💡这项突破是什么?
广东每逢汛期，山区一场持续强降雨往往就能引发山体滑坡，令人防不胜防。能否提前预判、及时转移，直接关乎群众的生命财产安全。广东省科学院广州地理研究所宫清华研究员团队针对这一问题，整合广东省352个雨量站数据与804条历史滑坡记录，构建了一套基于人工智能的滑坡预警模型。
滑坡的发生，往往不是一场急雨的“功劳”。研究发现，土壤在前期持续降雨中不断积蓄水分，如同海绵逐渐被浸透，一旦后期关键降雨叠加，山坡便可能瞬间失稳。研究团队以广东省为典型研究区，整合352个自动雨量站数据与804个历史滑坡记录，引入CTRL-T自适应降雨事件识别方法，提取前置期持续时间（Da）、前置期累积降雨量（Ea）和触发期降雨量（Eo）三类关键特征，构建3-4-4-1结构深度神经网络集成预警模型，系统评估了1—24 h多时间尺度下的预警性能。模型同时考量了前期“蓄水”和后期“触发”两个阶段，相比以往仅靠雨强和历时来判断风险的传统方法，能更准确地识别真正危险的降雨过程，有效减少误报与漏报。深度学习模型平均提前预警时间达12 h，优于传统I-D阈值方法，在极端降雨案例中最高风险概率达0.851，展现了对复杂降雨过程的卓越识别能力。对广东省3起典型滑坡案例的回溯验证表明，该模型预警准确率超过90%，3起案例全部成功预警。
图1 深度学习模型性能评估与预警效果
图2 典型滑坡案例72 h回溯预警曲线（深度学习模型 vs I-D阈值方法对比）
这项研究的意义，不只是一个学术模型。它意味着，未来汛期来临时，气象部门和地质灾害防治部门可以借助这套系统，在山体滑坡发生前十余小时提前识别高风险区域，为基层防灾人员争取宝贵的预警和转移时间，切实保护山区居民的生命财产安全。
该研究成果为华南地区乃至相似亚热带季风气候区的滑坡灾害预警提供了新的科学依据与技术途径，对提升区域防灾减灾能力具有重要实践价值。研究结果发表于国内地理学权威期刊《地理学报》（2026年第81卷第5期），第一作者为袁少雄副研究员，通讯作者为宫清华研究员。研究工作得到国家自然科学基金（42271091）及广东省自然科学基金（2024A1515510028、2024A1515030114）资助。
引文格式：袁少雄, 宫清华, 魏平新, 等. 基于CTRL-T降雨事件识别与深度学习的华南地区滑坡时空预警模型[J]. 地理学报, 2026, 81(5): 1366-1380. DOI: 10.11821/dlxb202605007.
供稿：自然地理与资源环境研究部
撰稿：袁少雄
审核：刘飒
审定发布：吴旗韬
