大范围海域表面水温的持续变化会影响全球的大气环流，使得全球气候异常，极端天气频发，如厄尔尼诺现象和拉尼娜现象。厄尔尼诺现象发生时，太平洋东部和中部热带海洋的海水温度会异常升温，致使全球气候模式发生变化，使得原来干旱少雨的地方发生洪涝灾害，而通常多雨的地方反而出现长时间的干旱少雨；而拉尼娜现象发生时，情况正好相反，赤道太平洋东部和中部海面温度会异常地持续降温，致使全球气候模式发生变化，使得干旱的地区更加干旱，多雨的地区暴雨成灾，亦称反厄尔尼诺现象。
上述全球气候异常现象发生时，往往会诱发大量灾难性滑坡。学界普遍认为这些滑坡灾害的发生很可能受到极端降雨的调控，但是对于这种联系的内在机制，特别是由厄尔尼诺南方涛动（ENSO）引起的多年降雨模式变化对全球滑坡灾害影响效应的认识还十分不清。因此，开展厄尔尼诺现象和降雨型滑坡灾害影响在全球范围内的关联性研究，对于全球地质灾害防灾减灾具有重要的指导意义。
最近，美国宇航局戈达德航天中心水文科学实验室的Robert Emberson等人，结合多卫星综合反演（NASA’s IMERG）获取的自2000年至今的全球降雨记录和全球滑坡趋势分析模型（LHASA），利用多元ENSO指标（MEVI）定量刻画了厄尔尼诺强度，首次从全球尺度研究了ENSO与降雨型滑坡灾害影响的关联性，发现ENSO通常会对全球总降雨量和极端降雨模式产生显著影响。
图1为2000年至今北半球夏季和冬季厄尔尼诺高峰和拉尼娜高峰之间的平均日降雨量差值分布特征，可以看出ENSO主要影响环太平洋的降雨模式，大部分的降雨变化发生在海洋区域，主要受厄尔尼诺现象调控，但在拉丁美洲、加勒比地区、东南亚地区和印度也观察到了显著变化，主要受拉尼娜现象调控，而这些地区正是全球遭受降雨滑坡灾害最为严重的地区。图1A和图1B共同说明了ENSO引起全球降雨模式变化的区域差异特征。
图1 北半球夏季和冬季厄尔尼诺高峰和拉尼娜高峰之间平均日降雨量差值的全球分布特征。2015年为夏季厄尔尼诺高峰，2010年为夏季拉尼娜高峰，2015-2016年为冬季厄尔尼诺高峰，2007年为冬季拉尼娜高峰。A对应于7月-9月的结果，B对应于11月到来年1月的结果。红色区域（正值）表示厄尔尼诺期间降雨多于拉尼娜期间降雨，蓝色区域（负值）表示拉尼娜期间降雨多于厄尔尼诺期间降雨（Emberson et al., 2021）
在此基础上，他们分析了全球38257个地区的人口和基础设施等对滑坡暴露度的季节性变化特征。图2为哥伦比亚普兰达斯地区、印度科努尔地区和我国郴州地区的人口对滑坡暴露度的分析结果。可以看出MEVI与暴露人口数量具有很强相关性，拟合曲线的斜率越大表明暴露人口数量受ENSO影响越显著。三个地区的暴露人口数量随季节的变化特征各异，其中科努尔地区主要呈现出单峰变化，普兰达斯地区主要在春季和秋季达到峰值，而郴州地区随季节变化不明显，这表明该区ENSO是主控因素。
图2 2000-2019年全球三个典型区域的人口对滑坡的暴露度情况。A为月平均暴露人口数量，蓝色到红色为MEVI相应的取值，红色表示厄尔尼诺效应更强，蓝色表示拉尼娜效应更强，点的大小表示强度的相对变化。B为月平均暴露人口数量和MEVI之间的变化关系（Emberson et al., 2021）
从以上三个典型区域的分析结果可以看出，ENSO对潜在滑坡灾害的暴露人口数量具有显著影响。下一步，研究者们给出了全球范围内这种影响的分布，厘定出ENSO显著影响的区域并给出了刻画量值（如图3）。从图中可以看出，存在两个关键区域——东南亚和拉丁美洲的北部，随着ENSO转变为厄尔尼诺状态，哥伦比亚、菲律宾、印度尼西亚的人口暴露度可能会大范围减少，然而这些国家是全球降雨型滑坡灾害最为发育的区域，这表明厄尔尼诺现象对滑坡承灾体暴露度的影响要比季节性降雨变化的影响更为显著。
图3 ENSO对滑坡灾害人口暴露度影响程度的全球分布。蓝色区域代表拉尼娜状态引起更多滑的坡暴露度，红色区域表示厄尔尼诺引起更多的滑坡暴露度（Emberson et al., 2021）
以上研究首次从全球范围揭示了海气作用遥相关——特别是ENSO与降雨型滑坡灾害影响之间的关联性。拉尼娜现象能导致全球不同环境下较大的滑坡承灾体暴露度，其中南美洲北部、中美洲和加勒比海以及印度尼西亚、巴布亚新几内亚和菲律宾的承灾体暴露度增幅最大，主要受到总降雨量的控制。相比之下，厄尔尼诺现象似乎仅能促使较少地区的滑坡承灾体暴露度增加，包括中亚、中国东部的部分地区和墨西哥，主要受到极端降雨量的控制。这些研究结果对于预测未来十年全球气候变化诱发降雨型滑坡灾害的人员死亡和基础设施损失至关重要，同时可促进当前对全球气候变化与地质灾害发育变化的认识，可为降雨型滑坡灾害的防灾减灾提供科学依据。
主要参考文献
Emberson R, Kirschbaum D, Stanley T. Global connections between El Nino and landslide impacts[J]. Nature Communications, 2021, 12(1): 1-11.（原文链接）
Huffman G J, Bolvin D T, Braithwaite D, et al. Integrated multi-satellite retrievals for the Global Precipitation Measurement (GPM) mission (IMERG)[M]//Satellite precipitation measurement. Springer, Cham, 2020: 343-353.
Wolter K, Timlin M S. El Ni？o/Southern Oscillation behaviour since 1871 as diagnosed in an extended multivariate ENSO index (MEI. ext)[J]. International Journal of Climatology, 2011, 31(7): 1074-1087.
Froude M J, Petley D N. Global fatal landslide occurrence from 2004 to 2016[J]. Natural Hazards and Earth System Sciences, 2018, 18(8): 2161-2181.
Kirschbaum D, Stanley T. Satellite-based assessment of rainfall‐triggered landslide hazard for situational awareness[J]. Earth's Future, 2018, 6(3): 505-523.
Emberson R, Kirschbaum D B, Stanley T. New global characterization of landslide exposure[J]. Natural Hazards and Earth System Sciences, 2020, 30: 1-21.
（撰稿：黄晓林, 薛雷, 郑博文/页岩气与地质工程室）
