

綜合2個統計維度，認為銀廠溝地區震后滑坡在2010和2014年發育顯著，與基于2010年滑坡解譯數據的震后滑坡易發性評價結果吻合度較高，滑坡易發性評價結果具有時效性。但在2016年以后，滑坡發育較之前明顯減緩，尤其是在高易發性區域內，實際發生滑坡數量和面積明顯減少。如果使用基于2010年滑坡數據的易發性評價結果預判風險，則會放大2016年及以后滑坡災害風險區域。說明此時易發性評價結果基本失去時效性。

從滑坡災害的角度來看，較高、高易發區內發生滑坡數量和面積在2016年以后明顯減少是一種積極的信號，這種快速衰減的情況與近年來的大地震是一致的［27-29］。分析認為這可能是因為同震滑坡形成的松散物質最初主要堆積于山體斜坡之上，經過數年的滑坡輸移，松散物質大量進入山谷溝道，山體斜坡趨于穩定。即同震滑坡密度不再是影響滑坡發育的主要影響因子。主控因子發生變化，易發性也將隨之改變，同處于汶川地震重災區的映秀地區的相關研究證實了這一分析［11］。但從負面角度看，松散物質大量進入溝道，破壞性泥石流爆發頻率或者規模將增加。最近一次汶川地震重災區群發性泥石流發生在2019年8月，三江鎮、水磨鎮、銀杏鄉多條支溝爆發山洪泥石流災害，造成12人遇難，26失聯。2015年尼泊爾地震后，也有關于泥石流爆發頻率升高的報道［30］。

5 結 論

以精細化斜坡為評價單元，考慮同震滑坡因素，基于確定性系數法的震后滑坡易發性評價適用于汶川地震極震區銀廠溝景區，研究區按照易發性等級劃分為低、較低、中、較高和高易發區。模型準確度檢驗表明易發性評價結果精度較高，能夠為該地區滑坡災害風險治理提供參考。易發性評價過程中得到的各評價因子二級分類下的CF值顯示，震后滑坡發育的主要控制因素為滑坡密度、相對高差和NDVI?；掳l育與坡向具有顯著分異特征，東向、東南向和南向滑坡發育程度嚴重。

研究區內滑坡體面積分級年際變化以及發生滑坡的斜坡單元數量分級年際變化趨勢總體上具有高度相似性?；?010年滑坡解譯數據的震后滑坡易發性評價結果與2010年和2014年實際發生滑坡在數量變化和空間分布上吻合度較高，滑坡易發性評價結果在此期間具有時效性。2016年以后實際滑坡發育情況與滑坡易發性評價結果在數量變化和空間分布上差異較大，易發性評價結果基本失去時效性。在Dai等［31］有關汶川地震重災區的研究中也發現，在2015年之前，滑坡活動顯著，但2017—2020年滑坡活動衰減明顯，這與本文所得結論較為吻合。

本文關于滑坡易發性時效性的研究是聚焦于銀廠溝景區的典型區域研究，結果表明依靠單一的滑坡編目數據和一套靜態的評價因子得出的靜態易發性模型是不可靠的?？紤]到包括同震滑坡密度、次生災害導致的地形改變在內的滑坡泥石流發育主控因素在迅速演變，未來，在開展滑坡易發性評價時，應著重評估可能的主控因子演變，利用多時空滑坡數據開展多時相易發性評價以應對震后長期災害威脅。

致謝：本文所用同震滑坡數據來源于應急管理部國家自然災害防治研究院許沖研究員。在野外考察與數據處理中，四川大學李杰瑞、吳紹琳、劉健民給予了幫助，在此一并致謝！

參考文獻：

［1］ COROMINAS J，VAN WESTEN C，FRATTINI P，et al.Recommendations for the quantitative analysis of landslide risk［J］.Bulletin of Engineering Geology and the Environment，2014，73（2）：209-263.

［2］ 馮策，劉瑞，茍長江.基于Logistic回歸模型的蘆山震后滑坡易發性評價［J］.成都理工大學學報（自然科學版），2013，40（3）：282-287.

［3］ BAI S B，WANG J，L G N，et al.GIS-based logistic regression for landslide susceptibility mapping of the Zhongxian segment in the Three Gorges area，China［J］.Geomorphology，2010，115（1-2）：23-31.

［4］ CHEN T，NIU R，JIA X.A comparison of information value and logistic regression models in landslide susceptibility mapping by using GIS［J］.Environmental Earth Sciences，2016，75（10）：867.

［5］ CHEN T，NIU R，DU B，et al.Landslide spatial susceptibility mapping by using GIS and remote sensing techniques：a case study in Zigui county，the Three Georges reservoir，China［J］.Environmental Earth Sciences，2015，73（9）：5571-5583.

［6］ LIU L，XU C，CHEN J.Landslide factor sensitivity analyses for landslides triggered by 2013 Lushan earthquake using GIS platform and certainty factor method［J］.Journal of Engineering Geology，2014，22（6）：1176-1186.

［7］ HUANG F，YIN K，HUANG J，et al.Landslide susceptibility mapping based on self-organizing-map network and extreme learning machine［J］.Engineering Geology，2017，223：11-22.

［8］ 陳濤，鐘子穎，牛瑞卿，等.利用深度信念網絡進行滑坡易發性評價［J］.武漢大學學報（信息科學版），2020，45（11）：1809-1817.

［9］ POURGHASEMI H R，PRADHAN B，GOKCEOGLU C.Application of fuzzy logic and analytical hierarchy process（AHP） to landslide susceptibility mapping at Haraz watershed，Iran［J］.Natural Hazards，2012，63（2）：965-996.

［10］SEGONI S，TOFANI V，ROSI A，et al.Combination of rainfall thresholds and susceptibility maps for dynamic landslide hazard assessment at regional scale［J］.Frontiers in Earth Science，2018，6：85.

［11］FAN X，YUNUS A P，SCARINGI G，et al.Rapidly evolving controls of landslides after a strong earthquake and implications for hazard assessments［J］.Geophysical Research Letters，2021，48（1）：e2020GL090509.

［12］許沖，徐錫偉，吳熙彥，等.2008年汶川地震滑坡詳細編目及其空間分布規律分析［J］.工程地質學報，2013，21（1）：25-44.

［13］DI B F，ZENG H J，ZHANG M H，et al.Quantifying the spatial distribution of soil mass wasting processes after the 2008 earthquake in Wenchuan，China：a case study of the Longmenshan area［J］.Remote Sensing of Environment，2010，114（4）：761-771.

［14］朱兆棋，劉魯光，陳曦，等.銀廠溝謝家店滑坡體植被物種多樣性和群落穩定性研究［J］.西華師范大學學報（自然科學版），2021，42（4）：348-354.

［15］劉守江，朱兆棋，陳曦，等.龍門山銀廠溝區域5·12地震前后災害與生態研究進展與展望［J］.西華師范大學學報（自然科學版），2021，42（3）：239-245.

［16］XU C，XU X W，YAO X，et al.Three（nearly） complete inventories of landslides triggered by the May 12，2008 Wenchuan Mw 7.9 earthquake of China and their spatial distribution statistical analysis［J］.Landslides，2014，11（3）：441-461.

［17］ALVIOLI M，MARCHESINI I，REICHENBACH P，et al.Automatic delineation of geomorphological slope units with r.slopeunits v1.0 and their optimization for landslide susceptibility modeling［J］.Geoscientific Model Development，2016，9（11）：3975-3991.

［18］GUZZETTI F，CARRARA A，CARDINALI M，et al.Landslide hazard evaluation：a review of current techniques and their application in a multi-scale study，Central Italy［J］.Geomorphology，1999，31（1-4）：181-216.

［19］顏閣，梁收運，趙紅亮.基于GIS的斜坡單元劃分方法改進與實現［J］.地理科學，2017，37（11）：1764-1770.

［20］韓用順，梁川，崔鵬，等.地形條件對次生山地災害易發性分析［J］.四川大學學報（工程科學版），2010，42（S1）：15-21.

［21］LI W L，HUANG R Q，XU Q，et al.Rapid susceptibility mapping of co-seismic landslides triggered by the 2013 Lushan Earthquake using the regression model developed for the 2008 Wenchuan Earthquake［J］.Journal of Mountain Science，2013，10（5）：699-715.

［22］TANG C，ZHU J，LIANG J.Emergency assessment of seismic landslide susceptibility：a case study of the 2008 Wenchuan earthquake affected area［J］.Earthquake Engineering and Engineering Vibration，2009，8（2）：207-217.

［23］LUZI L，PERGALANI F.Slope instability in static and dynamic conditions for urban planning：the ‘Oltre Po Pavese case history（Regione Lombardia-Italy）［J］.Natural Hazards，1999，20（1）：57-82.

［24］KANUNGO D，SARKAR S，SHARMA S.Combining neural network with fuzzy，certainty factor and likelihood ratio concepts for spatial prediction of landslides［J］.Natural Hazards，2011，59（3）：1491.

［25］AMINIKHANGHAHI S，COOK D J.A survey of methods for time series change point detection［J］.Knowledge and Information Systems，2017，51（2）：339-367.

［26］蘇衛星，朱云龍，劉芳，等.時間序列異常點及突變點的檢測算法［J］.計算機研究與發展，2014，51（4）：781-788.

［27］HOVIUS N，MEUNIER P，LIN C W，et al.Prolonged seismically induced erosion and the mass balance of a large earthquake［J］.Earth and Planetary Science Letters，2011，304（3-4）：347-355.

［28］MARC O，HOVIUS N，MEUNIER P，et al.Transient changes of landslide rates after earthquakes［J］.Geology，2015，43（10）：883-886.

［29］ZHANG S，ZHANG L，LACASSE S，et al.Evolution of mass movements near epicentre of Wenchuan earthquake，the first eight years［J］.Scientific Reports，2016，6（1）：1-9.

［30］DAHLQUIST M P，WEST A J.Initiation and runout of post-seismic debris flows：insights from the 2015 Gorkha earthquake［J］.Geophysical Research Letters，2019，46（16）：9658-9668.

［31］DAI L，SCARINGI G，FAN X，et al.Coseismic debris remains in the orogen despite a decade of enhanced landsliding［J］.Geophysical Research Letters，2021，48（19）：e2021GL095850.

Abstract：As landslides and other secondary geological disasters are characterized by high frequency and long period in the hardest hit regions of Wenchuan earthquake，it is difficult for static landslide susceptibility to guide the landslide risk management for a long time.Remote sensing interpretation and field investigation are carried out for the post-earthquake landslides near Yinchanggou to study the timeliness of post-earthquake landslide susceptibility.Ten factors are selected as assessment factors of post-earthquake landslide susceptibility.Certainty factor module and slope as the assessment unit are employed as assessment unit to establish a post-earthquake landslide susceptibility assessment model.The study area is divided into five susceptibility grades and the timeliness of susceptibility is analyzed in accordance with the relationship between spatial distribution and quantitative relationship of the landslide interpretation data.The results show that the post-earthquake landslide susceptibility based on 2010 landslide interpretation data in Yinchanggou area have excellent timeliness in 2010 and 2014.However，it is quite different from the actual landslide development after 2016，probably losing its timeliness.It indicates that the timeliness of post-earthquake landslide susceptibility in highly seismic region is relatively short and the landslide susceptibility assessment of areas with frequent post-earthquake disasters requires the promotion of evaluation frequency and multi-temporal evalation to effictively manage landslide risk.

Keywords：post-earthquake landslide；susceptibility；timeliness；certain factor module；Yinchanggou

基金項目：國家重點研發計劃項目（2020YFD1100701）;四川省科技廳國際合作項目（2020YFH0060）

作者簡介：李佳春（1996—），男，碩士研究生，主要從事地質災害風險研究。

通信作者：第寶鋒（1977—），男，博士，教授，博士生導師，主要從事地質災害風險與環境遙感研究。E-mail：dibaofeng@scu.edu.cn

引文格式：李佳春，孟祥瑞，胡順忠，等.震后滑坡易發性評價及其時效性研究［J］.西華師范大學學報（自然科學版），2023，44（3）：269-278.