南京师范大学学者基于大语言模型新闻文本挖掘构建中国高精度滑坡事件目录

点击蓝字 关注我们

研究背景

滑坡是造成生命财产损失的重要地质灾害之一。中国是全球受滑坡威胁较高的国家之一，滑坡在地质灾害中占比很高，并长期带来显著经济损失。对于滑坡易发性、危险性与风险评估而言，历史滑坡事件目录是最基础的数据资源：只有掌握事件的发生时间、空间位置、触发因素和灾害后果，才可能进一步分析滑坡的时空分布规律及其与降雨、地震、地形地貌和人类活动之间的关系。

然而，现有中国大陆滑坡目录仍存在明显不足。官方统计往往提供年度或省级总量，缺少精细事件级时空信息；一些全球目录虽然记录滑坡事件，但可能偏向重大或致死事件，且中国区域记录并不完整。表1概括了论文中梳理的中国大陆主要开放滑坡目录及其局限，可以看到，公开目录在时间连续性、空间覆盖和详细属性信息之间仍难以兼顾。

表1 中国大陆主要开放滑坡目录概况

数据来源与整体流程

本研究选择中国新闻网作为主要数据来源。该平台汇集中央媒体、地方党报、政府应急管理部门和一线记者等多渠道报道，具有较强的权威性、连续性和时效性。研究团队以中文关键词“滑坡”为检索目标，系统抓取新闻标题、发布日期和正文内容。保留标题与发布日期非常关键，因为部分正文不直接出现“滑坡”，或用“昨日”“前日”等相对时间表达，需要结合发布日期补全事件时间。

图1反映了滑坡事件目录的完整构建流程。研究首先进行新闻URL抓取和网页结构解析，然后通过大语言模型抽取时间、地点、触发因素和伤亡信息；随后进行数据清洗、时空邻近与地址相似度去重、人工核验、地理编码和最终整合。

图1 滑坡事件目录构建流程

图2 以“滑坡”为关键词抓取的年度新闻数量

LLM信息抽取与质量控制

目录内容与时空精度

最终构建的目录记录了2008—2024年中国大陆1582起滑坡事件，字段包括滑坡ID、新闻ID、新闻标题、新闻链接、发生时间、年/月/日/小时/分钟、时间段、时间精度等级、位置描述、省/市/县/乡镇/村庄/具体地点、空间精度等级、地理编码、触发因素以及死亡、受伤、失踪人数等。时间精度分为T1—T4，分别对应日级、时段级、小时级和分钟级；空间精度分为P0—P4，其中P1为县区级，P2为乡镇级，P3为村级，P4为具体地点级。

图3反映了目录中滑坡事件的时空精度分布。总体来看，时间信息精度较高，约一半记录达到小时级或分钟级，分钟级记录约占四分之一。空间精度方面，多数事件可定位到较细行政尺度，村级或具体地点级记录占80.8%，说明该目录相较传统宏观统计更适合支持事件级灾害分析。

图3 滑坡事件目录的时空精度等级分布

空间分布与触发因素

图4展示了1582起滑坡事件的空间分布及其触发因素。除上海外，中国大陆各省均有记录，其中四川记录最多，达到260起，这与2008年汶川地震造成的大量地质灾害密切相关。云南、贵州和广西等西南与南方地区也记录较多。

从触发因素来看，降雨诱发滑坡占69.0%，地震诱发占6.6%，人类活动诱发占2.6%，温度相关过程占0.3%，另有21.6%触发因素未知。降雨诱发滑坡主要集中在南方地区，地震诱发滑坡则集中在青藏高原东南缘一带；降雨和地震空间分布与滑坡记录的空间格局具有较好对应关系，支持了该目录的空间一致性。

图4 滑坡事件及其触发因素的空间分布

技术验证

表2 滑坡记录中抽取属性的准确性

表3展示了中国新闻网报道与应急管理部“中国十大自然灾害”相关官方记录之间的对比。可以看到，在贵州水城“7·23”滑坡、山西乡宁“3·15”滑坡和云南镇雄1月22日滑坡三个代表性事件中，新闻报道与官方记录在发生时间和地点方面高度一致，差异主要集中在伤亡信息。

表3 中国十大自然灾害记录与中国新闻网同一滑坡事件报道信息对比

表4进一步展示了浙江温州地方地质灾害调查记录与中国新闻网报道之间的对比。两类数据在发生日期、空间位置和触发机制上总体一致，均将相关事件归因为降雨。差异主要体现在描述粒度和伤亡统计上：新闻报道往往给出更精确的发生时间，而地质调查记录通常提供更详细的自然村或具体地点信息。

表4 温州市地方地质调查记录与中国新闻网同一滑坡事件报道信息对比

表5将本文目录与NASA COOLR和GFLD等公开目录进行对比。在2008—2017年相同时间范围内，本文目录包含1185条记录，而COOLR和GFLD分别为430条和454条，数量约为后两者的2.5倍。时间精度方面，本文目录包含31.1%的分钟级记录，而GFLD全部为日级记录。空间精度方面，本文目录中P4具体地点级记录占59.6%，明显高于COOLR的9.8%和GFLD的9.5%。

表5 本研究与公开目录不同时空精度等级比例对比

数据价值与使用提示

该研究的主要价值在于，用较低成本、可复现的新闻文本挖掘流程，补充了中国大陆事件级滑坡目录的公开数据空缺。相比仅提供年度或省级总量的统计资料，该目录更适合用于降雨阈值分析、早期预警模型校准、基础设施风险评估、区域应急响应规划以及滑坡时空分布规律研究。

不过，作者也强调，该数据集并不是中国全部滑坡的完整清单。研究有意剔除了时空信息过粗的记录，因此数据可能偏向报道充分、影响较大或具备较好公开信息的事件。对于需要覆盖低精度、低影响或稀疏报道事件的研究，应结合官方地质灾害调查、遥感解译和地方灾害记录等多源数据共同使用。

此外，虽然论文提供英文版数据集，但原始记录来自中文新闻，因此在涉及地名、事件描述和语义细节时，中文版本仍应作为主要参考。

研究结论

该研究成果发表在期刊Scientific Data上，内容详见：Binru Zhao, Lulu Zhang, Zhenxia Liu, et al. A high-precision catalogue of landslide events in China based on news text mining with large language model. Scientific Data, 2026, 13: 515.

原文链接：https://doi.org/10.1038/s41597-026-07066-w