基于機器學習的湖北省巴東縣滑坡易發性評價

摘要：為開展湖北省巴東縣滑坡災害防治，針對該區域進行滑坡易發性評價。在分析滑坡災害與地形地貌、基礎地質、水文環境、人類工程活動等相關因子統計關系的基礎上，采用支持向量機（SVM）、高斯樸素貝葉斯（GNB）和隨機森林（RF）3種機器學習模型對巴東縣滑坡災害進行易發性評價，并通過ROC曲線精度分析方法對比分析3種模型的評價結果。結果表明：① RF模型滑坡易發性評價結果的精度更高，更符合巴東縣滑坡災害實際情況；② 巴東縣滑坡極高易發區和高易發區面積約占巴東縣總面積的26.3%，中等易發性面積約占巴東縣總面積的24.5%，低易發區和極低易發區面積約占巴東縣總面積的49.2%；③ 地層巖性、水庫緩沖區、道路緩沖區、坡度、水系緩沖區、土地利用類型和斷層緩沖區是研究區中較為重要的7個因素，其中地層巖性是控制因素，水庫緩沖區和道路緩沖區是主要影響因素，因而滑坡極高、高易發區主要分布在長江、清江兩岸及其支流地帶、道路兩側和切坡建房附近。研究成果可為巴東縣防災減災、合理規劃土地資源以及同類研究提供參考。

關鍵詞：滑坡易發性； 機器學習； 支持向量機； 高斯樸素貝葉斯； 隨機森林； 巴東縣； 三峽庫區

中圖法分類號：P642.22；TV221.2

文獻標志碼：A

DOI：10.15974/j.cnki.slsdkb.2024.11.008

文章編號：1006-0081（2024）11-0048-08

0 引 言

1990年以來，中外學者開展了大量滑坡易發性評價及其相關研究，這些研究主要側重于評價指標和評價方法的選取。

目前較為常用的區域滑坡易發性評價方法主要包括知識驅動模型和數據驅動模型。知識驅動模型［1］是指該研究的早期結合相關專家的實際經驗而形成的啟發式模型。數據驅動模型［2］是指通過分析數據，找尋數據之間的相關關系，從而對相關區域進行滑坡易發性預測。機器學習模型是通過大量數據訓練和算法優化，更加準確地預測滑坡發生的空間概率。Tsangaratos等［3］比較了邏輯回歸算法和樸素貝葉斯算法在滑坡易發性評估中的性能。Tien等［4］利用基于最小二乘支持向量機和人工蜂群優化的混合智能方法，繪制了老街地區滑坡易發性圖。Lai等［5］提出了一種利用隨機森林尋找合適權重的新型權重確定方法。Nguyen等［6］提出了新的混合機器學習模型，基于粒子群優化的自適應神經模糊推理系統、通過粒子群優化的人工神經網絡和基于最優優先決策樹的旋轉森林進行滑坡空間預測。隨著計算機技術和人工智能的快速發展，數據驅動模型得到廣大學者和工程師們的青睞；在研究和工程實踐中，模型算法對于不同地區的適用性也有所差異，因此需要比較多種機器學習模型的評價結果，尋求更適合目標研究區的機器學習模型。

湖北省巴東縣地處三峽庫區及鄂西山區，高山連綿，峽谷遍布，河流發育，地質構造復雜，易滑地層分布廣泛，是國內知名的地質災害高易發區［7］。本文以巴東縣為研究區域，通過對多種機器學習模型的應用對比研究，對巴東縣滑坡災害進行易發性建模、預測和制圖。

1 研究區概況及數據來源

1.1 研究區概況

巴東縣位于湖北省西南部，恩施土家族苗族自治州的東北部，地理位置為110°04′E～110°32′ E，30°28′N～31°28′N，見圖1。東西向橫距約10.3 km，南北向縱距約135 km，全縣總面積約3 351.6 km2。研究區地勢北西高、南東低，按成因和形態劃分為侵蝕構造類型，其地貌形態主要為高中山、中低山、低中山，最高海拔2 977 m，最大相對高差3 031 m。地處亞熱帶季風氣候區，具有平均氣溫高、降雨充沛、四季分明、水熱條件好的特點。平均氣溫17.5 ℃，氣溫隨著高程增加而減小。區內降雨具有空間和時間分布不均的特點，多年平均降雨量1 285.9 mm；汛期集中分布在4～9月。研究區河流密集，主要水系有長江干流水系和清江水系。區內出露地層有二疊系及三疊系下統嘉陵江組碳酸鹽巖和三疊系中統巴東組碳酸鹽巖夾碎屑巖。

1.2 數據來源

本文研究使用的滑坡編錄數據截至2019年12月，來源于中國科學院資源環境科學與數據中心，為SHAPE格式。滑坡編錄數據共計376個滑坡災害點（圖1）。滑坡信息包含滑坡名稱、坐標、發生時間、滑坡規模等。

根據巴東縣自然地理和地質環境條件對滑坡災害影響因素進行分析，評價指標的數據來源如下：① 巴東縣滑坡編錄（共計376個滑坡災害點）；② 從30 m分辨率的數字高程模型數據中提取高程、坡度、坡向、地表切割深度、地形濕度指數、平面曲率、剖面曲率和地形起伏度；③ 1∶250 000的全國基礎地理數據中提取的道路、水系；④ 土地利用遙感監測數據集的30 m土地利用數據，來源于地理空間數據云；⑤ 巖性、斷層數據來源于全國地質資料館中1∶200 000地質圖；⑥ NDVI數據來源于地理空間數據云中的相關產品。

滑坡樣本點個數共376個。同時選擇預測精度較好且極低和低級別滑坡易發性區間面積較大的信息量模型作為初步易發性預測的基礎，在其預測的低和極低易發性級別區域隨機選點作為負樣本點，選擇的負樣本數量與正樣本一致，為376個。

本文將376個滑坡點正樣本與376個滑坡點負樣本，共752個樣本數據作為參與后續模型訓練的對象。隨機抽取70%的樣本數據作為滑坡易發性預測模型的訓練集，并選取30%的樣本數據作為測試集評價模型精度。

2評價技術路線及評價方法模型

2.1 評價技術路線

本次滑坡易發性評價技術路線（圖2）如下。

（1） 收集研究區自然地理及區域地質環境條件資料，考慮不同影響因素對滑坡發育、發生的作用。

（2） 通過整理數據，建立滑坡易發性評價指標體系；再通過對各指標進行相關性檢驗，剔除相關性較高的指標，完善樣本空間數據集。

（3） 構建滑坡易發性模型，得到研究區滑坡易發性區劃圖，并對3種評價模型的預測分類性能進行對比分析，得到最終滑坡易發性區劃圖并探究評價指標對滑坡發育的重要性排序。

2.2 機器學習模型概述

本文選取支持向量機（SVM）、高斯樸素貝葉斯（GNB）和隨機森林（RF）3種機器學習模型作為基礎學習器。評價指標分級頻率比值，構建頻率比-支持向量機、頻率比-樸素貝葉斯、頻率比-隨機森林3種耦合評價模型。

2.2.1 支持向量機模型

支持向量機模型因其可以有效解決有限樣本、非線性高維模式識別問題，被廣泛用于許多復雜的分類和回歸問題［8］。

基于統計方法的滑坡易發性建模時，存在兩個問題：① 在經典模型假設中通常假設數據是線性的，如果因變量和自變量之間的關系不是線性的，模型的表現將變得很差。② 模型過度擬合，這意味著用任意高的自由度來擬合一個模型，目的是使誤差最小化。

SVM模型中所使用的核函數可以有效解決上述誤差的影響，考慮到本文數據的實際情況，選擇徑向基函數為本文的核函數。

2.2.2 樸素貝葉斯模型

本文中高斯樸素貝葉斯算法的原理如下：假定樣本每個特征維度的條件概率均服從高斯分布，進而再根據貝葉斯公式來計算得到新樣本在某個特征分布下其屬于各個類別的后驗概率，最后通過極大化后驗概率來確定樣本的所屬類別。

高斯樸素貝葉斯分類模型計算步驟：① 確定特征屬性和目標類別；② 獲取訓練樣本；③ 計算各類別概率Pyi；④ 分別計算各特征屬性屬于各類別的概率Pxiy。

2.2.3 隨機森林模型

隨機森林是由Breiman和Cutler提出的一種基于袋裝抽樣法（Bagging）和決策樹的集成學習算法［9］。建立隨機森林模型的步驟如下。

（1） 從所有的原始訓練樣本中（N個）隨機抽取且是抽取后又重新放回的抽取n個樣本（nlt;N）。

（2） 假設每個樣本數據都有K個特征，從所有的特征中隨機選取k（k≤K）個特征，選擇最佳分割屬性作為節點建立決策樹。

（3） 使用步驟1選取的訓練子集對步驟2生成的決策樹進行訓練，在節點上的樣本特征中隨機選擇部分樣本特征，根據最小均方差的值來進行決策樹左右子樹的劃分，遞歸建樹直到滿足終止條件。

（4） 重復上述步驟，使每棵決策樹都最大可能地成長，并將多棵樹組成隨機森林。

（5） 將選取的測試數據輸入到建立好的隨機森林分類模型中，通過每棵樹的決策，最終投票確認分到哪一類中，并與已知值進行對比，從而評價隨機森林模型的預測效果。

3 建立滑坡易發性評價體系

3.1 評價單元選擇

評價單元的選取決定了原始數據的獲取方式和評價結果的精度。目前，區域滑坡災害易發性評價中常用評價單元有地貌單元、斜坡單元、地形單元、行政單元和柵格單元［10］。

巴東縣在1∶50 000比例尺下，大多滑坡災害以點狀分布。柵格單元數據處理速度快，精度較高。研究區內滑坡災害規模多為中小型，考慮到研究區數據源比例尺和數據精度，本文以30 m×30 m柵格單元作為研究區的評價單元。

3.2 評價指標選取

滑坡易發性評價常用頻率比聯接法［11］來實現滑坡編錄和評價指標之間的非線性聯接。頻率比模型（frequency ratio，FR）是基于研究區中滑坡點分布和每個影響因子類別之間的關系進行分析，并借助地理信息系統平臺，結合空間數據進行滑坡易發性定量評估的分析模型。FR是滑坡發生地區在整個區域內的平均值，表示評價指標各區間對滑坡發生的相對影響程度。FR值越大，滑坡易發性越大。頻率比的計算公式為

FR=Lj/LSj/S

式中：Lj為評價指標在區間內的滑坡個數；L為研究區內滑坡總個數；Sj為評價指標區間柵格面積數；S為研究區柵格面積總數。FR值越大表明評價指標所處的區間對滑坡的發育作用越大。

通過分析巴東縣的滑坡空間分布規律及形成條件，按照科學系統性、可操作性、代表性和主導性的評價因子選取規則，本文選取地形地貌因子（高程、坡度、坡向、地表切割深度、地形濕度指數、平面曲率、剖面曲率、地形起伏度）、基礎地質因子（地層巖性、斷層緩沖區）、水文環境條件因子（水系緩沖區、水庫緩沖區、歸一化植被指數）、人類工程活動因子（道路緩沖區、土地利用類型）等15個因子作為本次滑坡易發性評價的評價指標。評價指標的分級匯總如表1所示。

通過ArcGIS 10.8軟件中“多值提取至點”功能，將15個初始評價指標原始屬性值提取至376個滑坡災害點，再通過計算每個屬性的頻率比值，并將頻率比值歸一化導入SPSS 18.0軟件中計算皮爾遜相關系數［12］。計算結果如圖3所示，其中X1，X2，X3，X4，X5，X6，X7，X8，X9，X10，X11，X12，X13，X14，X15分別表示評價指標高程、坡度、坡向、地表切割深度、地形濕度指數、平面曲率、剖面曲率、地形起伏度、巖性、斷層緩沖區、水系緩沖區、水庫緩沖區、歸一化植被指數、道路緩沖區、土地利用。

當兩個因子間的相關系數絕對值大于0.5時，認為其具有較高的相關性，小于0.3說明因子不相關，大于等于0.8說明高度相關。地形濕度指數、平面曲率、剖面曲率、地形起伏度這4個因子與其他因子相關性較高，將其剔除。因此本文最終選取高程、坡度、坡向、地表切割深度、地層巖性、斷層緩沖區、水系緩沖區、水庫緩沖區、歸一化植被指數、道路緩沖區、土地利用類型11個因子作為本次滑坡易發性評價的評價指標。

4 滑坡易發性評價

在滑坡評價指標統計分析的基礎上，基于機器學習方法構建滑坡易發性模型。通過支持向量機、樸素貝葉斯、隨機森林3種機器學習模型對研究區域進行滑坡易發性區劃，然后對不同模型的滑坡易發性區劃結果進行對比分析，找出適合研究區的滑坡易發性區劃圖。

（1） 以頻率比統計模型為聯接方法給11個評價指標重新賦值，作為數據驅動模型的輸入變量。把樣本空間數據集按照7∶3的比例隨機分配為訓練集與測試集，70%訓練數據用于模型的構建，30%用于驗證模型的性能。

（2） 將構建好的訓練與測試數據分別代入3個模型中對其進行滑坡易發性預測。

（3） 利用訓練后的滑坡易發性模型對整個研究區進行滑坡易發性評價，將模型預測的滑坡易發性概率分為極低、低、中等、高、極高5個易發性級別。

（4） 根據預測結果，分別通過ROC曲線、混淆矩陣等精度評價指標對比分析各模型預測性能。

（5） 得出巴東縣滑坡易發性區劃圖，并評估分析評價因子對滑坡發育影響的重要性。

在ArcGIS 10.8環境中得到3種預測模型的滑坡易發性區劃圖，如圖4～6所示。在所生成的滑坡易發性區劃圖中，為了更加直觀地觀察及對比不同模型預測的結果，本文將所有模型預測的滑坡易發性概率值分為5類，分別為極低易發區、低易發區、中等易發區、高易發區和極高易發區，相應概率區間分別為［0，0.2），［0.2，0.4），［0.4，0.6），［0.6，0.8），［0.8，1）。

從易發性與影響因子關系分析，3種模型所得的滑坡易發性分區具有較高的相似性。研究區極高、高易發區主要分布在長江兩岸及其支流地帶、沿道路兩側和切坡建房附近，地層巖性以巴東組第二段和第三段的泥灰巖、泥巖為主，說明研究區水系、人類工程活動、巖性均對滑坡的孕育起到很大的作用。中等易發性分布在主城區東西兩側地勢較為平坦的區域，這些區域的地勢起伏度相對于狹窄河谷地區而言更平緩，受到河流侵蝕程度相對較低，同時擁有相對較高的植被覆蓋率，土層穩定性比較好。極低和低易發區分布在受人類工程活動影響小的區域和海拔高于939 m的區域，因為海拔較高的區域河流較少，不利于滑坡的發生。

為了更直觀對3種模型預測結果進行對比分析，對研究區滑坡易發性的面積占比及頻率比進行了分級統計。由表2可知，SVM模型預測的高易發區和極高易發區滑坡占比為65.9%，分區面積比為27.2%，頻率比為5.03；GNB模型預測的高易發區和極高易發區滑坡占比為54.6%，分區面積比為25.0%，頻率比為4.56；RF模型預測的高易發區和極高易發區滑坡占比為83.4%，分區面積比為26.3%，頻率比為7.11。RF模型能對滑坡易發性進行精準預測。

4.1 易發性評價的精度分析

為了進行定量化的精度評價，采用受試者工作特征（receiver operating characteristic，ROC）精度曲線的AUC值指標進行判斷。

ROC曲線是目前用于評估機器學習模型易發性預測性能最常用的方法［13］。ROC曲線下的面積（AUC值）可以作為滑坡易發性評估模型預測性能的評價指標。如圖7所示，在ROC曲線中，曲線越接近左上角，即AUC的面積越大，其值越接近于1，表示所選模型的精度越高，預測能力越強。

從各模型下的滑坡易發性ROC精度曲線（圖7）可知，3種模型下的滑坡易發性評價結果均較好且都表現出較好的穩定性。不同模型的AUC值：SVM模型為0.926、GNB模型為0.847、RF模型為0.949。3個模型的AUC值均大于0.8，且RF模型相比于其他模型具有更優的預測能力。不同模型的驗證指標如表3所示。綜上可以看出，RF模型在巴東縣的滑坡易發性評價中表現良好，具有較高的精度。

4.2 滑坡評價指標的重要性排序

滑坡易發性評價中RF模型的評價指標重要性排序如圖8所示，地層巖性、水庫緩沖區、道路緩沖區、坡度、水系緩沖區、土地利用類型以及斷層緩沖區是研究區中較為重要的7個因素。

（1） RF模型滑坡易發性評價中，地層巖性起著控制性作用，在巴東縣易發性評價中的重要程度不可或缺。這是由于地層巖性對滑坡發育有明顯的作用，研究區內侏羅系地層主要為軟硬相間的中厚層狀砂、泥巖互層巖組，三疊系地層主要為軟硬相間的中厚層狀碳酸鹽巖、碎屑巖巖組，二疊系主要為堅硬、較堅硬層狀灰巖、大理巖、白云巖巖組，受區內大型構造帶影響。該類巖體整體破碎，力學性質較差，利于滑坡的發生。

（2） 其次是水庫緩沖區，因為三峽水庫蓄水與水位周期性升降，改變了滑坡的水文地質條件，易誘發滑坡災害。

（3） 排名第三的指標是道路緩沖區，實地勘察結果表明，巴東縣的滑坡部分是由人類工程活動引起的。比如人工切坡、道路的修建等，這些人為破壞的山體結構在強降雨的影響下易發生滑坡。土地利用類型可以適當地反映出人類活動的頻率，絕大多數歷史滑坡發生在耕地區域內，這是因為耕地面積與人類活動強度正相關。由于人類不斷開墾荒地，往往破壞了山體斜坡原始應力平衡，而且農作物多為短淺根系，對坡體的“屏障”作用微弱，無法對表層土壤起牽拉加固作用，因此耕地成為孕育滑坡的搖籃。由于道路因子是導致滑坡發生的比較重要的人為因素，因此，在設計、修建道路時應避開易發生滑坡的區域。

5 結 論

在分析滑坡災害與地形地貌、基礎地質、水文環境、人類工程活動等相關因子統計關系的基礎上，本文采用3種機器學習模型對比分析，對巴東縣滑坡災害進行易發性評價，主要結論如下。

（1） 通過ROC曲線精度分析方法，對SVM、GNB和RF等3種機器學習模型評價結果進行比較評價，發現RF模型滑坡易發性評價結果精度更高，更符合巴東縣滑坡災害實際情況。

（2） 滑坡易發性評價結果表明：巴東縣滑坡極高易發區和高易發區面積約占巴東縣總面積的26.3%；中等易發性面積約占巴東縣總面積的24.5%；低易發區和極低易發區面積約占巴東縣總面積的49.2%。

（3） 滑坡易發性評價指標重要性排序結果表明：地層巖性、水庫緩沖區、道路緩沖區、坡度、水系緩沖區、土地利用類型和斷層緩沖區是研究區中較為重要的7個因素，其中地層巖性是控制因素，水庫緩沖區和道路緩沖區是主要影響因素，滑坡極高、高易發區主要分布在長江、清江兩岸及其支流地帶、道路兩側和切坡建房附近。

參考文獻：

［1］ 許沖，戴福初，姚鑫，等.GIS支持下基于層次分析法的汶川地震區滑坡易發性評價［J］.巖石力學與工程學報，2009，28（增2）：3978-3985.

［2］ 劉福臻，王靈，肖東升，等.基于模糊綜合評判法的寧南縣滑坡易發性評價［J］.自然災害學報，2021，30（5）：237-246.

［3］ TSANGARATOS P，ILIA I.Comparison of a logistic regression and Nave Bayes classifier in landslide susceptibility assessments：the influence of models complexity and training dataset size［J］.Catena，2016，145：164-179.

［4］ TIEN-BUI D，TUAN T A，HOANG N D，et al.Spatial prediction of rainfall-induced landslides for the Lao Cai area （Vietnam） using a hybrid intelligent approach of least squares support vector machines inference model and artificial bee colony optimization［J］.Landslides，2017，14：447-458.

［5］ LAI C，CHEN X，WANG Z，et al.Rainfall-induced landslide susceptibility assessment using random forest weight at basin scale［J］.Hydrology Research，2018，49（5）：1363-1378.

［6］ NGUYEN V V，PHAM B T，VU B T，et al.Hybrid machine learning approaches for landslide susceptibility modeling［J］.Forests，2019，10（2）：157.

［7］ 柯凱豪.庫水位波動對三峽庫區巴東組典型滑坡穩定性的影響規律［D］.北京：中國地質大學（北京），2016.

［8］ KAVZOGLU T，SAHIN E K，COLKESEN I.Landslide susceptibility mapping using GIS-based multi-criteria decision analysis，support vector machines，and logistic regression［J］.Landslides，2014，11：425-439.

［9］ BREIMAN L.Random forests［J］.Machine Learning，2001，45：5-32.

［10］ GUZZETTI F，CARRARA A，CARDINALI M，et al.Landslide hazard evaluation：a review of current techniques and their application in a multi-scale study，Central Italy［J］.Geomorphology，1999，31（1-4）：181-216.

［11］ 盛明強，劉梓軒，張曉晴，等.基于頻率比聯接法和支持向量機的滑坡易發性預測［J］.科學技術與工程，2021，21（25）：10620-10628.

［12］ 楊帆，馮翔，阮羚，等.基于皮爾遜相關系數法的水樹枝與超低頻介損的相關性研究［J］.高壓電器，2014，50（6）：21-25.

［13］ 羅鴻東，李瑞冬，張勃，等.基于信息量法的地質災害氣象風險預警模型：以甘肅省隴南地區為例［J］.地學前緣，2019，26（6）：289-297.

（編輯：高小雲）

Vulnerability evaluation of landslide disaster in Badong County based on machine learning

JIANG Gen1，XIAO Shirong1，YANG Xuanzhe2，MA Sizhe1

（1.College of Civil Engineering amp; Architecture，China Three Gorges University，Yichang 443002，China； 2.Changjiang Three Gorges Survey Institute Co.，Ltd.，Wuhan 430070，China）

Abstract：

In order to better prevent and control the landslide in Badong County of Hubei Province，we conducted a susceptibility assessment for landslides in this area.Based on the analysis of the statistical relationship between landslide disasters and related factors such as topography，basic geology，hydrological environment，and engineering activities，three machine learning models of Support Vector Machine （SVM），Gaussian Naive Bayes （GNB），and Random Forest （RF），were employed to assess the susceptibility of landslide disasters in Badong County.The evaluation results of the three models were compared and analyzed by using the ROC curve accuracy analysis method.The results showed that：① The RF model has a higher accuracy in evaluating landslide susceptibility，which was more in line with the actual situation of landslide disasters in Badong County.② The area of extremely high and high landslide susceptibility in Badong County accounted for about 26.3% of the county′s total area，the moderate susceptibility area accounted for about 24.5%，and the low and extremely low susceptibility areas accounted for about 49.2% of the county′s total area.③ Lithology，reservoir buffer zones，road buffer zones，slope，river buffer zones，land use types and fault buffer zones were the seven most important factors in the study area，among which，lithology was the controlling factor，and reservoir buffer zones and road buffer zones were the main influencing factors.Therefore，the areas of extremely high and high landslide susceptibility were mainly distributed along the banks of Yangtze River and Qingjiang River and their tributaries，alongside roads，and near areas where slopes were cut for housing construction.The research findings can provide references for disaster prevention and reduction，reasonable planning of land resources in Badong County and similar studies.

Key words：

landslide susceptibility； machine learning； Support Vector Machine； Gaussian Naive Bayes； Random Forest； Badong County； Three Gorges Reservoir area