本文面向高密度山地城市滑坡风险在气候变化与人口集聚作用下的动态演化问题，提出基于 INLA 的贝叶斯时空统计模型，对香港 2010—2021 年历史滑坡易发性进行重建，并在 SSP1-2.6、SSP2-4.5 和 SSP5-8.5 气候情景下推演 2021—2100 年未来滑坡易发性及人口暴露变化。模型将滑坡发生视为伯努利过程，在广义线性混合模型框架中显式加入 iCAR 空间随机效应和 AR1 时间随机效应，从而同时刻画空间自相关、时间依赖和未来气候非平稳性。研究进一步耦合高分辨率人口格网，识别“高易发—高暴露”复合风险热点，为气候韧性城市规划和精细化灾害管理提供依据。
传统滑坡易发性评价多依赖机器学习或统计模型，通常假设样本独立且环境关系稳定，容易生成某一时期的静态易发性图。然而在气候变化、高强度降雨增加和城市人口持续集聚背景下，滑坡风险具有明显的时空动态性，必须同时考虑地形、降雨、植被、道路和人口暴露的未来变化。
邻近斜坡单元在地形、岩性、风化程度和降雨响应上具有相关性，独立样本假设会低估空间依赖。
极端降雨和植被状态随年份变化，滑坡易发性并非固定不变，而会随气候扰动和坡面物质状态波动。
仅有易发性图不足以支持风险管理，高密度城市还需要评估人口和建成区在未来高易发区中的暴露变化。
研究采用贝叶斯广义线性混合模型，将滑坡发生建模为伯努利过程，并通过 Logit 链接函数连接环境因子、空间随机效应和时间随机效应。INLA 算法用于高效近似后验分布，避免传统 MCMC 在大规模时空模型中的高计算成本。
模型将空间位置 s、年份 t 上的滑坡发生概率表示为环境因子固定效应、空间随机效应和时间随机效应之和。固定效应刻画坡度、降雨、植被、道路密度等驱动因子；随机效应用于补偿未观测空间异质性和时间依赖。
空间随机效应采用内禀条件自回归结构，通过相邻斜坡单元之间的邻接关系表达空间自相关，使模型能够平滑局部随机波动，并捕捉地形和地质背景导致的空间异质性。
时间随机效应采用一阶自回归结构，使某一年易发性不仅受当年环境条件影响，也受上一年坡面状态和历史扰动记忆影响。这有助于解释极端降雨后滑坡物源消耗带来的滞后调整现象。
研究将 9 个全球气候模型降尺度至 1 km，构建 SSP1-2.6、SSP2-4.5、SSP5-8.5 三类未来降雨情景，并进一步耦合 2021—2100 年高分辨率人口格网，用于识别未来高易发性与高人口暴露叠加区域。
历史重建表明，坡度和年最大日降雨对滑坡发生具有最显著正向影响；高程和 EVI 呈负相关，说明高海拔裸岩区和植被覆盖较好区域的易发性相对较低。模型验证结果显示，该贝叶斯时空模型具有较高判别能力和未来外推能力。
| 分析内容 | 主要结果 | 解释 |
|---|---|---|
| 主控因子 | 坡度系数 0.610，年最大日降雨系数 0.579。 | 陡坡提供失稳条件，极端日降雨是最直接的动态触发因子。 |
| 负向因子 | 高程系数 -0.118，EVI 系数 -0.059。 | 高海拔区可能缺乏松散物质或基岩裸露，植被有助于增强坡面稳定性。 |
| 时间趋势 | 2014、2016、2018 年出现易发性峰值，随后快速下降。 | 极端降雨触发滑坡并消耗松散物源，导致短期内出现“物源耗竭—滞后恢复”。 |
| 未来验证 | 2022—2023 年新滑坡独立验证中，各情景 AUC 均高于 0.78。 | 模型在未参与训练的新事件中仍具有较好的空间预测能力。 |
本文提出的 INLA 贝叶斯时空框架，为高密度山地城市开展长期滑坡风险动态评估提供了可解释、可扩展的方法。研究不仅识别当前高风险区域，也揭示未来不同气候与人口情景下风险热点如何迁移和强化。
模型显式考虑空间自相关和时间依赖，弥补传统静态易发性制图难以表达时空随机效应的不足。
高排放情景下中高易发区扩张明显，香港岛半山区和九龙北部山麓面临更高复合风险。
结果可为气候韧性城市规划、山坡地开发管控、排水系统强化和人口暴露削减提供依据。