From Heuristic Models to GeoAI: A Scientometric and Thematic Evolution of Landslide Susceptibility Mapping Approaches

滑坡是地球上最具破坏性的力量之一，能够在瞬间吞没公路、掩埋村庄并重塑景观。几十年来，科学家们一直试图预测这些事件最可能发生的地方，并绘制出强调高风险区域的地图。这些被称为滑坡易发性图的地图，依赖于理解地面本身与触发运动的因素（如陡峭的坡度、强降雨以及岩石或土壤的类型）之间的关系。在这项工作的早期阶段，专家们在很大程度上依赖于自身的经验和判断来权衡这些因素，根据他们对地形的了解来得出结论。然而，随着时间的推移，研究人员可用的工具发生了巨大的变化。功能强大的计算机、高分辨率卫星图像和先进软件的兴起，使得科学家能够超越简单的观察，进入数据驱动预测的领域，在那里，算法可以处理海量信息，以发现人类肉眼无法察觉的模式。

由摩根州立大学（Morgan State University）和尼日利亚联邦测量学院（Federal School of Surveying in Nigeria）的研究人员开展的一项新研究，全面审视了这一领域在过去二十年间的转型。该团队并未进行新的实地实验；相反，他们对现有的科学文献进行了大规模的回顾，以追踪滑坡预测的发展历程。他们从主要的科学数据库中收集了 2006 年至 2026 年间发表的 795 篇同行评审研究论文。利用专门用于分析研究主题如何随时间连接和变化的软件，他们绘制了该领域的智力演进图。他们的目标不仅是了解使用了哪些方法，还要理解整个问题的处理方式是如何从人类直觉转向人工智能的。

分析显示，科学家处理滑坡制图的方法经历了清晰且稳定的转变。在最早期的阶段（2006 年至 2012 年），研究主要由作者所称的启发式模型（heuristic models）主导。这些方法是指专家根据其知识为不同因素分配权重，通常使用简单的统计工具来验证其工作。在这些年里，主要重点是通过遥感技术获取更好的数据，遥感涉及使用卫星和飞机从高空观测地球。随着时间线进入 2013 年至 2018 年期间，重点转向了更多的定量方法。研究人员开始严重依赖机器学习，这是一种计算机科学领域，其中的算法通过学习数据来进行预测，而无需针对每个特定规则进行显式编程。这一时期数字高程模型（DEM）的使用大幅增加，这些模型是地形的详细 3D 表示，能够更精确地理解坡度和稳定性。

当研究人员检查 2019 年至 2022 年这一时期时，该领域已进入了一个以快速采用深度学习为特征的新阶段。深度学习是一种更先进的人工智能形式，它模仿人类大脑通过相互连接的节点处理信息的方式。研究发现，在这些年里，发表的论文数量呈爆炸式增长，其数据集中的近 90% 的研究都出现在 2018 年之后。文献中的主题扩展到了复杂的集成模型（ensemble models），这类模型结合了多种不同算法的预测，以产生更稳健、更准确的结果。研究人员还注意到，诸如 LiDAR（激光雷达，利用激光脉冲创建极其详细的地表地图）和 InSAR（合成孔径雷达干涉测量技术，利用雷达检测地表微小移动的技术）等技术的整合日益增长，后者可以在滑坡发生前探测到地表的细微移动。

在最近的 2023 年至 2026 年期间，研究确定了一个成熟的景观，其重点已转向使这些强大的人工智能系统变得可理解且可靠。虽然预测滑坡的核心目标保持不变，但方法已变得高度专业化。研究人员发现，科学家们现在正在研究可解释人工智能（XAI），这是一个致力于打开复杂算法“黑箱”的领域，旨在让人们理解模型为何做出特定的预测。这对于那些需要在规划道路或撤离社区之前必须信任地图的决策者来说至关重要。研究还强调了对基础设施日益增长的重视，有更多研究致力于保护公路和城市地区，这反映了在气候变化和城市化使滑坡更加频繁且危险的背景下，这些系统的价值日益提升。

该综述还揭示了这一科学进步背后的人文层面。研究人员绘制了全球协作网络，发现研究活动高度集中在亚洲，特别是中国，其产出的研究数量最高。印度、越南和美国也成为了主要的活跃中心。分析表明，这些研究人员并非孤立工作；相反，他们形成了紧密的协作网络，不同国家的团队通过合作分享数据并完善模型。这种国际化的努力对于推动该领域前进至关重要，使得新方法能够在多样化的景观和地质条件下得到测试。

尽管取得了这些显著进展，研究指出挑战依然存在。研究人员指出，虽然模型变得更加精确，但在应对不确定性方面仍面临困难。通常很难确切知道一个模型在从未见过的全新位置会表现如何，这个问题被称为迁移性（transferability）。此外，对于用于训练这些系统的模型数据质量也存在担忧；如果过去滑坡的记录不完整或不准确，预测结果就会受到影响。此外，最新的人工智能模型的复杂性可能使其难以解释，从而引发了关于如何确保它们是基于合理的地理原理而非仅仅是统计巧合来做出决策的问题。

最终，这份综述为滑坡科学的未来提供了路线图。它证实了该领域已经远远超越了过去基于专家的简单地图，进化成为一个由大数据和人工智能驱动的精密学科。作者认为，下一个前沿在于创建不仅强大而且透明且能够实时运行的系统。通过将最新的地理空间技术与先进计算相结合，科学家们旨在构建一个未来，届时能够以更高的精度和可靠性预警即将发生的滑坡，从而扭转这一自然界中最不可预测的灾害之一。