滑坡的孕育和发生是受不同内外因素的影响而发生的灾害现象。内在因素包括岩性特征、地形地貌、地质结构、岩体力学特征、地应力、植被覆盖等；外在因素有地表水、地下水、降雨以及人类活动等。从它的诱发因素来讲，主要包括降雨和地震，这两类滑坡的发生在自然界中占很大的比例。
滑坡灾害危险性区划在滑坡编目和灾害敏感性分析结果的基础上，应用定性分析和定量分析、确定性模型和随机性模型相结合对滑坡灾害易发程度进行分区表示。随着地理信息系统在滑坡灾害区划中的广泛应用，灾害危险性的定量研究得到进一步的深化和发展。根据数据源的精度和研究区空间范围的大小，CEOS将滑坡灾害评价划分为4个层次,即，全球范围（<l:100万），区域层次（1:10万~1:50万），中等尺度（1:2.5万~15万）以及大尺度（1:0.5万~1:1.5万）;leroi把GIS支持下的滑坡灾害评价划分为3个层次：区域层次(1:10万），主要为滑坡编录；流域层次（1:2.5万），主要为灾害和危险区划，局域层次（1:0.5万）为确定性和统计风险评价。不同的学者采用不同的地理信息系统平台，结合研究目的、研究尺度和研究区域地质地貌条件的差异，选取不同的敏感因子、采用不同的评价单元和不同的分析模型进行灾害危险性分区。
二、滑坡危险性区划
通过滑坡灾害现象的发生和各影响因素之间定性和定量统计关系，确定影响滑坡发生的主要因素，也就是导致滑坡易于发生因子的敏感性分析（Landslidesusceptibility）。对滑坡敏感性的分析，主要回答的问题是滑坡灾害发生地点、表现形式以及变形机制，总结起来目前主要是依托GIS技术对滑坡发生的环境因子收集相关资料，完成空间数据库的建立，进而分析滑坡灾害发生的直接和间接因素，定量地统计区域滑坡与环境因子之间的内在联系，划分滑坡灾害敏感度，为区域滑坡灾害的时空预测提供良好的研究基础。
与滑坡敏感性不同的是，滑坡危险性（Landslidehazard）主要回答的问题是滑坡灾害发生的时间和未来发生的频率，也就是特定地区范围内某种潜在滑坡灾害现象在一定时间内发生的概率。如果不考虑滑坡灾害诱发因子，滑坡灾害敏感性分析就是滑坡灾害发生概率研究，高敏感性指标区代表易滑坡区，低敏感性指标区代表不易发生滑坡的区域。目前，在滑坡灾害危险性分析过程中，主要是通过滑坡灾害编目、工程地质历史分析法、因子指标分析法（启发近似分析）、统计模型和确定性模型、随机模型等来估算滑坡灾害发生的概率，也是滑坡灾害分析中以GIS为技术支撑最为活跃的重要研究内容。对于滑坡灾害的危险性一般都有基本的假设前提，即在一定的概率条件下，未来滑坡灾害都是发生在与过去和现在不稳定地区条件相似的区域。一般滑坡灾害发生的概率可划分为5个不同等级，引发的灾害系列事件模型可以用事件树清晰地分析其危险性。
1．区划单元划分
由于滑坡灾害受各种因素的影响，这些因素的空间分布存在一定的差异性，同时针对不同层次滑坡危险性评价的需要，危险性单元的划分也不尽相同。评价单元的选择应考虑保持同一单元内部的均一性和邻近不同单元之间的明显差异性。一般来讲，模型单元的选择取决于所研究滑坡灾害类型、研究的尺度、所具有的基本数据的类型及精度、质量以及所采用信息管理和分析工具等。归纳起来，主要有以下几种形式：①格网单元（grid cells）；②地域单元（terrain units)；③均一条件单元（unique-condition units)；④斜坡单元（slope-units)；各单元的划分方式和适用分析模型如表1所示。
2．区划分析模型
滑坡危险性分析的方法总体上分为定性、定量方法或直接和间接方法。定性方法主要根据主观经验对滑坡的变形失稳危险性进行定量描述，而定量模型则是对滑坡发生失稳的可能性进行估计；直接的方法包括根据地形地貌图等相关图件进行判断，而间接方法则是采用逐步评估的方法，首先对整个区域或一部分区域的滑坡进行识别，作为训练区域，确定与滑坡稳定性有直接或间接联系的相关因子，估算因子对滑坡失稳的影响程度，然后进行整个区域的滑坡危险性划分。在不同的尺度范围内，选取的模型有一定的差别，如在场地尺度或大比例尺区域范围，一般都采用确定性模型来实现滑坡灾害危险性分区，而区域层次灾害分区则采用统计模型和其他定量模型。目前国内外常用的定量预测模型有数理统计模型、确定性模型、随机模型、信息模型等，应用定量模型研究滑坡地质灾害是预测滑坡学发展的必然趋势。
（l）统计模型危险性
统计模型是目前较为普遍应用的一种滑坡危险性分析的定量模型，假定滑坡在将来某一时刻处于过去发生滑动的条件下将发生失稳，重点在于对现有滑坡或其他不稳定现象所处地质环境条件和影响因素进行统计分析，建立统计规律基础上的拟合模型，如聚类分析、判别统计分析、线性（逻辑）回归模型等。
在统计模型中，由于滑坡致灾敏感因子的参数难以定量化，单元中部分因子仅能用有（1）或没有（0) 来表示，也有部分因子只能用影响程度来区分，即存在一定的模糊度，以0~1之间的数值来表示。这些现象的存在说明统计模型需要根据研究区原始资料或数据收集的情况来采取不同的应用模型。Lee通过建立南韩Yongin地区的地形数据库、地质数据库、土壤数据库、植被覆盖数据库、土地利用数据库等，定量分析滑坡发生与影响因子之间的关系，并选取相应的参数应用逻辑回归以10mx10m的格网单元完成了该地区滑坡敏感性分析。戴福初等在统计分析香港大屿山岛滑坡灾害发生与致滑因子之间关系的基础上，确定斜坡坡度、斜坡方位、岩石特性、高程、土地利用为逻辑回归计算的基本参数来预测该区斜坡不稳定的空间分布。 Ercanoglu等通过诱滑因素（如斜坡坡度、斜坡方位、土地利用、风化深度、水文条件等）进行因子分析，并应用模糊集定量描述它们对滑坡发生的影响程度，按"If-Then”规则在地理信息系统支持下实现滑坡灾害敏感性程度空间分析。
这类模型多适合区域性滑坡及斜坡不稳定性空间预测，对区域土地开发规划具有决策指导作用。但这类模型没有考虑滑坡的物理变形机制，且需要大量的统计样本，难以避免的是相对较大的耗时耗资量，同时，在一个地区建立的模型一般不适用其他的地区。
(2）确定性模型
确定性模型预测滑坡发生的可能性主要是在滑坡失稳的物理机制研究基础上分析斜坡的稳定系数。一般都是考虑浅层滑坡潜在滑动面的局部平衡，主要采用无限斜坡等静力模型。在方法的具体实施时，将主要的物理性质参数量化，应用于适当的数学模型，计算稳定性系数。P.Aleotti等总结了滑坡确定性模型常用的3种不同类型的方法（图1）。
Terlien等（1995）应用地理信息系统，在确定性水文模型的基础上，结合安全系数和破坏概率计算结果对3个不同地区的滑坡危险性进行有效的评价；Gokceoglu等（1996）以研究区灰度SPOT图和DEM为基础，通过遥感影像处理技术获得研究区斜坡的几何参数，对有代表性的斜坡土力学参数进行测定，应用二维确定性斜坡分析模型完成了Mengen地区滑坡敏感性分析。Borga等利用Montgomery和Dietrich提出的分布式斜坡稳定性分析模型，通过高清晰的DEM获取滑坡的几何参数，利用格网单元对意大利东阿尔卑斯地区的Cordon盆地进行灾害危险性评价。Vanacker等应用简单的浅层滑动模型，考虑动态土体湿度，通过把土地利用与不同的水文条件和土体剪切特征相结合，利用无限斜坡模型确定滑坡的安全系数，提供随时间变化的斜坡运动敏感性估计。
虽然确定性模型的主要优点在于滑坡安全系数的定量化分析，多适用于单体斜坡的预测评价，但是模型过于简化、岩土力学参数等资料的收集局限性很大，难以保障模型的有效使用且不适合于大面积的区域预测。
通常来讲，基于太沙基有效应力定律的空隙水压力效应，即“降雨期间或降雨之后斜坡岩土体内空隙水压力的升高使得潜在滑动面上的有效应力及抗剪强度降低，从而诱发滑坡”被认为是降雨诱发滑坡的最主要机制。但是，由于近地表浅层土多为非饱和粘性土，外界气候变化对其力学性状产生很大的影响，建立在饱和土假设基础之上的边坡稳定分析方法理论上不能定量考虑雨水入渗作用的影响，且在进行土坡渗流和土坡稳定计算时考虑较为简单，不能反映实际情况，计算结果存在较大误差。通常来讲，降雨入渗边坡使得边坡非饱和带土体的基质吸力降低，产生暂态饱和区，导致边坡非饱和带土体的抗剪强度下降，进而导致边坡稳定性降低，甚至滑坡。非饱和土力学理论认为：基质吸力是研究处于非饱和状态土体的抗剪强度、应力-应变关系、固结，以及非饱和土体中的应力分布、地下水渗流等各种重要研究问题的核心问题，因此考虑基质吸力对非饱和土边坡失稳问题的影响就显得极为必要。
此外，对于非饱和土来说，土体中地下水位以上部分是未被水充满的非饱和带，降雨入渗和地面水体的下渗都是通过该带到达稳定地下水面的非饱和渗流过程。调查研究表明，大量浅层土坡失稳大多出现在雨季或暴雨之后，可见降雨入渗及地下水对土坡稳定具有重要意义。同时，在影响非饱和土边坡滑动的各种内在和外界因素中，非饱和土边坡的地质条件、降雨特征、各向异性渗透比等因素对形成斜坡暂态渗流场及非饱和土坡的安全稳定性有着明显的影响。然而，以往对降雨型滑坡的研究仅侧重于考虑饱和地下水对边坡稳定的影响。近年来，在国内外随着孔隙介质非饱和渗流和土体饱和渗流理论的发展，已越来越清楚地认识到雨季的土坡滑坡、泥石流等地质灾害与土体非饱和渗流密切相关，即降雨入渗等会导致地下水位以上非饱和区孔隙水压力的升高及渗流场暂态变化，产生附加的水荷载，同时降低土体的力学强度指标，导致滑坡发生。因此，围绕强降雨入渗和正负孔隙水压力等对浅层斜坡稳定性影响的研究的重要性得到广泛的认同。
(3）随机模型
滑坡灾害的发生不仅与过去和现在不稳定性特征有关，而且还具有相当的随机性，也就是滑坡的发生有一定的概率。随机分析方法认为影响边坡稳定性的各种因素是随机变量，运用概率论和数理统计知识来研究边坡稳定性。随机分析中常将斜坡岩体材料性能，如弹性模量、泊松比等；边坡几何尺寸，如内部结构面、边坡边界尺寸；边坡外部荷载，如地震力、重力场、渗流场等视为随机变量，然后进行统计分析，求出它们各自的概率分布及特征参数，再利用某种可靠性分析方法，如蒙特卡洛模拟法、一次二阶矩法等，来计算滑坡破坏概率。
Gritzner等应用x?检验法分析滑坡灾害发生的主要影响因子，以高程和坡度组合成预测因子，利用地理信息系统下贝叶斯条件概率模型划分了研究区滑坡灾害危险等级程度。Refice等以Newmark动态位移模型为基础，考虑地质、地貌、地震以及岩土力学参数（内摩擦角、粘聚力等）分布的空间差异性，在高斯分布和?分布的情况下应用蒙特卡洛模拟地震状态下滑坡位移来实现滑坡灾害危险性评价。Miles等则以Newmark模型和地面振动随机模型，在地理信息系统环境下对比研究了不同评价方法得到的滑坡灾害危险性。
(4）其他应用模型
影响滑坡稳定性的诸因素除了具有前述的随机不确定性外，还具有一定的模糊不确定性。模糊理论是应用模糊变换原理和最大隶属度原则，综合考虑被评事物或其属性的相关因素，进而进行等级或级别评价，为区域斜坡稳定性分析提供了一种行之有效的手段。
同时，在各种不同的地质环境中，对于滑坡灾害而言，总会存在一种“最佳因素组合”。滑坡灾害产生与否与预测过程中所获取的信息的数量和质量有关，是用信息量来衡量的，这就是信息量模型。
另外，人工神经网络是模拟人脑的结构与工作原理，利用数学方法和计算机技术发展起来的一门新兴分支科学，也是目前国际上研究异常活跃的前沿领域之一。它具有许多引人注目的特点：大规模复杂系统，具有很强的自适应、自学习、自组织能力和高度非线性动态处理能力。这种能力可以代替复杂的耗时的传统算法，使信息处理过程更接近于人的大脑思维活动。神经网络用于区域滑坡灾害危险性分析具有独特的优势，这方面的工作还有待进一步的深入和推广。
3．区划结果可靠度
由于滑坡灾害基础资料的不精确性和影响滑坡不稳定性因子的空间差异性，任何一个模型，不管是统计模型还是确定性模型以及其他模型的应用都存在一定的局限性，在同一地区得到的结果不一定是完全相同的，会出现一定的误差或不可确定性。例如，对于多变量统计模型来讲，输入因子如果包括与滑坡发生关系不是很大的参数，计算出来的结果就不一定可靠；通常来讲，统计预测结果按照发生概率的大小划分危险性等级，一般分为稳定区（概率大于或超过60%）、不稳定区（概率大于或超过60%）、难以准确划分的区域（概率位于40％和60％之间）、预测为稳定单元但又有滑坡发生的区域、预测为不稳定单元但又没有滑坡的区域。因此，对于预测为稳定单元但又有滑坡发生的区域和预测为不稳定单元但又没有滑坡的区域需要进一步的野外调查和重新评价，根据危险性区划尺度的不同采取可靠度检验的方法也会有一定的差别。
三、未来展望
在滑坡地质灾害研究过程中，由于传统的研究缺乏对滑坡灾害系统各类复杂信息的提取和挖掘，没有充分考虑到滑坡系统行为的确定性（也可以称作必然性）、不确定性和线性、非线性特征，应用单一信息构筑的预测模型难以准确地实现滑坡的预测和评价。同时，其数据来源多种多样，随着数据的积累和收集手段的进一步提高，滑坡灾害空间数据库涵盖内容的不断复杂、庞大，如何对这些大量数据加以充分利用，部分学者以知识发现为基础应用粗糙集实现滑坡灾害危险性区划，但目前来说难以有系统的、有效的方法实现滑坡灾害多源信息的提取。
对于这些大量信息，有必要从大量、不完全、有噪声、模糊、随机的数据中提取出隐含在其中的、人们事先不知道、但又是潜在有用的信息和知识，并将提取出来的信息和知识表示成概念、规则、规律和模式，也就是实现空间数据挖掘。20世纪90年代以来，由于数据挖掘（Data Mining）在处理海量数据方面的优势，使数据挖掘技术在地学领域有了一定的发展和应用，目前主要是传统的统计学、决策树、人工神经网络、关联规则挖掘算法等。但由于庞大的数据集的性质往往非常复杂，且非线性、持续性及噪音普遍存在，因此需要一种不同于传统的新的理论和方法来解决数据挖掘中的问题。
神经网络作为一种非线性自适应动力学系统，具有通过自学习提取信息的内部特征的优点，非常适合解决数据挖掘的问题。应用遗传算法进化BP神经网络方法，在GIS环境下实现网络构造和训练，建立滑坡灾害评价的规则抽取，对滑坡灾害空间数据库完成提取规则的实验，并构建决策树，结合统计分析和专家知识获取滑坡灾害发生的综合因素，已成功地应用于滑坡灾害危险性评价（如图2所示）。
另外，由于滑坡灾害系统本身的复杂性和随机性以及预测的不确定性，滑坡灾害危险性区划又包含一定的层次性，因此，在滑坡灾害预测，特别是在单体斜坡和场地斜坡危险性预测过程中，充分利用现代高新技术，包括地理信息系统、高分辨率DEM/DTM、GPS等，对滑坡灾害的相关信息进行有效的获取、组织、管理，一定要在滑坡物理变形破坏机制研究的基础上，对滑坡地质体三维环境进行定量和精确的描述，实现滑坡地质体的可视化和仿真模拟，建立滑坡灾害危险性区划的不同适用模型，完成滑坡灾害信息化决策支持系统，为当地土地利用规划、社区防灾减灾以及社会经济的发展提供科学的基础资料。
参考文献
[l]CEOS.Earth Observation for landslide hazard support.http://disaster.ceos.org/landslide.htm,2001
[2]Leroi,E.Landslide hazard-Risk maps at different scales:objectives,tools and developments.In: Senneset, Editor,Proc.of 7th International Symposium on Landslides,Trondheim,Norway,1996.p35-51
[3]Van Westen,C.J.,van Asch,T.W.J.and Soeters,R.Landslide hazard and risk zonation-why is it still so difficult?Bull.Eng.Geo.Env.,2005,online first
[4]Lee,S.,Ryu,J.H.,Min,K.,Won,J.S.Landslide susceptibility analysis using GIS and artificial neural network.Earth Surface Processes and Landforms,2003,28(12):1361-1376
[5]Wang,H.B.,Liu,G.J.,Xu,W.Y.,Wang,G.H.GIS-based hazard assessment:An overview Prog.Phys.Geog,2005,29 (4):548-567
[6]Dai,F.C.,Lee, C.F.Terrain-based mapping of landslide susceptibility using a geographical information system:a case study.Canada Geotechnical Journal,2001,38(5):911-923
