0.   引言

随着全球气候变暖和极端天气事件的增多，暴雨引发的地质灾害在全球范围内发生频率显著提升，并造成了严重后果^{[1 − 4]}。尤其是在山地和丘陵地区，降雨诱发的浅层滑坡不仅频率增加，其破坏性也日益显著^{[5 − 8]}。这类滑坡通常具有较高流动性，在短时间内沿坡面快速滑移扩展，造成大面积地表破坏，对区域环境和人类活动构成了重大威胁。浅层滑坡不仅常导致道路阻断和基础设施受损，甚至直接危及人类生命安全^{[9 − 12]}。目前，研究者主要围绕滑坡的编目建立^{[13 − 14]}、空间分布^[15]、滑坡评价^{[16 − 19]}、诱发机制^{[20 − 24]}和监测预警^{[25 − 30]}等方向开展了广泛研究。其中，详细且精确的滑坡数据编目是所有研究的重要基础。滑坡数据编目的主要方法包括基于遥感影像的目视解译法、自动化提取法以及基于地面调查的人工标注法等。目视解译法具有精度高的优势，但耗时较长，且对解译者经验依赖较大^{[31 − 33]}；自动化提取法则能够处理大范围区域的滑坡识别，但在复杂地形条件下容易受到误差干扰^{[34 − 36]}；地面调查法虽然精确，但难以覆盖大范围区域，因此在时效性上存在较大局限性。

2024年4月发生在中国广东省韶关市的极端暴雨事件在短时间内引发了大量浅层滑坡，并造成区域内广泛的基础设施破坏^[37]。尽管已有研究关注到了这次事件并初步对滑坡分布进行了解译。但是受限于时效性，滑坡编目的完整性和精确度有待进一步提高。因此，本研究利用降雨前后的高分辨率卫星影像，结合GIS平台进行目视解译，同时辅以实地调查数据进行验证，最终构建了此次事件诱发的详细滑坡编目库。考虑到降雨型滑坡的失稳过程不仅由单一因素决定，而是多种因素综合作用的结果，本研究在分析滑坡分布时，纳入了地形、地质构造等九类环境控制因素。此外，还通过数理统计分析探索了各个控制因素与滑坡分布的关系。研究结果不仅为强降雨诱发滑坡的易发性研究提供了重要参考，也为区域内滑坡防治措施的制定提供了科学依据。

1.   研究区及事件概况

2024年4月中旬以来，广东省大部分地区遭受持续性暴雨侵袭，特别是在4月16日—22日期间，暴雨和特大暴雨覆盖了包括韶关在内的多个区域，极端降水过程给当地造成了严重影响。据广东省气象服务中心发布，4月1日—30日，广东全省平均雨量497.4 mm，打破4月雨量历史纪录，较常年同期（176.8 mm）显著偏多181%。其中韶关市4月平均雨量是常年3.96倍，为增幅最大（https://weibo.com/2015316631/OcokI8rmB）。图1展示了4月以来韶关市区气象站点数据，其中多日降雨量超过100 mm，最大单日降雨量接近200 mm，累计降雨量更是接近1000 mm。

图  1  4月以来韶关市日降雨量分布图

Figure  1.  Daily rainfall distribution map of Shaoguan City since April

下载: 全尺寸图片 幻灯片

广东省韶关市武江区江湾镇位于粤北地区，地处华南褶皱系的南岭构造带内，区域地形以山地和丘陵为主（图2），整体呈现四周高、中间低的地貌特征。区域内河网发育，水系分布广泛。地质构造复杂，基岩主要由花岗岩和片麻岩组成，上覆地层则以第四纪松散堆积物和风化残积土为主^{[38 − 39]}。受长期构造活动和强降水影响，该地区成为地质灾害高发区，特别是在暴雨等极端天气条件下，滑坡和泥石流等灾害频率显著增加^[40]。在2024年4月的极端暴雨事件中，江湾镇作为粤北暴雨中心之一，降雨量远超常年均值，极端降水引发了大量山体滑坡灾害，导致多条道路中断，房屋倒塌，基础设施严重受损，给区域经济和居民生活带来了巨大影响。

图  2  研究区位置及概况图

Figure  2.  Location and overview map of the study area

下载: 全尺寸图片 幻灯片

2.   数据与方法

已有研究表明，降雨诱发的浅层滑坡在遥感影像上通常表现为显著的色调变化和纹理特征差异。本研究利用高分辨率光学遥感卫星影像，采用人工目视解译的方法提取滑坡数据。具体而言，基于Planet卫星3月和4月的月度合成影像（空间分辨率为3 m），通过对比降雨前后多时相影像，能够精准识别此次暴雨触发的滑坡位置与边界，同时有效剔除非此次降雨事件引发的滑坡，从而确保数据的高精度和时效性。

如图3所示，图3（a）（b）展示了同一区域在降雨前后的遥感影像，滑坡区域在降雨后显现出明显的地表裸露特征，其边界以黄色线条标注。类似地，图3（c）（d）为另一处区域的影像对比，也清晰反映了降雨导致的滑坡发生范围。为进一步验证遥感解译结果，本研究结合了灾害发生后的现场调查，如图3（e）（f）所示。图3（e）拍摄于现场滑坡点，图3（f）记录了另一处滑坡现场，照片显示了滑坡坡面破坏和周边环境的具体情况。通过实地观测的滑坡特征，对遥感影像上降雨滑坡的解译标准进行调整优化，尽可能保证数据的可靠性和准确性。

图  3  滑坡前后遥感影像对比图及实地滑坡调查图

Figure  3.  Comparison of remote sensing images before and after the landslide and field landslide investigation

下载: 全尺寸图片 幻灯片

影响因子的选择方面，我们考虑了相关的研究成果和经验，包括已有文献中对降雨触发滑坡分布规律和易发性的分析^{[41 − 45]}，同时也参考了研究区域的具体情况^{[41, 46 − 48]}。对所选因子进行了相关性分析，参考Pearson相关系数和统计意义对高度相关且冗余的因子进行剔除。例如研究区范围较小，所涉及的岩性较为单一（花岗岩残积土为主），就本研究范围而言，其统计价值相对有限，因此后续未进一步分析。值得一提的是，尽管岩性在统计分析层面暂未凸显关键作用，但鉴于具有较强代表性，因此该区域是开展物理模型试验的理想研究区。最终我们选取高程、坡度、坡向、剖面曲率、相对坡位指数、地形湿度指数、土地利用类型、距离道路距离和距离河流距离纳入分析范围。

对于影响因子的计算，本研究采用了30 m分辨率的数字高程模型（digital elevation model，DEM）数据，其具体来源为Copernicus DEM（https://doi.org/10.5270/ESA-c5d3d65），直接反映了高程信息。基于GIS软件的表面分析功能计算DEM中的坡度、坡向和剖面曲率。基于地形分析功能，计算获得相对坡位指数和地形湿度指数。土地利用类型数据来源于中国科学院发布的30 m分辨率GLC_FCS30D数据（https://zenodo.org/records/8239305），本文对其进行了分类和重分类，以方便后续分析。水系和道路数据则基于自然资源部发布的全国1∶100万基础地理信息（https://www.webmap.cn/）。本文对水系和道路进行距离分析，确定各研究区各点位置到水体及道路的实际距离，得到距离数据。上述因子最终均以30 m分辨率的栅格TIFF 格式导出并进行后续分析。具体研究区的因子分布如图4所示，其中图4（g）的土地利用类型在表1中具体列出，提供了各影响因子的地理位置和分布情况。

图  4  研究区环境因子

Figure  4.  Environmental factors in the study area

下载: 全尺寸图片 幻灯片

表  1  土地利用类型编号

Table  1.  Land use type codes

编号	具体类型
10	雨养耕地
11	草本植被覆盖
20	灌溉耕地
51	开阔常绿阔叶林
52	封闭常绿阔叶林
61	开阔落叶阔叶林
62	封闭落叶阔叶林
71	开阔常绿针叶林
72	封闭常绿针叶林
120	灌木地
121	常青灌木地
180	湿地
190	不透水面
210	水体

下载: 导出CSV 

| 显示表格

尽管部分因子分辨率与遥感影像分辨率（3 m）存在差异，但二者的适用目的并不相同：高分辨率影像用于精准解译滑坡边界与位置，确定滑坡区域。而因子数据旨在提取区域尺度的控制因素（如坡度、地形湿度指数等），揭示滑坡分布与地形因子的普遍规律。因子分辨率的精度可能会在一定程度上导致结果的偏差。但受限于数据获取限制与难度，文中所采用的数据已是目前研究区公开可获取的高分辨率的因子数据。此外，本研究关注的是区域尺度滑坡分布与地形因子的统计规律，而非单点精度，因此分析结果仍具有代表性和可靠性。

3.   结果与分析

3.1   滑坡数据库及空间分布

解译结果表明，此次降雨事件在研究区范围内共计触发6310处浅层滑坡。图5展示了2024年4月韶关暴雨事件后，在研究区内解译的滑坡分布与密度情况。滑坡密度图以栅格单元为统计单元，1 km为搜索半径，计算得到滑坡的数量密度。直观呈现了滑坡的空间分布特征和密集区域。从滑坡数量地理分布来看，呈现显著的空间聚集性。在图5标注的1、2、3、4四个区域，滑坡密度明显高于周围区域，达到了每平方千米分布有近150个滑坡。这些高密度区域整体呈现北东—南西的趋势。

图  5  滑坡编目展示

Figure  5.  Landslide inventory display

下载: 全尺寸图片 幻灯片

图5（b）（c）子图为图5（a）中标注的1和2区域的放大图，图3（b）（d）为图5（a）中标注的3和4区域的放大图，展示了滑坡在遥感影像上的具体形态特征。结合实地调查发现，上述高密度区域均位于省道S520（江湾段）两侧。

此次降雨事件触发的滑坡的总面积达到5.85 km²，其中最大面积为22368.6 m²。图6展示了滑坡面积-滑坡密度图。并用对数正态分布函数进行拟合。随着滑坡面积的增加，滑坡密度先增加然后逐渐减少。这意味着小型规模的滑坡更为常见，集中在10²～10³ m²，而大型滑坡则相对较少。具体的统计结果表明，有3853处滑坡面积在10²～10³ m²，占总滑坡数量的66.7%，这些滑坡的总面积达到1.72 km²，占滑坡总面积的29.9%。

图  6  滑坡面积-滑坡密度图

Figure  6.  Landslide area-density graph

下载: 全尺寸图片 幻灯片

3.2   几何形态特征分析

在滑坡流动性分析中，滑坡的几何形态参数是反映其运动特征的关键指标^{[49 − 51]}。根据国际工程地质与环境协会（IAEG）滑坡术语专委会（C37-Landslide Nomenclature）工作组的研究成果，选择开源测量工具ALPA对滑坡几何形态参数进行提取^[52]。图7（a）展示了降雨滑坡面积与滑行距离之间的关系。通过频率直方图显示，最大滑行距离为311.62 m，大部分滑坡的滑行距离在75 m以下，占比80.84%，共有4672处。其中，滑行距离在25～50 m之间的滑坡有2137处，占比37%。散点图的横坐标为滑坡面积（A）纵坐标（L），数据点通过颜色变化表示密度。采用幂律拟合模型得到的曲线（式1），其R²值为0.78，清晰地展示了滑坡面积与滑行距离之间的正相关趋势，并提供95%置信区间和预测区间。直方图的纵坐标与散点图保持一致，进一步支持所观察到的趋势。

图  7  区域滑坡形态特征统计

Figure  7.  Statistical chart of regional landslide morphological characteristics

下载: 全尺寸图片 幻灯片

式中：L——滑行距离/m；

A——滑坡面积/m²。

图7b 显示了滑坡面积（A）与滑坡长宽比（ε）之间的关系。直方图表明，ε值最高可达16.49，主要集中在1～4，占比67.23%，共有3 885处滑坡。尽管两者之间存在一定相关性，但由于数据复杂性，无法用单一数学模型准确拟合。因此，研究采用包络线（式2）描述总体趋势，绝大多数滑坡散点位于包络线以下，高密度区域集中在面积10²～10³ m²，ε值在1～4，表明这类滑坡更为常见。随着面积增大，长宽比通常增高，这反映出较大滑坡往往形状更为延展；同时，数据的高度分散性提示，不同滑坡之间的几何变异性源自多种因素，如地形特征、地质构造和环境条件。

式中：ε——滑坡长宽比；

A——滑坡面积/m²。

图7（c）展示了滑坡（L）与高差（H）之间的关系。大部分滑坡的高差为20 m以下，包括3183处滑坡，占比55.08%，最大滑坡高程达到132.49 m。采取线性模型得到的拟合线表明滑行距离与高差呈显著正相关（式3），拟合模型的R²为0.63。这表明随着高差的增加，滑坡的滑行距离也趋于增加。这意味着，较高的滑坡起始点往往导致更远的滑行距离。这种关系与滑坡的动力学过程相关，其中高差提供了更多的势能，从而增加了滑坡体的动能和流动性。

式中：H——滑坡高差/m；

A——滑坡面积/m²。

图7（d）展示了滑坡的H/L与滑坡面积（A）之间的关系。在滑坡动力学研究中，H/L是衡量滑坡能量转化与运动特性的重要指标之一。从理论上讲，当H/L值较小时，意味着在相对较小的高差下能够实现较长的滑行距离，这表明滑坡体在运动过程中能够更有效地将重力势能转化为动能，并且在运动过程中受到的阻力相对较小。因此在一些研究中，该指标也被用于反映滑坡的流动性^{[53 − 56]}。此次事件触发的滑坡的H/L主要分布在0.2～0.6，包括3563处滑坡，占比61.65%，呈现出区域浅层滑坡的强流动性特征。

在散点图中，大部分滑坡均位于我们得到的包络线之下（式4）。在这之中，滑坡的H/L与面积之间存在一定的负相关关系。这意味着，随着滑坡面积的增加，H/L有减小的趋势。

式中：H——滑坡高差/m；

L——滑行距离/m；

A——滑坡面积/m²。

3.3   控制因素分析

3.3.1   滑坡数量和滑坡面积

滑坡数量和滑坡总面积在不同高程区间内的分布存在显著差异，见图8（a）。滑坡主要集中在海拔150～350 m，其中200～250 m区间内的滑坡数量（1369个）和滑坡总面积（约1.446 3×10⁶ m²）达到峰值。从总体趋势来看，滑坡数量和总面积在150～350 m呈现快速增加，随后在350 m以上逐渐减少。在500 m以上的高海拔区域，滑坡数量和总面积显著下降。

图  8  滑坡与控制因素关系分析

Figure  8.  Analysis of the relationship between landslides and controlling factors

下载: 全尺寸图片 幻灯片

坡度是影响滑坡发生的重要地形因子，直接决定了地表重力分量、降雨汇流速度以及土壤稳定性等关键特性。一般来说，坡度较大的区域更容易因降雨诱发滑坡，因为陡峭的坡面使得抗剪力不足以抵抗重力和孔隙水压力的增大^{[57 − 58]}。从统计分析结果来看，见图8（b），滑坡主要集中在坡度16°～28°，其中20°～24°区间的滑坡数量（1228个）和滑坡总面积（约1.183 1×10⁶ m²）均达到峰值。本文分析该现象主要由以下原因导致：从图4（b）可以看出，在研究区范围内，高坡度区间面积占比非常小，尽管在理论上应存在更高的滑坡概率，但实际的滑坡数量和面积受限于其实际面积的局限。此外，在其他广东省区域的降雨滑坡研究中，包括韶关市^[37]、揭西县^[14]、陆河县^[59]、龙川县^{[10, 60]}的研究中，都存在滑坡主要分布于坡度45°以下范围的结论。综合现有研究，研究区基岩主要由花岗岩和片麻岩组成，上覆地层以第四纪松散堆积物和风化残积土为主，其他区域具有相似的岩性组成。关于此类岩性的滑坡失稳机制研究中提到，降雨过程中，由于降雨强度远高于花岗岩残土渗透系数，强降雨主要影响边坡浅表层，未入渗的雨水产生地表径流，通过浅表面滑动破坏。在斜坡浅表饱和区产生饱和渗流场，并演变成分布不均匀的特征，即在斜坡中下部饱和区厚度大于上部饱和区的厚度，因此坡体中下部变形破坏较多，对应坡度较缓的区域^{[60 − 61]}。此外广东省对坡度大于25°的区域规定了林木采伐限制，也是该现象的支持原因之一^[7]。

已有研究表明，山区迎风坡地带往往具有更高的降雨量^{[62 − 64]}，因此能够接收更多降雨的水动力影响以及其坡面汇水能力增强，因此相对其他坡向，迎风坡滑坡分布更为集中^{[33, 65]}。本研究中，滑坡数量和面积在东坡（E）和东南坡（SE）上达到峰值，其中东坡滑坡数量为1082个，总面积为96.78×10⁴ m²，东南坡滑坡数量为1026个，总面积为95.97×10⁴ m²。此外，南坡（S）滑坡数量为976个，总面积略高于东坡和东南坡，达到97.20×10⁴ m²。相较之下，北坡（N）、西北坡（NW）和东北坡（NE）的滑坡数量和总面积显著较少，见图8（c）。这同样与周边其他地区的研究具有相似的趋势^{[10, 14]}。广东省属于亚热带季风气候，副热带高压、暖湿夏季风、北方冷空气和台风是影响广东省整体降雨情况的关键因素^[64]。4月为华南前汛期阶段^[66]，南海夏季风还未暴发，因此偏南的暖湿气流是该地区的主导风向^{[67 − 68]}。因此该现象符合暴雨期间山体迎风坡向滑坡分布远多于背风坡向的规律。

3.3.2   剖面曲率

剖面曲率用于描述地表在沿坡面垂直于坡度方向的曲率特征。它反映了地表在沿坡面的切线方向上的弯曲程度，通常用此曲率来表征流体在重力作用下在表面上的向下加速和减速，因此可以反映降雨地表径流的汇集或分散程度^{[69 − 70]}。剖面曲率为0～0.005内滑坡总面积最大，约为200.65×10⁴ m²，而滑坡数量在−0.005至0区间最高，为2 057个，见图8（d）。在更典型的凹形地形中（剖面曲率为−0.01至−0.005）中，滑坡数量较多，共计904个，但其滑坡总面积较小，约66.92×10⁴ m²。这表明凹形地形更易形成小规模滑坡，可能是由于汇水作用增强了局部水动力条件，导致坡体局部失稳而触发较多小型滑坡。而在典型凸形地形（剖面曲率为0.005至0.01）中，滑坡数量减少，为734个，但滑坡总面积更大，约为94.54×10⁴ m²，说明凸形地形虽然滑坡数量较少，但倾向于形成规模更大的滑坡。这可能是因为凸形地形的水分分散条件较好，土壤水分更易沿坡体流失，从而需要更大的外界触发条件（如强降雨或高坡度）才能导致滑坡，而一旦触发，滑坡的规模则更大。

3.3.3   地形湿度指数

地形湿度指数主要用于评估土壤湿度的空间分布影响^{[71 − 72]}。从统计结果来看，见图8（e），地形湿度指数值在4至5的区间内，滑坡数量和总面积均达到峰值，分别为2 695个和约283.64×10⁴m²。这表明该区间是滑坡的高发区。

3.3.4   相对坡位指数

相对坡位指数通常是滑坡发生的起点位置。图8（f）表明，滑坡主要集中在相对坡位指数值接近0的区间（−0.2～0.2），对应斜坡中部区域。其中相对坡位指数为0～0.2的区间滑坡总面积最大，约为1.338 2×10⁶ m²，滑坡数量为1301个；而在相对坡位指数为−0.2～0的区间滑坡数量最多，为1340个，总面积为1.181 5×10⁶ m²。

3.3.5   距河流距离

河流在降水诱发滑坡中扮演着重要角色，其主要影响机制包括水动力侵蚀作用、地下水位变化以及河流汇流对边坡稳定性的影响。距离河流的远近直接决定了河流对坡体侵蚀和潜在滑坡影响的强弱^{[73 − 74]}。从统计结果来看，见图8（g），滑坡数量和滑坡总面积随距离河流的增加而呈现显著递减趋势。距离河流100 m以内的区域内滑坡最为集中，滑坡数量为1396个，总面积约为1.277 8×10⁶ m²。这表明河流附近的边坡因受侵蚀和冲刷作用影响较大，坡体稳定性显著降低，成为滑坡的高发区域。

3.3.6   距道路距离

道路是影响滑坡发生的重要人为因素，其主要作用包括对坡体的直接切割、排水系统的改变以及地质结构的扰动。道路施工和交通荷载会显著降低坡体的稳定性。图8（h）显示，在距离道路100 m内的区域，滑坡数量为904个，总面积约为78.16×10⁴ m²，距离道路100～200 m的区域滑坡数量有所减少，为740个，但滑坡总面积略有增加，达到约81.71×10⁴ m²。随着距离的增加，滑坡数量和面积逐步减少。尽管研究区土地利用类型丰富，但是实际上滑坡主要集中分布的土地利用类型较少。因此我们对原有细分的类型进行了合并。图8（i）显示，阔叶林区域滑坡最多，数量达到4102个，总面积约为3.802 9×10⁶ m²，占总滑坡分布的绝大多数。此外耕地区域滑坡数量为378个，总面积约为32.36×10⁴ m²。这也反映了此次降雨时间对农业经济的严重影响。

4.   讨论

近年来，随着全球气候变暖和极端天气事件的日益频繁，强降雨诱发的地质灾害正呈现出更高的发生频率和更大的破坏性^{[3, 75 − 76]}。相关研究中，滑坡编目数据库的完善与标准化是未来的重要研究方向。在我国西南山区，研究者对2017年6月8日，重庆西部平行岭谷地区的暴雨事件进行分析，得到滑坡487处^[15]。得到2023年7月4日重庆万州暴雨触发滑坡946处^[77]。在黄土高原地区，研究表明2013年天水地区强降雨过程中触发黄土滑坡54000处^{[78 − 79]}。在东南沿海地区，相关研究区域涉及了福建^{[80 − 81]}、广东^{[10, 14, 37]}、浙江^{[65, 82 − 83]}和安徽^{[84 − 85]}多省。图9展示了部分具有明确滑坡数量和面积的研究。降雨滑坡的规模效应在本研究中有所体现，但尚需更广泛的数据支撑。图9中的拟合趋势线表明，滑坡数量与滑坡面积之间存在明显的线性正相关关系。但是区域之间的差异性依然存在。这种差异可能与区域降雨强度、地形地貌特征以及土地利用类型等控制因素密切相关。未来研究应结合遥感解译与地质调查，进一步揭示不同区域滑坡触发的主控因素及其对滑坡规模的影响。例如量化降雨强度-历时与滑坡规模的关系，将是下一步研究的重要方向。

图  9  我国近年部分强降雨事件触发滑坡情况，数据来源公开发表的论文^{[10, 14 − 15, 37, 80 − 82, 85 − 86]}

Figure  9.  Recent landslide events triggered by heavy rainfall in China, data sourced from published papers^{[10, 14 − 15, 37, 80 − 82, 85 − 86]}.

下载: 全尺寸图片 幻灯片

气候变化对极端降雨事件的驱动作用需要更多关注。近年来，东南沿海地区受台风和梅雨季节的影响，极端降雨事件愈发频繁^{[87 − 88]}。台风-暴雨-滑坡灾害链效应也逐步加剧，图中多个东南沿海省份的事件的时间分布也体现了这一趋势。这表明未来可能需要更多地将气象预报与滑坡灾害防控相结合，构建动态监测和实时预警体系，从而减少极端天气带来的损失。此外，尽管当前降雨触发滑坡数据库的研究逐步丰富，但在滑坡定义、编目精度和分类方法上可能存在一定的差异。为提高研究的对比性和适用性，未来应推动滑坡数据库的标准化和开放共享，从而为更高效的滑坡灾害预测模型提供基础。

5.   结论

（1）滑坡空间分布特征。本次暴雨诱发的浅层滑坡总计6310处，滑坡分布密度在北东—南西向的某些区域显著升高，表现出强烈的空间聚集性。滑坡总面积达5.85 km²，单个滑坡面积以10²～10³ m²的小规模为主，占比66.7%。大面积滑坡相对较少，主要分布在局部高坡度区域。

（2）滑坡形态特征。滑坡的几何形态特征表明，滑行距离与滑坡面积呈幂律相关，滑坡长宽比主要集中在1～4，占比67.23%。滑坡高差大多数小于20 m，但高差较大的滑坡通常具有更长的滑行距离。滑坡的H/L主要分布在0.2～0.6，反映了浅层滑坡的高流动性特征，且滑坡规模增大时H/L呈下降趋势。

（3）控制因素分析。滑坡的发生受到多种地形因子和环境条件的综合影响。高程（150～350 m）和坡度（16°～28°）是滑坡的高发区间，其中高程200～250 m和坡度20°～24°的滑坡数量和面积均达到峰值。东坡和东南坡的滑坡数量和面积显著高于其他坡向，这与坡面的降雨汇水能力和水动力条件密切相关。地形湿度指数在4~5区间时滑坡最为集中，表明中等湿度条件下坡体更易失稳。滑坡数量随距离河流和道路的增加显著递减。距河流100 m以内区域滑坡数量最多，为1396处，显示出河流侵蚀作用对边坡稳定性的影响显著。距道路100 m以内的滑坡数量为904处，表明道路施工引发的边坡失稳问题需特别关注。

本研究通过目视精确解译构建了此次降雨事件触发的详细滑坡编目，统计并揭示了自然因素和人为活动对滑坡触发的影响，为滑坡灾害风险评估提供了重要支持。未来研究需进一步结合动态降雨强度—历时模型与地质条件，深入揭示极端天气背景下滑坡的触发机制与空间规律。同时，建议加强区域性滑坡数据库的标准化建设，并发展基于气象数据的实时监测与预警系统，以应对气候变化带来的地质灾害挑战。