滑坡预测对于了解山地环境的地貌演化,以及评估滑坡对人类社会造成的潜在 风险具有重要意义。全球滑坡易发性模型使用了通用模型公式,从公开的数据预测 地球上任何地方的滑坡易发性。区域模型则相反,利用滑坡发生地的信息来约束模 型参数,而且可能因控制因素具有更好的空间信息而获得更好的结果。本研究旨在 探讨东非裂谷(East African Rift)西支区域滑坡易发性模型(相对于全球和大陆模 型)构建的附加价值,该区是一个数据缺乏、滑坡多发的热带环境。首先,利用谷 歌地球(Google Earth)图像为研究区编制了包含 6 446 个实例的综合滑坡数据库。 第二,建立了三个区域数据驱动的滑坡易发性模型。第三,通过分析(1)使用更 准确的区域峰值地面加速度和地质数据,以及(2)不断增加的调查数量对上述模 型质量的影响,量化了这些区域模型的构建工作。第四,比较了区域和全球/大陆模 型的预测能力和地形真实性。我们发现,全球/大陆滑坡易发性模型能够识别滑坡多 发区,但与我们的区域模型相比缺乏预测能力和地形真实性。重要的是,这种质量 的差异并不是因为使用更精确、更详细的地质或峰值地面加速度数据造成的,而是 因为使用更详细的区域滑坡调查数据校准了模型。我们还发现,在调查数据达到一 定数量后,模型质量仅会略有增加。我们的结论是,与现有的全球模型相比,区域 滑坡易发性评估的确会在地形真实性和模型性能上提供额外的价值,因此,区域滑 坡编录工作将获得最大的收益,而不是加入更详细的协变量或应用更复杂的建模技 术。后者表明,控制变量的作用在某种程度上取决于区域背景:在区域调查未能说 明当地信息的情况下,是很难作出充分的易发性预测的。