基于CiteSpace文獻計量的滑坡預測研究可視化分析

摘 要：【目的】探討滑坡預測研究的發(fā)展趨勢，為滑坡災害的防災減災提供參考。【方法】以Web of Science數據庫為文獻數據源，利用CiteSpace文獻計量學軟件分析了1991—2023年以滑坡預測為主題的學術論文，詳細闡述其研究現狀、熱點和趨勢。【結果】研究結果表明，滑坡預測研究在世界各國均是研究熱點，其中以中國最為顯著；該領域研究的關鍵詞聚類中“machine learning”最為顯著，這意味著機器學習等新型技術正在被廣泛應用于滑坡預測領域。【結論】未來的滑坡預測研究將聚焦技術手段的智能化與自動化、監(jiān)測范圍的全面化與立體化、預測模型的精細化與動態(tài)化和滑坡風險評估的綜合化等4方面。

關鍵詞：滑坡預測；文獻計量；可視化分析；研究進展

中圖分類號：P642.22 文獻標志碼：A 文章編號：1003-5168（2024）17-0097-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.17.020

Visual Analysis of Landslide Prediction Research Based on CiteSpace Bibliometrics

ZHANG Keli1 ZHANG Xindan2 LIU Huan1

（1.Beijing Urban Construction Exploration & Surveying Design Research Institute Co.， Ltd.， Beijing 100101，China; 2.Beijing Urban Construction Rail Transit Construction Engineering Co.， Ltd.， Beijing 101125， China）

Abstraf75721f490240346b19afcc558be6a74d8764ee883d72c1ae6e806ff87439bf0ct： [Purposes] This paper aims to explore the future development trend of landslide prediction research and provide reference for disaster prevention and mitigation of landslide disasters. [Methods] Using the Web of Science database as the literature data source， this study analyzed academic papers on landslide prediction from 1991 to 2023 by CiteSpace bibliometric software， and elaborated on their research status， hotspots， and trends in detail. [Findings] The research results indicate that landslide prediction research is a hot topic in various countries around the world， with China being the most significant; in the keyword clustering studied in this field， 'machine learning' is the most significant， which means that new technologies such as machine learning are being widely applied in the field of landslide prediction. [Conclusions] Future landslide prediction research will focus on four aspects： the intelligence and automation of technical means， the comprehensiveness and three-dimension of monitoring scope， the refinement and dynamics of prediction models， and the integration of landslide risk assessment.

Keywords： landslide prediction; bibliometrics; visual analysis; research progress

0 引言

在全球范圍內，滑坡災害廣泛存在，對人類社會經濟發(fā)展、自然災害防御，以及重大基礎設施安全構成了嚴重威脅。滑坡災害發(fā)生頻率受多種因素影響，包括地質條件、氣候條件、人類活動等［1］。我國作為滑坡災害較為頻發(fā)的國家之一，年滑坡事件占比高達全國地質災害總量的70%，嚴重制約了我國重大工程的建設和重大戰(zhàn)略需求的實施［2］。近年來，隨著全球氣候變化和人類活動的加劇，滑坡災害的發(fā)生頻率有所增加，滑坡預測成為地質災害領域的研究熱點，其復雜性被學者們視為亟待攻克的重要挑戰(zhàn)。

滑坡的發(fā)生往往伴隨著地質構造的復雜性、降雨、地震、人類活動等多種因素的交織影響，預測難度較大。20世紀60至70年代，滑坡預報領域主要聚焦于直觀現象觀察與經驗總結，其中齋藤模型作為標志性成果，引領了經驗預報公式的發(fā)展潮流［3-4］。20世紀80至90年代，該領域迎來了技術革新，通過吸納現代數理理論的前沿成果（如灰色模型、黃金分割模型等），新型預報方法應運而生，標志著滑坡預報技術向更加科學化、系統(tǒng)化的方向邁進［5-7］。進入21世紀后，隨著科技的進步和社會對防災減災需求的增加，眾多學者們通過深入研究滑坡的形成機制、誘發(fā)因素、演化過程及空間分布規(guī)律，并結合現代科技手段，例如，遙感技術、地理信息系統(tǒng)、物探方法、數值模擬和大數據分析等，形成了一系列極具價值的滑坡預測理論與方法［8-14］。

CiteSpace作為一款強大的文獻可視化分析軟件，在地質工程領域展現出其獨特的優(yōu)勢［15-16］。通過對大量地質工程相關文獻的關鍵詞共現、聚類及突現等［17］可視化分析，CiteSpace能夠幫助研究者迅速把握地質工程領域的研究熱點與趨勢，明確研究基礎與前沿方向［18］。

基于此，本研究收集了1990—2023年關于滑坡預測的研究成果，利用CiteSpace文獻計量工具系統(tǒng)地梳理了滑坡預測文獻的發(fā)文國家/地區(qū)，分析了滑坡預測的關鍵詞及研究熱點，探討了滑坡預測研究的發(fā)展趨勢，旨在為滑坡災害研究提供參考。

1 可視化分析

論文檢索來源是由Clarivate Analytics維護的Web of Science Core Collection （WoSCC）。檢索詞包括TS （Topic search） =［（“l(fā)andslide forecast”） or （“l(fā)andslide prediction”）， 文獻類型定義為“Article”和“Review Article”，共搜集了1991—2023年期間的文章和綜述3 863篇。

1.1 發(fā)文國別分析

開展滑坡預測研究的國別聚類如圖1所示。由圖1可以看出，中國是gooO9LTNbe9lXRR4Dp1/cg==滑坡預測文獻的主要貢獻者，意大利、印度、土耳其和美國也有相當數量的文獻發(fā)表且中國與其他國家之間存在著密切的合作網絡，這表明中國在該領域具有強大的研究實力和影響力。值得注意的是，對于中國而言，其在滑坡預測領域更多的是國內學者之間的合作，國際的合作相對較少，但意大利、美國、英國和韓國在該領域與其他國家的合作相對較多。

1.2 研究關鍵詞分析

關鍵詞是通過若干個極為精煉的詞對論文進行概括，從而使讀者能快速地了解文獻的主要內容和作者的意圖。通過繪制關鍵詞聚類圖，可以有效地識別出滑坡預測研究中最相關的研究熱點。滑坡預測研究的關鍵詞聚類結果如圖2所示。由圖2可以看出，滑坡預測研究的關鍵詞共得到8個聚類結果，分別為“machine learning”“shallow landslides”“l(fā)andslide susceptibility”“numerical simulation”“debris flow”“l(fā)andslide displacement prediction”“climate change”和“geographic information systems”，其中“machine learning”最為顯著，這意味著機器學習等新型技術正在被廣泛應用于滑坡預測領域中。此外，不同的關鍵詞聚類之間存在一定的關聯(lián)，例如，關鍵詞“numerical simulation”與“debris flow”、“shallow landslides”與“l(fā)andslide susceptibility”之間緊密相連，這可能表示上述領域在滑坡預測研究中有較高的相關性。

滑坡預測研究中關鍵詞隨時間的演化規(guī)律如圖3所示。在早期研究階段（1991—2000年），主要關鍵詞為：“debris flow”“slope stability”“area risk assessment”等，這表明該時期關于滑坡預測的研究處于探索階段，尚未形成較為清晰的理論方法。進入21世紀后（2001—2012年），關鍵詞數量開始增多，主要為“prediction”“l(fā)andslide susceptibility”“l(fā)ogistic regression”“frequency”等，這表明該階段的學者們開始探索各種滑坡預測方法。近10年來（2013—2023年），關鍵詞數量和頻次均大幅提升，該階段有更多、更有效且適宜性更好的滑坡預測方法被提出。

2 滑坡預測方法發(fā)展趨勢

隨著科技進步和監(jiān)測技術的不斷提升，滑坡預測方法的發(fā)展也在不斷演變。未來，滑坡預測可能會從以下幾個方面尋求突破。

2.1 技術手段的智能化與自動化

未來的滑坡預測將更加依賴智能監(jiān)測技術，例如，人工智能（AI）、機器學習（ML）等。這些技術能夠對大量監(jiān)測數據進行快速、準確的分析和處理，從而實現滑坡的自動化監(jiān)測和預警。此外，通過更加高精度的傳感器和儀器實現對滑坡體變形的實時監(jiān)測和精確定位，能夠提高監(jiān)測數據的準確性和可靠性。同時，結合大數據分析技術，可以對監(jiān)測數據進行深入挖掘和分析，揭示滑坡發(fā)生的規(guī)律和機制。

2.2 監(jiān)測范圍的全面化與立體化

傳統(tǒng)的滑坡監(jiān)測主要依賴二維平面數據，而未來的滑坡預測將更加注重三維監(jiān)測技術的應用。通過遙感、無人機、激光掃描等技術手段，可以實現對滑坡體的三維定位和形變監(jiān)測，構建滑坡體的三維模型，更直觀地展示滑坡體的變形情況和發(fā)展趨勢。同時，結合多源數據的綜合分析和處理，可以更全面地了解滑坡發(fā)生的環(huán)境因素和觸發(fā)條件，提高滑坡預測的準確性。

2.3 預測模型的精細化與動態(tài)化

隨著對滑坡發(fā)生機制和規(guī)律的不斷深入研究，未來的滑坡預測將采用更加精細化的預測模型。這些模型將考慮更多的影響因素和變量，如地質條件、降雨強度、人類活動等，以提高預測模型的準確性和適用性。另外，隨著監(jiān)測數據的不斷積累和更新，預測模型將能夠實時調整和優(yōu)化參數設置，以適應滑坡體變形和發(fā)展趨勢的變化。這種動態(tài)更新機制將確保預測結果的時效性和準確性。

2.4 滑坡風險評估的綜合化

未來的滑坡預測將不僅僅關注滑坡本身的變形情況，還將結合地質、氣象、水文等多種因素進行綜合風險評估。通過構建綜合風險評估體系，可以更全面地了解滑坡發(fā)生的可能性和影響程度，為防災減災提供更加科學的決策支持。基于綜合風險評估結果，未來的滑坡預警系統(tǒng)將更加精細化，實現根據不同區(qū)域、不同時間段的滑坡風險情況，發(fā)布針對性的預警信息，提高預警的針對性和有效性。

3 結論

本研究采用CiteSpace文獻計量工具，結合1991—2023年期間Woscc數據庫中關于滑坡預測研究的3 863篇文獻，深入分析了滑坡預測領域的研究熱點與發(fā)展趨勢，主要結論如下。

①中國是滑坡預測研究領域內發(fā)文最多的國家，主要聚焦于國內合作研究，意大利、美國、英國和韓國等國家在該領域與其他國家的合作相對較多。

②滑坡預測研究的關鍵詞聚類中“machine learning”最為顯著，這意味著機器學習等新型技術正在被廣泛應用于滑坡預測領域中。

③未來的滑坡預測研究將聚焦技術手段的智能化與自動化、監(jiān)測范圍的全面化與立體化、預測模型的精細化與動態(tài)化和滑坡風險評估的綜合化等4個方面。

參考文獻：

［1］PETLEY D. Global patterns of loss of life from landslides［J］. Geology， 2012， 40（10）： 927-930.

［2］唐輝明.重大滑坡預測預報研究進展與展望［J］.地質科技通報，2022，41（6）：1-13.

［3］武鑫，鄭東健，劉永濤，等. 滑坡失穩(wěn)時間預測方法研究綜述［J］. 水利水電科技進展， 2021， 41 （4）： 89-94.

［4］SAITO M.Forecasting time of slope failure by tertiary creep ［C］//Proceedings of the 7th International Conference on Soil Mechanics and Foundation Engineering Mexico city，1969 （2）：677-683.

［5］張荍毅. 基于灰色模型的滑坡變形預測［J］. 天津城市建設學院學報， 2008 （2）： 114-117.

［6］馬平，馮永，錢海濤，等.滑坡預報研究綜述［J］.人民黃河，2011，33（9）：80-82.

［7］許強. 滑坡監(jiān)測預警的理論與實踐［J］. 中國減災， 2022 （19）： 34-37.

［8］秦四清，王媛媛，馬平. 崩滑災害臨界位移演化的指數律［J］. 巖石力學與工程學報， 2010， 29 （5）： 873-880.

［9］許強，湯明高，徐開祥，等. 滑坡時空演化規(guī)律及預警預報研究［J］. 巖石力學與工程學報， 2008（6）： 1104-1112.

［10］黃潤秋. 論滑坡預報［J］. 國土資源科技管理， 2004（6）： 15-20.

［11］黃潤秋，王來貴. 邊坡力學系統(tǒng)失穩(wěn)的兩種新機制［J］. 中國地質災害與防治學報， 1998 （S1）： 55-61.

［12］張超，顧清華，江松，等. 基于Citespace可視化的國內外礦山環(huán)境治理與生態(tài)修復研究進展［J］. 采礦技術， 2024， 24 （3）： 260-268.

［13］朱彪彪，曹偉，虞鵬鵬，等.基于CiteSpace的地質大數據與人工智能研究熱點及前沿分析［J］.地學前緣，2024，31（4）：73-86.

［14］倪天翔. 基于CiteSpace的地質災害領域中外代表性期刊對比研究［J］. 國土資源信息化， 2021 （5）： 63-68，49.

［15］尚志海，古凱業(yè)，郭照華，等. 基于CiteSpace的國內災害風險感知研究現狀分析［J］. 寶雞文理學院學報（自然科學版）， 2021， 41 （1）： 65-71，80.

［16］楊龍偉，徐楊青，江強強，等. 基于Web of Science 數據庫和CiteSpace文獻計量的高位滑坡研究綜述［J/OL］. 西華師范大學學報（自然科學版）， 1-12［2024-07-08］.http：//kns.cnki.net/kcms/detail/51.1699.N.20231013.1340.002.html.

［17］何亞莉，張春紅. 基于CiteSpace的滑坡監(jiān)測預警文獻計量分析 ［J］. 甘肅科技， 2023， 39 （8）： 97-102.

［18］呂佼佼，范文，高徐軍，等. 基于CiteSpace的淺層滑坡文獻計量分析 ［J］. 中國地質災害與防治學報， 2021， 32 （1）： 43-49.

收稿日期：2024-07-12

基金項目：北京市科技新星計劃資助（20220484141）。

作者簡介：張克利（1992—），男，碩士，工程師，研究方向：地質災害及巖土工程。