Ensemble frequency ratio-maximum entropy landslide susceptibility modelling for climate‑resilient road corridors in Bocas del Toro and Chiriquí, Panama

方法

87处滑坡与15个环境因子，AUC加权集成频率比与最大熵模型。

发现

集成模型AUC达0.945，坡度与NDVI影响最大，逾71公里公路处于高易发区。

机会点

可引入事件降雨与气候变化情景，发展动态滑坡预警并耦合路网韧性规划。

滑坡是巴拿马西部山区影响道路基础设施的主要降雨诱发灾害。本研究构建了频率比（Frequency Ratio, FR）—最大熵（Maximum Entropy, MaxEnt）集成建模框架，用于评估滑坡易发性、识别关键管理分区并确定道路走廊沿线边坡失稳的关键驱动因素，研究区包括博卡斯德尔托罗（Bocas del Toro）大陆各区以及兰巴拉—奥尔尼托—戴维（Rambala-Hornito-David）路线沿线。在1,000 m走廊缓冲区内，利用87处已编录滑坡（63处用于训练、24处用于验证）和15个环境孕灾因子开展FR与MaxEnt模型的构建与验证。采用AUC加权线性组合对独立校准的FR和MaxEnt模型进行集成，生成易发性集成图。集成模型将走廊内9.67%和3.99%的区域分别划定为高易发性和极高易发性，取得了最高的预测性能（AUC = 0.945），优于FR模型（0.873）和MaxEnt模型（0.943）。基于不同训练—验证划分比例（57:30和70:17）的敏感性分析均表现出良好性能（预测率AUC > 0.88），表明主要结论未受滑坡编录分配方式的显著影响。热点分析识别出三个主要的易发性升高簇，并确认在95%和99%置信水平下具有统计学显著的空间聚集性。超过71 km的主干道路与高易发性区域相交，其中奥尔尼托、巴霍塞德罗（Bajo Cedro）和巴列德阿瓜阿里巴（Valle de Agua Arriba）暴露程度最高。坡度梯度和NDVI被识别为影响最大的预测因子。研究结果为优先开展监测、边坡加固、排水改善和基于生态系统的干预措施提供了实践依据，以增强热带山地环境中道路基础设施的韧性。未来工作应纳入更大规模的滑坡编录、基于事件的降雨信息和气候变化情景，以改进对滑坡动态的刻画并支持风险导向的基础设施规划。