80、降雨诱发滑坡风险降低与脑机接口中视觉隐蔽注意转移解码研究

降雨诱发滑坡风险降低与脑机接口中视觉隐蔽注意转移解码研究

降雨诱发滑坡早期预警系统相关研究

不同国家的组织采用了不同技术来实施滑坡早期预警系统（LEWS），但目前仍在研究寻找一种可靠的方法，以便在滑坡发生前发出通知。LEWS可分为全球、区域或本地系统，分别在广泛、区域或局部地区规模运行。

区域LEWS通过监测气象参数，预测大面积区域内降雨诱发的滑坡发生情况，并向民众和负责灾害管理的当局发出警报，例如香港山泥倾泻预警系统、美国旧金山湾区的LEWS以及印度尼西亚爪哇的LEWS。本地LEWS则监测特定小斜坡上诱发滑坡的参数，并向相关人员发出警告，挪威的Åknes岩石斜坡就是此类典型案例。

区域LEWS使用气象站、雷达等昂贵技术，欠发达国家难以承担，且其覆盖区域的准确性和可靠性也是挑战。本地LEWS可以克服区域LEWS的不同挑战。LEWS的可靠性依赖于合适的降雨阈值，但由于依赖历史数据确定阈值，其预测能力有限，主要问题在于雨量计站点空间分布不佳导致的准确性问题，因此本地LEWS需要特定地点的降雨数据。

本研究旨在设计和开发一种针对特定地点的低成本LEWS原型（SSLEWS）。研究采用了土壤湿度数据，因为近期研究表明水文阈值可以提高预测能力。通过实地实验确定了不同地点的降雨和土壤湿度阈值，这些阈值因地质环境特征（如坡度、土壤类型和土地覆盖）而异。

数据与系统架构

• 降雨和土壤湿度 ：区域LEWS考虑当前和前期降雨、强度和持续时间等不同降雨特征。本地LEWS则根据个人经验（或专家判断）使用更多参数监测滑坡事件，土壤湿度已被证明是最有用的参数之一。
  为确定不同区域的降雨阈