近日，成都理工大学地质灾害防治与地质环境保护国家重点实验室黄润秋教授、许强教授、汤明高教授等人在《科技纵览》杂志撰文发布了国家973计划项目“大型隐蔽性滑坡致灾因子识别、前兆信息获取与预警方法研究”的阶段性成果，针对大型滑坡这种隐蔽性灾难，app家们从多源立体智能观（探）测、关键致灾因子分析、成灾模式早期识别、预警预报技术研究等四个方面，探索出了一套行之有效的大型隐蔽性滑坡的预警之道。

目前明升中国有百万余处地质灾害点（含隐患点），其中重特大地质灾害点3.4万余处，在常见的各类地质灾害中，滑坡的数量占灾害总量超过70%，大型滑坡造成的人员伤亡又占总伤亡人数的70%左右。为攻克大型滑坡的预测预警这一世界性难题，成都理工大学与同济大学、武汉大学、明升中国app院测量与地球物理研究所、成都山地灾害与环境研究所、遥感与数字地球研究所、明升中国地震台网中心等8所高校和科研院所组成联合研究团队，通过研发和发展现代先进观（探）测技术手段和方法，首次提出了大型滑坡的天-空-地-内一体化多源立体智能观（探）测，实现了多源传感器网络智能集成、实时传输和分析处理。

据了解，传统的滑坡预报都主要根据滑坡的常规监测数据进行拟合外推预报，由于没有考虑滑坡的具体类型、成因模式、诱发因素等，因此很难对具体滑坡做出真正准确的预测预报。联合研究团队研究了热带低频振荡对云贵高原与四川盆地等地强降水的影响，研发了中期延伸期预报方法、考虑地形和雨量条件的红层地区浅层土质滑坡预警模型、基于机器学习的滑坡多源观测数据融合与位移预测模型，以及滑坡地质-力学-变形耦合分析预警模型等。从大型滑坡演化过程和成灾机理出发建立的预警模型，使得滑坡预警条件变得更加充分，进一步提高了滑坡预警预报的精度和成功率。目前该成果已在四川丹巴和甘肃黑方台地区的滑坡预警实践中得到了有效应用，避免了人员伤亡。

联合研究团队在近10年积累的研究经验的基础上，通过一系列大型模型试验、模拟分析和野外观测研究探索，提出了基于关键致灾因子的大型隐蔽性滑坡分类方案和成因机理模式体系，揭示了4种关键致灾因子、10余类典型滑坡长期演化过程及其地质力学行为机理。同时，为了更加准确且形象地表达和描述滑坡地质结构、变形破坏状态和变形特征、临滑前兆等信息，在研究查明不同类型滑坡演化过程中的“关键致灾因子”的基础上，联合研究团队首次系统地建立了大型隐蔽性滑坡成灾模式的三维识别图谱及识别指标体系，从而可以据此进行滑坡早期识别和临滑前兆判别。该成果进一步丰富和完善了国际滑坡分类标准，为滑坡识别预警提供了重要的理论基础，从而大大提高了大型隐蔽性滑坡识别的准确率和效率。