湖南省资兴市2024年7月台风“格美”诱发滑坡特征及其地质控制作用

刘瑞阳; 许强; 蒲川豪; 徐繁树; 王晓晨; 赵浩星; 朱星; 何娜

doi:10.13203/j.whugis20250027

您当前的位置：

首页 >

文章列表页 >

湖南省资兴市2024年7月台风“格美”诱发滑坡特征及其地质控制作用

遥感与地质灾害 | 更新时间：2026-11-05

- 湖南省资兴市2024年7月台风“格美”诱发滑坡特征及其地质控制作用
- Characteristics of Landslides Induced by Typhoon “Gaemi” in Zixing City， Hunan Province， July 2024， and Their Geological Control Factors
- 武汉大学学报（信息科学版） 2026年51卷第7期页码：1452-1469
- 作者机构：
  
  1.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，四川成都，610059
  2.广西壮族自治区地质环境监测站，广西南宁，530201
- 作者简介：
  
  刘瑞阳，博士生，主要从事地质灾害评价与预测研究。727836599@qq.com
  许强，博士，教授。xq@cdut.edu.cn
- 基金信息：
  
  国家重点研发计划(2022YFC3003205);四川省科技计划(2025ZNSFSC1206);广西桂东南花岗岩地区暴雨诱发群发性地质灾害成灾机理综合调查(GXZC2024-G3-002922-GXCJ)
- DOI：10.13203/j.whugis20250027
  中图分类号： P237
- 收稿：2025-09-12，
  
  纸质出版：2026-07-05
- 稿件说明：
移动端阅览
刘瑞阳,许强,蒲川豪，等.湖南省资兴市2024年7月台风“格美”诱发滑坡特征及其地质控制作用[J].武汉大学学报（信息科学版）,2026,51(7):1452-1469.

LIU Ruiyang,XU Qiang,PU Chuanhao,et al.Characteristics of Landslides Induced by Typhoon “Gaemi” in Zixing City, Hunan Province, July 2024, and Their Geological Control Factors[J].Geomatics and Information Science of Wuhan University,2026,51(7):1452-1469.
刘瑞阳,许强,蒲川豪，等.湖南省资兴市2024年7月台风“格美”诱发滑坡特征及其地质控制作用[J].武汉大学学报（信息科学版）,2026,51(7):1452-1469. DOI：10.13203/j.whugis20250027

LIU Ruiyang,XU Qiang,PU Chuanhao,et al.Characteristics of Landslides Induced by Typhoon “Gaemi” in Zixing City, Hunan Province, July 2024, and Their Geological Control Factors[J].Geomatics and Information Science of Wuhan University,2026,51(7):1452-1469. DOI：10.13203/j.whugis20250027

摘要

2024⁃07⁃26，台风“格美”袭击中国湖南省资兴市，诱发了大规模滑坡灾害，造成房屋损毁和多处道路阻断，并导致严重人员伤亡。目前，对于台风“格美”诱发滑坡的发育分布与形成条件仍不清晰，影响灾后重建和风险隐患排查。基于灾后遥感影像，采用深度学习结合人工校核建立滑坡数据库，分析孕灾环境下滑坡的分布规律；采用可解释性机器学习进行易发性建模，探讨地质条件对滑坡形成的控制作用。结果表明，台风“格美”在资兴市共诱发约16 120处滑坡，总面积约32.16 km²，主要分布于海拔200~600 m、坡度20°~30°的斜坡上，最大点密度达129个/km²，群发性效应显著。滑坡主要受地质条件控制，其中63.5%的滑坡分布在花岗岩区域，29.4%分布在砂岩及其浅变质岩区域。不同岩性区域，滑坡的主控因子具有显著差异。

Abstract

Objectives

On July 26

2024

Typhoon “Gaemi” struck Zixing City

Hunan Province

China

triggering large-scale landslide disasters that caused extensive damage to buildings

blocked several roads

and resulted in significant casualties. However

the development

distribution

and formation conditions of the landslides triggered by Typhoon “Gaemi” remain unclear

which impacts post-disaster reconstruction and risk assessment.

Methods

We present the identification and analysis of landslides induced by Typhoon “Gaemi” through three main parts: landslide recognition

spatial and statistical analysis

and explainable machine learning. First

historical rainfall-induced landslide data from regions like Longxi

Yan'an

and Shaoguan are used to train and optimize the YOLOv8 model for improved accuracy and robustness. The model is applied to post-disaster optical remote sensing imagery for automatic identification

with manual verification and the creation of a landslide database for Zixing City. Next

spatial distribution characteristics of the landslides are analyzed using environmental data

revealing the spatial patterns and controlling factors of landslides induced by Typhoon “Gaemi”. Finally

statistical data are used to train a machine learning model to assess landslide susceptibility

with Shapley additive explanations (SHAP) employed to interpret the model and identify key factors influencing landslide occurrence. These methods provide a comprehensive analysis of landslide risks and serve as a basis for disaster prevention.

Results

Using the deep learning model YOLOv8 and manual verification

we identify approximately 16 120 landslides triggered by Typhoon “Gaemi” in Zixing City

covering a total area of 32.16 km². These landslides are predominantly concentrated in the eastern mountainous areas of Zixing City

with a peak point density of 129 per km²

exhibiting a notable clustering effect. Statistical analysis reveals that most of the landslides occur on slopes with an elevation range of 200⁃600 m and a slope gradient of 20°⁃30°. Further analysis demonstrates that the occurrence of these landslides is significantly influenced by geological conditions

with 63.5% of landslides occurring in granite regions and 29.4% in sandstone and shallow metamorphic rock areas. Random forest modeling and SHAP analysis identify lithology as the primary factor controlling landslide formation. The importance of disaster-triggering factors varies across different lithological regions. In granite areas

faults are the most significant factor influencing landslide occurrence

while human activities also contribute notably to landslide formation. In sandstone regions

river erosion is the dominant factor controlling landslide formation.

Conclusions

The deep learning and machine learning models used in this study demonstrate clear advantages in landslide identification

susceptibility assessment

and analysis of disaster-triggering factors. The identified distribution patterns of landslides and the geological control mechanisms can provide scientific evidence for analyzing the landslide formation conditions and disaster prevention and control in Zixing City and similar regions with comparable geological conditions.

关键词

Keywords

references

梁可庭，刘雨菲，罗徽 . 共筑抗洪救灾坚固防线［N］. 湖南日报， 2024-07-29 .

LIANG Keting ， LIU Yufei ， LUO Hui . Building a Solid Defense Line Together for Flood Relief ［N］. Hunan Daily ， 2024-07-29 .

许强 . 对地质灾害隐患早期识别相关问题的认识与思考［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 11 ）： 1651 - 1659 .

XU Qiang . Understanding and Consideration of Related Issues in Early Identification of Potential Geohazards ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 11 ）： 1651 - 1659 .

PRAKASH N ， MANCONI A ， LOEW S . Mapping Landslides on EO Data： Performance of Deep Learning Models vs. Traditional Machine Learning Models ［J］. Remote Sensing ， 2020 ， 12 （ 3 ）： 346 .

许强，徐繁树，蒲川豪，等 . 2024年4月广东韶关江湾镇极端降雨诱发群发性滑坡初步分析［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 8 ）： 1264 - 1274 .

XU Qiang ， XU Fanshu ， PU Chuanhao ， et al . Preliminary Analysis of Extreme Rainfall-Induced Cluster Landslides in Jiangwan Township， Shaoguan， Guangdong， April 2024 ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 8 ）： 1264 - 1274 .

KORNEJADY A ， OWNEGH M ， BAHREMAND A . Landslide Susceptibility Assessment Using Maximum Entropy Model with Two Different Data Sampling Methods ［J］. Catena ， 2017 ， 152 ： 144 - 162 .

窦杰，向子林，许强，等 . 机器学习在滑坡智能防灾减灾中的应用与发展趋势［J］. 地球科学， 2023 ， 48 （ 5 ）： 1657 - 1674 .

DOU Jie ， XIANG Zilin ， XU Qiang ， et al . Application and Development Trend of Machine Learning in Landslide Intelligent Disaster Prevention and Mitigation ［J］. Earth Science ， 2023 ， 48 （ 5 ）： 1657 - 1674 .

GAUR M ， FALDU K ， SHETH A . Semantics of the Black-Box： Can Knowledge Graphs Help Make Deep Learning Systems more Interpretable and Explainable？［J］. IEEE Internet Computing ， 2021 ， 25 （ 1 ）： 51 - 59 .

马朔，李钊，赵军 . 基于CatBoost用信预测模型的TreeSHAP解释性研究［J］. 计算机系统应用， 2023 ， 32 （ 3 ）： 338 - 344 .

MA Shuo ， LI Zhao ， ZHAO Jun . Research on Interpretative TreeSHAP Based on CatBoost’s Credit Utilization Prediction Model ［J］. Computer Systems & Applications ， 2023 ， 32 （ 3 ）： 338 - 344 .

聂卉，吴晓燕 . 结合梯度提升树算法与可解释机器学习模型SHAP的抑郁症影响因素研究［J］. 数据分析与知识发现， 2024 ， 8 （ 3 ）： 41 - 52 .

NIE Hui ， WU Xiaoyan . Detecting Depression Factors with Gradient Boosting Tree and Explainable Machine Learning Model SHAP ［J］. Data Analysis and Knowledge Discovery ， 2024 ， 8 （ 3 ）： 41 - 52 .

陈伟，冷谦，钟丽华，等 . 郴州市2016—2022年地质灾害及致灾降雨特征分析［J］. 黑龙江环境通报， 2023 ， 36 （ 7 ）： 14 - 16 .

CHEN Wei ， LENG Qian ， ZHONG Lihua ， et al . Analysis of Geological Hazard Characteristics and Causative Rainfall in Chenzhou from 2016 to 2022 ［J］. Heilongjiang Environmental Journal ， 2023 ， 36 （ 7 ）： 14 - 16 .

LUNDBERG S M ， ERION G ， CHEN H ， et al . From Local Explanations to Global Understanding with Explainable AI for Trees ［J］. Nature Machine Intelligence ， 2020 ， 2 （ 1 ）： 56 - 67 .

PAPAGEORGIOU D ， TOPOUZELIS K . Experimental Observations of Marginally Detectable Floating Plastic Targets in Sentinel-2 and Planet Super Dove Imagery ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2024 ， 134 ： 104245 .

BHUSHAN S ， SHEAN D ， ALEXANDROV O ， et al . Automated Digital Elevation Model （DEM） Generation from Very-High-Resolution Planet SkySat Triplet Stereo and Video Imagery ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2021 ， 173 ： 151 - 165 .

HOU H Y ， CHEN M X ， TIE Y B ， et al . A Universal Landslide Detection Method in Optical Remote Sensing Images Based on Improved YOLOX ［J］. Remote Sensing ， 2022 ， 14 （ 19 ）： 4939 .

TERVEN J ， CÓRDOVA-ESPARZA D M ， ROMERO-GONZÁLEZ J A . A Comprehensive Review of YOLO Architectures in Computer Vision： From YOLOv1 to YOLOv8 and YOLO-NAS ［J］. Machine Learning and Knowledge Extraction ， 2023 ， 5 （ 4 ）： 1680 - 1716 .

魏林森，丁宏伟，王婷，等 . 降水对陇西黄土滑坡的诱发作用及时空影响分析［J］. 冰川冻土， 2017 ， 39 （ 3 ）： 609 - 615 .

WEI Linsen ， DING Hongwei ， WANG Ting ， et al . Loess Landslide in Longxi of Gansu Province： Precipitation Inducted Function and Space-Time Effect ［J］. Journal of Glaciology and Geocryology ， 2017 ， 39 （ 3 ）： 609 - 615 .

WANG G L ， LI T L ， XING X L ， et al . Research on Loess Flow-Slides Induced by Rainfall in July 2013 in Yan’an， NW China ［J］. Environmental Earth Sciences ， 2015 ， 73 （ 12 ）： 7933 - 7944 .

巨袁臻，许强，金时超，等 . 使用深度学习方法实现黄土滑坡自动识别［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 11 ）： 1747 - 1755 .

JU Yuanzhen ， XU Qiang ， JIN Shichao ， et al . Automatic Object Detection of Loess Landslide Based on Deep Learning ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 11 ）： 1747 - 1755 .

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 ， 27 （ 6 ）： 1104 - 1112 .

XU Qiang ， TANG Minggao ， XU Kaixiang ， et al . Research on Space-Time Evolution Laws and Early Warning-Prediction of Landslides ［J］. Chinese Journal of Rock Mechanics and Engineering ， 2008 ， 27 （ 6 ）： 1104 - 1112 .

黄润秋，李为乐 . “ 5·12”汶川大地震触发地质灾害的发育分布规律研究［J］. 岩石力学与工程学报， 2008 ， 27 （ 12 ）： 2585 - 2592 .

HUANG Runqiu ， LI Weile . Research on Development and Distribution Rules of Geohazards Induced by Wenchuan Earthquake on 12th May， 2008 ［J］. Chinese Journal of Rock Mechanics and Engineering ， 2008 ， 27 （ 12 ）： 2585 - 2592 .

MUKUL M ， MUKUL M . Uncertainties in Digital Elevation Models from Global Advanced Land Observing Satellite （ALOS） Digital Topography Data in the Indian Subcontinent ［J］. Journal of Earth System Science ， 2021 ， 130 （ 1 ）： 51 .

LIU F ， WU H Y ， ZHAO Y G ， et al . Mapping High Resolution National Soil Information Grids of China ［J］. Science Bulletin ， 2022 ， 67 （ 3 ）： 328 - 340 .

LIU F ， ZHANG G L ， SONG X D ， et al . High-Resolution and Three-Dimensional Mapping of Soil Texture of China ［J］. Geoderma ， 2020 ， 361 ： 114061 .

叶天竺，黄崇轲，邓志奇 . 1∶250万中华人民共和国数字地质图空间数据库［J］. 中国地质， 2017 ， 44 （ A1 ）： 19 - 24 .

YE Tianzhu ， HUANG Chongke ， DENG Zhiqi . Spatial Database of 1∶ 2 500 000 Digital Geologic Map of People’s Republic of China ［J］. Geology in China ， 2017 ， 44 （ A1 ）： 19 - 24 .

BREIMAN L . Random Forests ［J］. Machine Learning ， 2001 ， 45 （ 1 ）： 5 - 32 .

陈力，丁雨淋，朱庆，等 . 基于元学习的广域范围滑坡易发性小样本预测［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 8 ）： 1367 - 1376 .

CHEN Li ， DING Yulin ， ZHU Qing ， et al . Few-Shot Prediction of Landslide Susceptibility Based on Meta-Learning Paradigm ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 8 ）： 1367 - 1376 .

SHAPLEY L S . A Value for N-Person Games ［M］//KUHN H W， TUCKER A W. Contributions to the Theory of Games （AM-28）， Volume II . Princeton ： Princeton University Press ， 1953 .

宋静园，刘洋，董秀军，等 . “ 9·5” 泸定地震人口密集区域地震诱发滑坡空间分布规律［J］. 地质科技通报， 2025 ， 44 （ 5 ）： 202 - 214 .

SONG Jingyuan ， LIU Yang ， DONG Xiujun ， et al . Spatial Distribution of Earthquake-Induced Landslide in Densely Populated Area of the Luding 9·5 Earthquake ［J］. Bulletin of Geological Science and Technology ， 2025 ， 44 （ 5 ）： 202 - 214 .

范宣梅，王欣，戴岚欣，等 . 2022年Ms 6.8级泸定地震诱发地质灾害特征与空间分布规律研究［J］. 工程地质学报， 2022 ， 30 （ 5 ）： 1504 - 1516 .

FAN Xuanmei ， WANG Xin ， DAI Lanxin ， et al . Characteristics and Spatial Distribution Pattern of Ms 6.8 Luding Earthquake Occurred on September 5， 2022 ［J］. Journal of Engineering Geology ， 2022 ， 30 （ 5 ）： 1504 - 1516 .

马丽芳 . 中国地质图集［M］. 北京：地质出版社， 2002 .

MA Lifang . Geological Atlas of China ［M］. Beijing ： Geological Publishing House ， 2002 .

刘好正 . 风化花岗岩工程特性与路基工程［J］. 路基工程， 2003 （ 5 ）： 41 - 46 .

LIU Haozheng . Engineering Performance of Weathered Granite with Subgrade Engineering ［J］. Subgrade Engineering ， 2003 （ 5 ）： 41 - 46 .

唐晓珊，黄建中，张纯臣 . 华南地体北缘（湖南部分）前寒武纪地层［J］. 中国区域地质， 1994 ， 13 （ 4 ）： 303 - 310 .

TANG Xiaoshan ， HUANG Jianzhong ， ZHANG Chunchen . The Precamerian on the Northern Margin of the South China Terrane （Hunan Part）［J］. Geological Bulletin of China ， 1994 ， 13 （ 4 ）： 303 - 310 .

BUCHER K . Metamorphism of Quartzo⁃Feldspathic Rocks ［M］// BUCHER K Petrogenesis of Metamorphic Rocks . Cham ： Springer International Publishing ， 2023 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

2024年4月广东韶关江湾镇极端降雨诱发群发性滑坡初步分析

泸定Ms 6.8地震诱发滑坡应急评价研究

土壤水分机器学习遥感反演：进展与挑战

几何与频域双约束的单步扩散海底地形超分辨率重建方法

大众智能终端GNSS有意干扰检测技术研究现状与展望