陳水滿，趙輝龍，許 震，謝 偉,，劉 亮，李全悅

（1.福建省南平市公路局，福建 南平 353000；2.中國科學(xué)院海西研究院泉州裝備制造研究所,福建 泉州 362000；3.上海華測導(dǎo)航技術(shù)股份有限公司,上海 201702）

0 引言

滑坡是巖石、泥土、巖土碎屑在重力、水或者其他工程活動作用下沿斜坡向下滑移、崩落或流動的一類地質(zhì)災(zāi)害，其危害巨大、分布廣泛，持續(xù)影響著區(qū)域社會經(jīng)濟發(fā)展和人民生命財產(chǎn)安全[1]。福建省是我國遭受滑坡災(zāi)害較嚴重的地區(qū)之一，僅2013—2017年間就發(fā)生1 334 次滑坡，造成數(shù)億元的經(jīng)濟損失和數(shù)百人傷亡[2]?；挛ｋU性評價是滑坡災(zāi)害風(fēng)險評估的重要組成部分，能為防災(zāi)減災(zāi)和災(zāi)害治理提供參考依據(jù)和關(guān)鍵信息[3]。

滑坡危險性評價過程包括滑坡影響因子選擇、研究單元劃分、建立評價模型和模型評價等步驟，選取高效精確的模型對于評價結(jié)果具有至關(guān)重要的作用[4]?；挛ｋU性評價方法主要包括歷史滑坡分析法、啟發(fā)式方法、基于巖土物理模型方法和基于統(tǒng)計模型方法[5]?；诮y(tǒng)計模型的方法得益于其高效準確而被應(yīng)用于大量工程項目與科學(xué)研究中，包括邏輯回歸模型、支持向量機、貝葉斯方法、決策樹方法與人工神經(jīng)網(wǎng)絡(luò)等[6?8]。

劉麗娜等[5]利用層次分析法對蘆山地震區(qū)進行了滑坡危險性評價，分析了地震區(qū)滑坡影響因子，給出了研究區(qū)滑坡危險性分區(qū)圖。王萌等[9]采用GIS 技術(shù)和貢獻權(quán)重模型在米易縣進行了滑坡危險性評估，實現(xiàn)滑坡危險性評價的科學(xué)化和信息化。Dehnavi等[10]提出了一種基于逐步權(quán)重評估比分析（SWARA）方法和自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFTS）的新型混合模型應(yīng)用于伊朗滑坡危險性評估中并擁有良好表現(xiàn)。Bourenane 等[11]分別使用層次分析法、頻率比法、邏輯回歸和證據(jù)權(quán)重法對康斯坦丁市進行了危險性評價和比較，結(jié)果表明頻率比法在該研究中具有最優(yōu)效果。隨著計算機性能的進一步加強，人工神經(jīng)網(wǎng)絡(luò)模型對比其他簡單模型具有更加優(yōu)越的性能和廣闊的應(yīng)用前景，其在滑坡危險性評價中也有著較為突出的表現(xiàn)[12?14]。

福建省南平市滑坡災(zāi)害多發(fā)，一些學(xué)者對該地區(qū)的單體滑坡災(zāi)害進行了研究，認為該地區(qū)滑坡具有典型的東南沿海臺風(fēng)暴雨型滑坡特征[15?17]。然而，該地區(qū)區(qū)域性的滑坡危險性評價工作仍缺乏。本研究以南平市的歷史滑坡災(zāi)害作為研究對象,收集多種滑坡影響因子，運用人工神經(jīng)網(wǎng)絡(luò)模型對該區(qū)域滑坡災(zāi)害危險性進行評估。

1 研究區(qū)概況與滑坡影響因子

1.1 研究區(qū)概況及滑坡數(shù)據(jù)

研究區(qū)南平市位于福建省北部，面積2.63 萬km2（圖1）。研究區(qū)地形地貌受構(gòu)造運動的影響強烈，構(gòu)造地貌特征相當(dāng)明顯，山脈多呈東北-西南走向。低山丘陵分布廣，山間盆谷地沿河交替分布，山地切割明顯，高差懸殊，以斷裂為主的斷塊山山峰陡峭，斷層崖、斷裂谷等地貌分布廣。研究區(qū)屬典型的亞熱帶季風(fēng)氣候，年平均降雨量約為1 500～2 000 mm，降雨多集中在夏季。閩江、建溪、富屯溪是市內(nèi)主要的水系。

研究區(qū)滑坡災(zāi)害點分布情況見圖1(b)，根據(jù)最新版2014年Varnes 滑坡分類體系共包含滑移、崩塌和泥石流3 種主要類型和多種次級類型[18]。其中，滑移1 008例，崩塌679 例，泥石流24 例，共計1 711 例。

圖1 研究區(qū)地理位置及滑坡編目Fig.1 Location of study area and landslide inventory

1.2 滑坡影響因子

影響滑坡發(fā)生的因子眾多，本研究共收集高程、坡度、坡向、曲率、地層巖性、土壤類型、降雨、水系、土地利用類型、公路和鐵路等11 類因子（表1）。所有因子均離散為分類變量，其中，坡向因子根據(jù)方向分類，其余影響因子按照自然斷點法進行分類（圖2、圖3）。

圖2 滑坡影響因子專題圖1Fig.2 Thematic map1 of landslide conditional factors

圖3 滑坡影響因子專題圖2Fig.3 Thematic map2 of landslide conditional factors

表1 滑坡致災(zāi)因子描述與來源Table 1 The description and source of landslide inducing factors

地形地貌對滑坡的形成具有重要控制作用。海拔的高低對于人類工程活動等影響有直接作用，從而影響邊坡的危險程度；坡度是一種被廣泛應(yīng)用的滑坡危險性評價因子，其影響斜坡上失穩(wěn)巖土體的穩(wěn)定性和總體移動速率。通常，坡度越大的區(qū)域其勢能越大，穩(wěn)定性越差；坡向決定了光照和水的流向，不同的坡向其陽光照射時間與強度不同、水流方向也不同，這些影響導(dǎo)致了坡面植被生長和坡體穩(wěn)定性；曲率是描述流域盆地的物理特征，它能夠影響流動的加速和減速，匯聚和分散[19]。

地質(zhì)構(gòu)造與土壤屬性是滑坡危險性評價中重要的影響因子，他們直接決定滑坡是否會發(fā)生，以何種形式發(fā)生，[20]。地層巖性和土壤屬性是斜坡最重要的物理特征，通常決定了坡體的軟硬性質(zhì)、結(jié)構(gòu)強度、松散程度等關(guān)鍵性質(zhì)。從地層巖性上看，滑坡常發(fā)生于各種構(gòu)造軟弱結(jié)構(gòu)面和較軟弱的巖土層；從土壤屬性看，較松散的土體和較大程度的土壤侵蝕有利于滑坡的孕育[21]。

水文條件通常是是滑坡發(fā)生的誘發(fā)因素和直接原因。研究區(qū)地處亞熱帶海洋性季風(fēng)區(qū)，降雨多且集中，每年有數(shù)十例滑坡發(fā)生在雨季，持續(xù)的降雨能直接引發(fā)山體滑坡，也能侵蝕邊坡為其失穩(wěn)提供條件。因此，選擇年平均降雨與河流作為影響因子。地表覆蓋的不同對于滑坡的孕育也有著不同程度的影響。通常對于地表覆蓋而言，裸露的坡地較植被茂盛的坡地更易發(fā)生失穩(wěn)，根系發(fā)達的森林較草地則更穩(wěn)定。

人類活動對于邊坡的直接影響日益加大。大量的基礎(chǔ)設(shè)施建設(shè)和道橋施工破壞了邊坡原有的結(jié)構(gòu)，山區(qū)鐵路和公路的修建通常開挖隧道和人工切坡，公路、鐵路沿線是滑坡發(fā)生的重災(zāi)區(qū)同時也是減災(zāi)防災(zāi)的重點區(qū)域[22]。因此，選擇公路、鐵路作為表征人類活動的因子。

2 研究方法

2.1 研究單元劃分

目前，滑坡危險性評價常用的基本研究單元有：網(wǎng)格單元、地貌單元、行政單元、獨立條件單元、斜坡單元等[23]。其中，網(wǎng)格單元和斜坡單元應(yīng)用最廣。網(wǎng)格單元十分規(guī)則，對于復(fù)雜模型的計算和模擬具有極好的適應(yīng)性，在許多研究中得到了應(yīng)用。因此，本研究選擇網(wǎng)格單元作為基本評價單元。

網(wǎng)格單元大小的選取至關(guān)重要，太大難以表示局部區(qū)域的空間差異，太小則會影響計算效率，研究者通常選取在30 m～1 km。出于對研究區(qū)面積和計算效率的綜合考慮，本研究選擇300 m 正方形網(wǎng)格作為基本研究單元，總計得到374 666 個單元。分別計算落入每個單元的滑坡點數(shù)量，數(shù)量為0 的單元記為0，數(shù)量不為0 的單元記為1，以此形成滑坡在空間上的二元分布。該分布將成為危險性評價模型的因變量。然后計算各網(wǎng)格單元的影響因子的屬性值作為模型的自變量。

2.2 因子相關(guān)性檢測

多個滑坡影響因子之間可能存在相關(guān)性，相關(guān)性的存在會使得評價模型難以捕捉有用信息，從而影響評價結(jié)果。本研究使用Spearman 相關(guān)性分析對研究區(qū)各因子進行分析，通過相關(guān)性系數(shù)R衡量各因素的相關(guān)程度。因子的相關(guān)性檢測由SPSS 軟件計算，結(jié)果見表2。

Xiao 等[24?25]研究認為，因子間相關(guān)性系數(shù)∣R∣<0.5 表明因子間相關(guān)性較低。由表2 可知，各因子間相關(guān)性系數(shù)∣R∣<0.5，因此本研究保留全部11 項影響因子。

表2 因子間相關(guān)系數(shù)Table 2 Correlation coefficient of conditional factors

2.3 滑坡危險性評價模型

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）模型是一種優(yōu)秀的機器學(xué)習(xí)模型，它既能夠擬合線性關(guān)系也能夠解決非線性問題，因而被廣泛的應(yīng)用于滑坡危險性評價和風(fēng)險評估中[26?28]。

人工神經(jīng)網(wǎng)絡(luò)是由構(gòu)成動物大腦的生物神經(jīng)網(wǎng)絡(luò)模糊啟發(fā)的計算系統(tǒng)[29]。人工神經(jīng)網(wǎng)絡(luò)由被稱為人工神經(jīng)元的連接單元或節(jié)點組成，這些單元或節(jié)點可以對生物腦中的神經(jīng)元進行松散建模。每個連接都像生物大腦中的突觸一樣，可以將信號傳輸?shù)狡渌窠?jīng)元。接收信號的人工神經(jīng)元隨后對其進行處理，并可以向與之相連的神經(jīng)元發(fā)出信號。在許多實際應(yīng)用場景中，人工神經(jīng)網(wǎng)絡(luò)通常被當(dāng)作一種復(fù)雜的分類器，在本研究中亦是如此[12,30]。

在本研究中，使用多層感知器（Multilayer Perceptron，MLP）構(gòu)建神經(jīng)網(wǎng)絡(luò)，其基本結(jié)構(gòu)如圖4所示，從左到右分別為輸入層、隱藏層和輸出層。將數(shù)據(jù)導(dǎo)入輸入層，經(jīng)過第一層神經(jīng)元的計算得到輸出，然后第一層的輸出作為第二層的輸入，依次運算直至到輸出層，最終得到結(jié)果。本研究中使用Sigmoid 激活函數(shù)，自動計算單元格數(shù)、計算隱藏層層數(shù)與神經(jīng)元個數(shù)，使用隨機搜索確定模型參數(shù)值。同時，為防止過擬合，指定30%集合用于防止過擬合。

圖4 神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)Fig.4 The basic structure of ANN

本研究中，1 711 個滑坡災(zāi)害點分別落入1 653 個單元中，該1 653 個單元作為數(shù)據(jù)集中的正樣本。以所有正樣本幾何中心300 m 外的區(qū)域為選擇區(qū)域，選取等數(shù)量的單元作為負樣本。因此，共計3 306 個樣本用于模型的訓(xùn)練和測試，其中訓(xùn)練集和測試集數(shù)量比例各占50%。

2.4 模型評估和驗證

2.4.1 混淆矩陣

混淆矩陣（confusion matrix）衡量的是一個分類器分類的準確程度，也稱誤差矩陣?；煜仃嚦１挥糜诙诸惸Ｐ偷慕Y(jié)果評價，該方法可以對模型結(jié)果中0 值預(yù)測的正確率和對1 值預(yù)測正確率以及整體預(yù)測率進行定量表達。本研究使用了sklearn.metrics.confusion_matrix計算混淆矩陣。

2.4.2 ROC 曲線

ROC（ Receiver Operating Characteristic Curve）即“受試者工作特征曲線”，該曲線是反應(yīng)敏感性和特異性變量的綜合指標(biāo)。在滑坡危險性評價中，ROC 曲線的X軸為特異性，表示非災(zāi)害點被錯誤預(yù)測的概率。Y軸為敏感性，代表災(zāi)害點預(yù)測成功率。模型預(yù)測精度用曲線與橫坐標(biāo)圍成的面積的大小表示，曲線下面積為AUC（Area Under the Curve），AUC值的取值范圍為[0，1]。AUC值越接近于1，表明模型的精確度越高。

3 結(jié)果分析

3.1 危險性評價結(jié)果分析

按照神經(jīng)網(wǎng)絡(luò)模型分析結(jié)果得到研究區(qū)滑坡危險性指數(shù)。其結(jié)果范圍為0～1，使用自然間斷法進行分區(qū)，分別為低危險區(qū)、較低危險區(qū)、中等危險區(qū)、較高危險區(qū)和高危險區(qū)。圖5 為研究區(qū)滑坡危險性分區(qū)圖。

圖5 研究區(qū)滑坡危險性評價分區(qū)圖Fig.5 Landslide risk assessment map

其中，低危險區(qū)占比15.96%，較低危險區(qū)63.78%，中等危險區(qū)為17.52%，較高危險區(qū)和高危險區(qū)總計占2.74%。全部滑坡點落入各級別危險區(qū)的數(shù)量和比例為：低危險區(qū)142 個，占比2.25%；較低危險區(qū)499 個，占比29.16%；中等危險區(qū)最多為802 個，占比46.87%；較高危險區(qū)和高危險區(qū)268 個，占比15.66%。

總體上看，研究區(qū)滑坡危險性分布主要特征為東北和西南高，中部低。其中延平區(qū)、浦城縣發(fā)生滑坡災(zāi)害較多，區(qū)域地層巖性主要為古生界沉積巖和變質(zhì)巖以及花崗巖，降雨均少于平均水平，說明研究區(qū)內(nèi)降雨并非造成滑坡空間分布差異的主要原因。中等危險區(qū)分布較廣，主要在研究區(qū)的東北和西南部。較低危險區(qū)和低危險區(qū)主要分布于建陽區(qū)和建甌市。研究區(qū)內(nèi)較低危險區(qū)和中等危險區(qū)分布最為廣泛，這些地區(qū)往往發(fā)生過一些滑坡災(zāi)害，但遠遠沒有達到較高危險程度。

3.2 模型精度評估和驗證分析

為測試危險性評價模型的精度和可靠性，選用混淆矩陣和ROC 曲線對模型的預(yù)測正確率進行了驗證分析?；煜仃嚨慕Y(jié)果如表3所示，ROC 曲線和AUC值如圖6所示，AUC值為ROC 曲線下面積。

圖6 滑坡危險性評價模型ROC 曲線Fig.6 ROC curve of landslide risk assessment model

表3 混淆矩陣Table 3 Confusion matrix

混淆矩陣對結(jié)果中滑坡發(fā)生與不發(fā)生的精度進行了統(tǒng)計，最終準確度為84.91%，表明實際預(yù)測精度較高。而模型AUC值達到0.93，表明模型預(yù)測能力極好，精度較高。

4 結(jié)論與討論

（1）本文基于GIS 和機器學(xué)習(xí)技術(shù)，應(yīng)用神經(jīng)網(wǎng)絡(luò)模型對南平市進行滑坡危險性評價，并對評價結(jié)果進行檢驗。結(jié)果表明：預(yù)測準確率84.91%，ROC 曲線下面積AUC值為0.93，表明研究所使用的神經(jīng)網(wǎng)絡(luò)模型具有較好的預(yù)測性和精度。研究結(jié)果可進一步的為研究區(qū)防災(zāi)減災(zāi)與發(fā)展的選址問題上給決策者與工程師提供參考與建議。

（2）研究區(qū)危險性結(jié)果為東北和西南危險性高，中部低。延平區(qū)、浦城縣是滑坡最危險的地區(qū)，中等危險區(qū)分布較廣，主要在研究區(qū)的東北和西南部。較低危險區(qū)和低危險區(qū)主要分布于建陽區(qū)和建甌市。南平市大部分地區(qū)屬于丘陵山區(qū)，滑坡地質(zhì)災(zāi)害危險性高，對于山區(qū)居民和公路等基礎(chǔ)設(shè)施存在的嚴重的威脅。

（3）文中仍存在一些不足之處，例如神經(jīng)網(wǎng)絡(luò)模型采用了較常規(guī)的超參數(shù)設(shè)置，并未進一步深入，待以后的研究中改善和解決。