趙曉東 ， 徐振濤 ， 劉福 ， 楊華 ， 張?zhí)?/p>

(1.大連大學建筑工程學院， 大連 116622； 2.中國地質(zhì)調(diào)查局南京地質(zhì)調(diào)查中心， 南京 210016 )

中國幅員遼闊，地質(zhì)環(huán)境錯綜復雜，地質(zhì)災(zāi)害發(fā)生的頻度高、強度大，每年都會因此造成巨大損失[1-7]。目前，地質(zhì)災(zāi)害(滑坡、崩塌、泥石流)已成為除地震外的第二大自然災(zāi)害[2-4]。其中，滑坡是幾種破壞模式中危害最為突出、分布最為廣泛的一種，在山區(qū)中為主要的地質(zhì)災(zāi)害類型[5]?；乱装l(fā)性評價用于預測滑坡可能發(fā)生的高危險區(qū)域，并最終繪制出關(guān)于研究區(qū)的地質(zhì)災(zāi)害易發(fā)性分布圖[4,6-7]。其主要目的是幫助決策部門制定土地利用規(guī)劃，并為制訂防災(zāi)減災(zāi)政策提供基礎(chǔ)資料[6,8-9]。

現(xiàn)階段的滑坡易發(fā)性分析模型一般分為物理模型、知識驅(qū)動模型和數(shù)據(jù)驅(qū)動模型三類[8,10]。其中，基于物理的模型分析結(jié)果雖然較為客觀和準確，但是需要相當龐大的地質(zhì)和水文數(shù)據(jù)，在特定邊坡的易發(fā)性評估中更易發(fā)揮其效能[11]；基于知識驅(qū)動的模型往往更依賴專家自身的經(jīng)驗和知識儲備，容易受到主觀因素的影響[12]；目前，針對大規(guī)模的滑坡易發(fā)性快速分析，大多采用數(shù)據(jù)驅(qū)動模型[13-23]。而機器學習模型作為數(shù)據(jù)驅(qū)動模型中的主要分類，隨著近年來人工智能的快速發(fā)展，已逐漸變成應(yīng)用最普遍的滑坡易發(fā)性分析模型[13]。常見的機器學習模型主要包括決策樹[14]、支持向量化[15-16]、隨機森林[17-18]、邏輯回歸[19]、人工神經(jīng)網(wǎng)絡(luò)[8,20]模型等。機器學習算法具有超強的自主學習能力，能充分挖掘出數(shù)據(jù)中各個特征屬性之間存在的內(nèi)在聯(lián)系，不嚴重依賴于專家知識，并且能夠重復執(zhí)行目標結(jié)果[21]。XGBoost 是一種基于梯度提升決策樹(gradient boosting decision tree，GBDT)的集成機器學習算法[24]，已被逐漸應(yīng)用于金融[25]、醫(yī)學[26]和工業(yè)制造[27]等各個領(lǐng)域，且都取得了較好的效果。與傳統(tǒng)的機器學習模型相比，XGBoost 具有更快速的計算能力和更強大的泛化能力[22-24]。由于XGBoost 發(fā)展歷程較短，目前國內(nèi)外鮮有對其在地質(zhì)災(zāi)害領(lǐng)域的應(yīng)用研究，值得進一步探索。

現(xiàn)依托于浙江飛云江流域地質(zhì)災(zāi)害調(diào)查數(shù)據(jù)，選取了地形地貌、氣象植被、巖土性質(zhì)等地理信息數(shù)據(jù)，應(yīng)用空間分析、表面分析、插值分析等地理信息技術(shù)提取并整理出學習樣本數(shù)據(jù)，基于XGBoost構(gòu)建滑坡易發(fā)模型，并與支持向量機(support vector machine，SVM) 模型進行對比，以期建立更為準確有效的地質(zhì)災(zāi)害易發(fā)性評價模型。

1 研究區(qū)概況及數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)玉壺流域位于浙江省溫州市文成縣境內(nèi)，面積約99.5 km2，研究區(qū)位置及高程圖見圖1。文成縣地處浙江省的東南部，飛云江的上游區(qū)域，總范圍面積約1 296.44 km2，地理坐標為119°46′43″～120°15′09″E、27°34′01″～27°59′16″N。

該地區(qū)位于雁蕩山和洞宮山之間，域內(nèi)山嶺綿延，地勢自西北往東南呈梯形傾斜，地貌類型主要表現(xiàn)為丘陵和山地；區(qū)域山地植被覆蓋度高，水系發(fā)達，雨季多暴雨和持續(xù)降雨，屬于亞熱帶季風氣候。大部分河谷和緩坡都被開墾為農(nóng)業(yè)用地或住宅建設(shè)用地，山區(qū)分布人口較為分散；境內(nèi)人工活動密集，山體穩(wěn)定性較差，是地質(zhì)災(zāi)害發(fā)生的易發(fā)區(qū)和多發(fā)區(qū)。

1.2 數(shù)據(jù)來源

本研究所使用的數(shù)據(jù)和數(shù)據(jù)來源見表1。地形數(shù)據(jù)采用美國國家航空航天局(National Aeronautics and Space Administration, NASA)全球數(shù)字高程數(shù)據(jù)中的30 m 數(shù)字高程模型(digital elevation model，DEM)；巖土物理力學參數(shù)，如內(nèi)摩擦角、黏聚力、風化層厚度，來自中國地質(zhì)調(diào)查局“浙江飛云江流域地質(zhì)災(zāi)害調(diào)查”項目。

圖1 研究區(qū)位置及高程圖Fig.1 The location and elevation map of the study area

表1 數(shù)據(jù)及數(shù)據(jù)來源Table 1 Data and source of data

1.3 滑坡影響因子

對于斜坡坡體，無論是自然生成的還是人工活動產(chǎn)生的，都不會靜態(tài)不變。由于自然環(huán)境和人為干預，斜坡一直處于動態(tài)變化中。結(jié)合研究區(qū)域的特點以及相關(guān)數(shù)據(jù)的獲取情況，選取了坡度、坡向、坡形、地表覆蓋、極端小時降雨量、地形濕度指數(shù)、內(nèi)摩擦角、黏聚力、容重、風化層厚度10 個地理信息因子。其中坡度、坡向和坡形屬于地形地貌因子，極端小時降雨量、地表覆蓋和地形濕度指數(shù)屬于氣象植被因子，內(nèi)摩擦角、黏聚力、容重、風化層厚度屬于巖土性質(zhì)因子。影響因子的空間分布如圖2所示。

1.3.1 地形地貌

坡度是斜坡穩(wěn)定的先決要素，太低無法提供充足的下滑動力，太陡又不利于斜坡沉積物的堆積，兩者都無法為滑坡提供物質(zhì)基礎(chǔ)。使用ArcGIS 軟件Spatial Analyst Tools 下的表面分析工具計算出研究區(qū)的坡度，如圖2(a)所示。

坡向與降雨以及太陽輻射情況密切相關(guān)，并對地表覆蓋、地形濕度指數(shù)(topographic wetness index, TWI)等因子產(chǎn)生影響。利用GIS 工具生成坡向圖，并依次劃分為9 個方向，如圖2(b)所示：平地(坡向值為-1，表示不具有下坡方向的平坦區(qū)域)、北(0°～22.5°，337.5°～360°)、東北(22.5°～67.5°)、東(67.5°～112.5°)、東南(112.5°～157.5°)、南(157.5°～202.5°)、西南(202.5°～247.5°)、西(247.5°～292.5°)、西北(292.5°～337.5°)。

圖2 影響因子的空間分布Fig.2 The spatial distribution of influence factors

坡形一般指剖面曲率，用于描述斜坡地形的復雜度，是沿最大坡降方向的斜率大小[28]。坡形數(shù)值越高，斜坡在垂直方向上的彎曲變化程度越高，地形越復雜。利用表面分析下的曲率工具計算出研究區(qū)坡形，如圖2(c)所示。

1.3.2 氣象植被

地表覆蓋是影響滑坡產(chǎn)生的一個關(guān)鍵因子，區(qū)域較高的植被覆蓋度，表明該區(qū)植被發(fā)育良好，對水土的保持能力強；區(qū)域較低的植被覆蓋度，說明該區(qū)植被發(fā)育得一般，對水土的保持能力弱。結(jié)合國情普查數(shù)據(jù)，對不同地表覆蓋單元，分別劃分為建筑和其他、道路-草地、林地、人工堆掘地和耕地-園地五類，如圖2(d)所示。

TWI反映土壤水分含量和地下水的分布情況，滑坡常在土壤濕度高的地區(qū)發(fā)生。利用水文工具下的填洼、流向和流量工具進行柵格計算生成TWI，如圖2(e)所示。

極端降雨情況與滑坡的發(fā)生密切相關(guān)，是誘發(fā)滑坡災(zāi)害發(fā)生的一個重要因子。極端降雨作用下會使斜坡體變形在短時間內(nèi)激增，造成坡體失穩(wěn)，進而發(fā)生滑坡。根據(jù)溫州市范圍雨量站采集的數(shù)據(jù)，插值生成研究區(qū)內(nèi)百年一遇小時降雨量作為極端小時降雨量數(shù)據(jù)，如圖2(f)所示。

1.3.3 巖土性質(zhì)

內(nèi)摩擦角和黏聚力反映土或巖石內(nèi)部的作用力，兩者與坡體穩(wěn)定呈正比，值越大坡體越穩(wěn)定；容重表示土的壓實效果，容重越大，表示土的密度越大，坡體越穩(wěn)定；風化層越厚，地面下的疏松層越厚，坡體越不穩(wěn)定。利用克里金法插值生成內(nèi)摩擦角[圖2(g)]、黏聚力[圖2(h)]、容重[圖2(i)]和風化層厚度[圖2(j)]的柵格數(shù)據(jù)。

2 XGBoost評價模型

2.1 XGBoost模型基本原理

XGBoost 是一種基于樹的集成算法，它把具有偏好的弱評估器(決策樹)作為基學習器，并將其組合起來進行訓練學習，由此得到一個集成的強評估器。XGBoost 是GBDT 的高效實現(xiàn)，不同于傳統(tǒng)的 GBDT，XGBoost 算法使用Taylor 二階展開式來優(yōu)化損失函數(shù)，同時加入正則化項用于控制模型的復雜度。與其他機器學習算法相比，大大提高了其運算效力和泛化能力。

XGBoost 模型可以表示[22-25]為

(1)

其目標函數(shù)可表示為

(2)

(3)

(4)

進一步簡化得到

(5)

式中：Ij={i|q(xi)=j}，表示ft(xi)這棵樹中第j個葉節(jié)點的樣本集合；γ和λ為預先設(shè)置的超參數(shù)。

(6)

(7)

2.2 模型實現(xiàn)

利用ArcGIS 軟件從數(shù)據(jù)源中提取致災(zāi)因子，并將其轉(zhuǎn)為柵格數(shù)據(jù)(共110 894 個像元點)。在scikit-learn 機器學習框架下，基于Python 編程語言構(gòu)建多分類XGBoost 滑坡易發(fā)性評價模型，并選取70%的數(shù)據(jù)作為訓練集進行模型學習和訓練。將得出的結(jié)果與SVM 模型進行比對，通過計算多分類混淆矩陣的評估指標來對模型精度進行分析，模型構(gòu)建流程見圖3。

2.3 模型驗證

模型構(gòu)建完成后，使用混淆矩陣對模型的精度進行檢驗?；煜仃囀菣C器學習分類問題中應(yīng)用廣泛的評價指標體系，又名誤差矩陣，是將算法性能可視化的一種特殊矩陣。評估指標包括準確率、精確率、召回率和F1等。其中，如果一個樣本的真實類別和預測結(jié)果都為正，則為TP(true positive)；如果真實類別和預測結(jié)果都為負，則為TN(true negative)；如果負類樣本預測為正，則為FP(false positive)；如果正類樣本預測為負，那么其為FN(false negative)。

精確率P表示預測值為正的樣本中，與真實值相符的比例，計算公式為

(8)

圖3 模型構(gòu)建流程圖Fig.3 Model building flow chart

召回率R表示預測為正的樣本在所有真實為正的樣本中所占的比例，計算公式為

(9)

F1同時兼顧精確率和召回率，將兩者的調(diào)和平均作為一個綜合性指標來考量兩者之間的平衡，計算公式為

(10)

3 模型評價與應(yīng)用

3.1 模型的結(jié)果評價

對研究區(qū)的地質(zhì)災(zāi)害易發(fā)性指數(shù)進行計算，所得結(jié)果采用自然斷點分級法將其劃分為極低易發(fā)、低易發(fā)、中易發(fā)、高易發(fā)、極高易發(fā)5 個等級，繪制出分類標簽真值滑坡易發(fā)區(qū)劃圖[圖4(a) ]。數(shù)據(jù)集按照7∶3 的比例分為訓練數(shù)據(jù)和測試數(shù)據(jù)，分別輸入XGBoost 、SVM 機器學習模型，對模型進行多次迭代的訓練、測試、參數(shù)優(yōu)化，最終根據(jù)全數(shù)據(jù)對模型進行驗證，驗證結(jié)果見表2。將驗證結(jié)果通過ArcGIS 可視化處理，效果對比如圖4所示。

從圖4 可以看出，極高易發(fā)和高易發(fā)分區(qū)主要分布在河谷、低山區(qū)和丘陵地帶。此區(qū)域內(nèi)飛云江支流發(fā)育、地質(zhì)環(huán)境較為脆弱，并且此區(qū)域多為人工堆掘地、耕地-園地，這間接反映了該地區(qū)頻繁的人類活動，以及植被和斜坡遭到嚴重的人為破壞。而低易發(fā)區(qū)和極低易發(fā)分區(qū)，主要分布在海拔高于500 m以上的地區(qū)和人類住區(qū)，一是高海拔的地區(qū)遠離水源河流，蓄水能力差，斜坡體的含水量較低，不利于滑坡發(fā)育；二是這些地區(qū)的人類活動較少，自然狀態(tài)下受到的人類干擾較少。此外，人類聚居區(qū)域雖然海拔不高，但區(qū)內(nèi)地勢平坦、建筑林立，不具備滑坡發(fā)育的條件。

表2 各易發(fā)區(qū)分布及模型驗證情況Table 2 Distribution of each susceptible area and model validation

3.2 精度對比

利用XGBoost 建立滑坡易發(fā)分區(qū)識別模型，模型對測試集識別的多分類混淆矩陣如表3所示。對于整個研究區(qū)，我們最為關(guān)注的是極高易發(fā)區(qū)的識別情況，3 661 組極高易發(fā)區(qū)數(shù)據(jù)中，被模型正確識別出來的柵格點有3 585 個,召回率為97.92%；模型識別的極高易發(fā)分區(qū)柵格點總數(shù)量為3 656 個，精確率為98.06%；F1為97.99%。

圖4 模型預測結(jié)果對比Fig.4 Comparison of model prediction results

SVM 是以統(tǒng)計學習理論為發(fā)展基礎(chǔ)的有監(jiān)督學習方法，它能較好地解決非線性、高維模式識別問題，廣泛應(yīng)用于滑坡易發(fā)性評價研究中。為了比較對比XGBoost 算法與SVM 算法在滑坡易發(fā)分區(qū)識別模型中的精度，建立了基于SVM 的滑坡易發(fā)分區(qū)識別模型，用于識別測試集的多分類混淆矩陣如表4所示。3 661 組極高易發(fā)區(qū)數(shù)據(jù)中，被模型正確識別出來的柵格點有3 571 個，召回率為97.54%；模型識別的極高易發(fā)分區(qū)柵格點總數(shù)量為3 649 個，精確率為97.86%；F1分別為97.70%。

由于評價滑坡易發(fā)最重要的是將高易發(fā)區(qū)域盡可能的都識別出來，因而相較于精確率，召回率的重要性尤為顯著。精度對比結(jié)果表明，基于XGBoost 的滑坡易發(fā)區(qū)識別模型在召回率和精確率評價指標上都略優(yōu)于SVM ，XGBoost 算法模型在滑坡易發(fā)區(qū)識別中可以獲得較高的精度。

表3 基于XGBoost 的滑坡易發(fā)區(qū)識別混淆矩陣Table 3 Confusion matrix for landslide prone area identification based on XGBoost

表4 基于SVM 的滑坡易發(fā)區(qū)識別混淆矩陣Table 4 Confusion matrix for landslide prone area identification based on SVM

4 結(jié)論

以浙江省溫州市飛云江流域地質(zhì)災(zāi)害的調(diào)查數(shù)據(jù)為依托，選取坡度、坡向、坡形、起伏度、極端降雨、地表覆蓋、TWI 等地理信息因子，結(jié)合GIS 技術(shù)，建立基于XGBoost 的滑坡地質(zhì)災(zāi)害易發(fā)性評價模型，對易發(fā)分區(qū)的多分類問題進行識別分析，得到以下結(jié)論。

(1)GIS 技術(shù)可以有效地對致災(zāi)因子進行提取、分析以及可視化展示，基于Python語言的機器學習模型有開源、模型庫廣泛，兩者結(jié)合能極大提高模型建模的效率。

(2)使用浙江省溫州市飛云江流域地質(zhì)災(zāi)害數(shù)據(jù)，基于XGBoost 構(gòu)建了滑坡易發(fā)多分類評價模型，將5 類1 維分類數(shù)組映射到2 維空間，生成秩為5 的分類矩陣，通過多分類混淆矩陣對模型精度進行評價。模型極高易發(fā)區(qū)的召回率和精確率達到了97.92%和98.06%，F(xiàn)1為97.99%，均高于SVM算法。

(3)由于不同地質(zhì)和氣候條件的影響，文中模型僅對飛云江流域滑坡較為有效，將模型應(yīng)用于其他地區(qū)時，需要利用樣本訓練重新學習，以得到最優(yōu)參數(shù)和最優(yōu)模型。