何 書，鮮木斯艷·阿布迪克依木，胡 萌，陳 康

（1. 江西理工大學(xué)資源與環(huán)境工程學(xué)院, 江西 贛州 341000；2. 離子型稀土資源開發(fā)及應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室(江西理工大學(xué)), 江西 贛州 341000）

0 引言

近年來，基于數(shù)據(jù)驅(qū)動(dòng)的滑坡易發(fā)性評(píng)價(jià)已成為區(qū)域滑坡評(píng)價(jià)領(lǐng)域的熱點(diǎn)和重點(diǎn)[1]。各種常規(guī)統(tǒng)計(jì)模型和機(jī)器學(xué)習(xí)算法廣泛應(yīng)用于滑坡易發(fā)性評(píng)價(jià)，前者基于對(duì)數(shù)據(jù)樣本的統(tǒng)計(jì)分析，后者則基于某種學(xué)習(xí)算法對(duì)訓(xùn)練樣本進(jìn)行建模。

常規(guī)統(tǒng)計(jì)模型對(duì)樣本數(shù)量要求更高，而機(jī)器學(xué)習(xí)算法通?？筛鶕?jù)相對(duì)更少的樣本數(shù)據(jù)，利用模型的泛化能力進(jìn)行區(qū)域預(yù)測(cè)，因而受到更為廣泛的關(guān)注[2]。因此，在針對(duì)樣本不足，區(qū)域面積較大的評(píng)價(jià)中，機(jī)器學(xué)習(xí)算法往往被視為更好的選擇。常見的機(jī)器學(xué)習(xí)算法包括：神經(jīng)網(wǎng)絡(luò)[3]、模糊推理[4]、決策樹[5]、支持向量機(jī)[6?7]、隨機(jī)森林[8]、邏輯回歸[9]等，不同算法有不同的建模過程與預(yù)測(cè)精度，在實(shí)際應(yīng)用過程中，需要評(píng)價(jià)者選擇合適的方法。各種算法均有優(yōu)缺點(diǎn)，為彌補(bǔ)單一方法的不足，將多種方法融合用于滑坡易發(fā)性評(píng)價(jià)，越來越受到歡迎[10?13]。

機(jī)器學(xué)習(xí)算法在滑坡空間預(yù)測(cè)建模過程中通常需要非滑坡樣本，在實(shí)際應(yīng)用中，往往基于人為經(jīng)驗(yàn)或隨機(jī)方法進(jìn)行選取[14]，難免造成部分位于高易發(fā)區(qū)的樣本被列為非滑坡樣本。為克服非滑坡樣本選擇的主觀性，部分研究嘗試?yán)镁垲惙椒ㄊ孪冗M(jìn)行初步的易發(fā)性分區(qū)，再進(jìn)行非滑坡樣本的選取[15?17]。 黃發(fā)明等[18]研究表明，基于聚類方法的非滑坡樣本選取方法對(duì)于樣本優(yōu)化具有一定價(jià)值，聚類方法本身的預(yù)測(cè)精度對(duì)非滑坡樣本選取具有顯著的控制作用。

現(xiàn)有研究表明，評(píng)價(jià)單元選取對(duì)滑坡易發(fā)性評(píng)價(jià)結(jié)果有重要影響[15]。在非滑坡樣本選取過程中，已有研究多采用柵格單元進(jìn)行前期的易發(fā)性評(píng)價(jià)。為此，為進(jìn)一步探討評(píng)價(jià)單元和非滑坡樣本選取方法對(duì)滑坡敏感性評(píng)價(jià)的影響，以斜坡單元?jiǎng)澐譃榛A(chǔ)，將柵格單元和斜坡單元有機(jī)融合，基于自組織特征映射網(wǎng)絡(luò)（以下簡(jiǎn)稱SOM）和隨機(jī)森林模型，構(gòu)建滑坡易發(fā)性評(píng)價(jià)模型，并通過應(yīng)用實(shí)例開展相關(guān)對(duì)比分析研究，探討評(píng)價(jià)方法的有效性。

1 研究方法

1.1 SOM網(wǎng)絡(luò)

自組織特征映射網(wǎng)絡(luò)（SOM網(wǎng)絡(luò)）屬于無導(dǎo)師、自組織、自學(xué)習(xí)網(wǎng)絡(luò)，可根據(jù)輸入向量的分組進(jìn)行學(xué)習(xí)和分類，降低了人工干預(yù)程度，運(yùn)算過程可以自動(dòng)調(diào)節(jié)[19]。典型的自組織特征映射網(wǎng)絡(luò)結(jié)構(gòu)由輸入層和競(jìng)爭(zhēng)層組成，輸入層向量和競(jìng)爭(zhēng)層神經(jīng)元的距離由式(1)計(jì)算[20]：

式中：dj——距離；

X——輸入向量；

Wj——第j個(gè)神經(jīng)元的權(quán)值向量；

m——輸入向量的個(gè)數(shù)；

xi——第i個(gè)輸入向量；

ωij——第i個(gè)輸入向量和第j個(gè)競(jìng)爭(zhēng)層之間的權(quán)值。

在學(xué)習(xí)過程中，通過不斷修正 ωij，最終完成SOM訓(xùn)練目標(biāo)。

1.2 隨機(jī)森林模型

隨機(jī)森林模型的實(shí)質(zhì)是包含多個(gè)決策樹的分類器，利用隨機(jī)方法構(gòu)建決策樹，而決策樹之間沒有關(guān)聯(lián)。隨機(jī)森林通常采用Bootstrap法進(jìn)行重采樣，形成新的樣本集后，利用樣本集生成對(duì)應(yīng)的決策樹，然后針對(duì)測(cè)試樣本，利用決策樹得到每個(gè)決策樹的分類結(jié)果，最后采用投票的方法進(jìn)行分類。由于每個(gè)樹的訓(xùn)練樣本及節(jié)點(diǎn)分裂屬性均為隨機(jī)選取，在一定程度上避免了模型的過擬合[21]。 近年來，利用隨機(jī)森林方法進(jìn)行滑坡易發(fā)性評(píng)價(jià)逐漸受到重視[22]。

1.3 基于斜坡單元的SOM-隨機(jī)森林模型

進(jìn)行滑坡易發(fā)性評(píng)價(jià)，制圖單元的選擇至關(guān)重要[23]，目前應(yīng)用最為廣泛當(dāng)屬柵格單元和斜坡單元[24]，二者均有各自的優(yōu)缺點(diǎn)。柵格單元對(duì)數(shù)據(jù)，特別是DEM數(shù)據(jù)的精度要求較高[25]，柵格單元數(shù)據(jù)在制圖過程中，數(shù)據(jù)提取方便，評(píng)價(jià)結(jié)果相對(duì)更為精確，但柵格單元并不代表實(shí)際地形地貌，且空間分布零碎，存在與評(píng)價(jià)因子之間相關(guān)性較差的問題[26]。與此同時(shí)，斜坡單元的評(píng)價(jià)指標(biāo)值一般通過計(jì)算單元內(nèi)柵格值的平均值求取[27?28]。當(dāng)評(píng)價(jià)區(qū)域面積較大，斜坡單元規(guī)模通常遠(yuǎn)大于實(shí)際滑坡規(guī)模，因此斜坡單元指標(biāo)值不能很好的反映滑坡影響因子，從而造成較大誤差。為彌補(bǔ)兩種評(píng)價(jià)單元的不足，文中將柵格單元和斜坡單元進(jìn)行整合，并以此為基礎(chǔ)構(gòu)建SOM-隨機(jī)森林評(píng)價(jià)模型。

模型評(píng)價(jià)步驟（具體流程見圖1）：（1）選取滑坡易發(fā)性評(píng)價(jià)指標(biāo)，對(duì)研究區(qū)進(jìn)行斜坡單元?jiǎng)澐?，提取單元各指?biāo)的滑坡頻率；（2）利用SOM神經(jīng)網(wǎng)絡(luò)進(jìn)行滑坡易發(fā)性分區(qū)，在易發(fā)性較低地區(qū)選取非滑坡訓(xùn)練樣本；（3）利用隨機(jī)森林分類算法對(duì)所有柵格單元進(jìn)行二值分類（滑坡或非滑坡）；（4）統(tǒng)計(jì)斜坡單元內(nèi)的滑坡預(yù)測(cè)比率，進(jìn)行滑坡易發(fā)性制圖。

圖1 SOM-隨機(jī)森林模型流程Fig.1 Flow chart of SOM-vandom forest model

2 研究區(qū)概況及評(píng)價(jià)指標(biāo)分析

2.1 研究區(qū)概況

大余縣位于江西省贛州市西南部，總面積1 367.63 km2，區(qū)內(nèi)以丘陵地貌為主，屬典型的丘陵盆地（圖2）。地勢(shì)西高東低，西部和北部中低山海拔在800 m以上，中部丘陵一般在500 m以下，東部盆地地勢(shì)平坦，海拔低于200 m。區(qū)內(nèi)年平均氣溫20.54℃，年均降雨量1 454 mm，多雨季節(jié)集中在3?8月。大余盆地地質(zhì)條件復(fù)雜，構(gòu)造活動(dòng)強(qiáng)烈，褶皺及裂隙發(fā)育，巖漿活動(dòng)頻繁，地層出露以寒武系淺變質(zhì)巖及第四系沖、殘、坡積層為主。區(qū)內(nèi)人類活動(dòng)頻繁，路塹邊坡開挖成為誘發(fā)滑坡的主要因素之一。綜上，大余縣降雨集中、地形地貌及地質(zhì)條件復(fù)雜、人類活動(dòng)頻繁，為滑坡災(zāi)害頻發(fā)提供了環(huán)境基礎(chǔ)。因此，文章將該區(qū)域作為驗(yàn)證評(píng)價(jià)方法的典型地區(qū)。

圖2 研究區(qū)地理位置及滑坡空間分布圖Fig.2 Location of the study area and landslide distribution

2.2 數(shù)據(jù)來源及評(píng)價(jià)指標(biāo)體系

主要數(shù)據(jù)來源包括：（1）GDEMV2 30m分辨率數(shù)字高程數(shù)據(jù)，用于提取坡度、坡向、水文等信息，來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/sources/accessdata）；（2）1∶20萬區(qū)域地質(zhì)圖來源于全國(guó)地質(zhì)資料館（http://www.ngac.org.cn/Map），用于提取巖土分布類型；（3）Landsat8影像2景來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/sources/accessdata），用于提取植被指數(shù)、土地利用類型等信息；（4）歷史滑坡數(shù)據(jù)，來源于中國(guó)地質(zhì)環(huán)境監(jiān)測(cè)院編制的中國(guó)典型縣（市）地質(zhì)災(zāi)害易發(fā)程度分區(qū)圖集以及野外滑坡編錄，用于滑坡解譯及滑坡頻率統(tǒng)計(jì)；（5）Google衛(wèi)星地圖，用于道路提取及水文校正。結(jié)合大余縣滑坡發(fā)育特征，選擇評(píng)價(jià)因子，并利用相關(guān)因子系數(shù)分析和平均影響值算法（Mean Impact Value,MIV）對(duì)SOM神經(jīng)網(wǎng)絡(luò)進(jìn)行變量篩選，剔除部分次要因子，最終選取10個(gè)評(píng)價(jià)因子，分別為高程、植被歸一化指數(shù)（NDVI）、土地利用類型、坡度、總曲率、巖土類型、道路密度、距道路的距離、距水系的距離、距斷層的距離。未納入評(píng)價(jià)指標(biāo)體系的指標(biāo)如坡向，根據(jù)對(duì)歷史滑坡點(diǎn)的調(diào)查分析表明，研究區(qū)內(nèi)滑坡以淺層滑坡為主，與坡向的關(guān)聯(lián)度較低?；贛IV算法的變量篩選，優(yōu)化了神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，提高了模型的預(yù)測(cè)精度，剖面曲率和平面曲率被排除在評(píng)價(jià)指標(biāo)體系之外。參與 滑坡預(yù)測(cè)模型構(gòu)建的評(píng)價(jià)指標(biāo)及分類分級(jí)結(jié)果見表1。

表1 評(píng)價(jià)指標(biāo)體系Table 1 Evaluation index system

3 滑坡易發(fā)性評(píng)價(jià)

3.1 柵格及斜坡單元的劃分與評(píng)價(jià)指標(biāo)制圖

所有評(píng)價(jià)指標(biāo)均基于ArcGIS軟件進(jìn)行處理及提取，制成專題圖（圖3），柵格單元大小設(shè)為30 m×30 m，研究區(qū)共劃分為1 487 829個(gè)柵格。對(duì)于面積超過900 m2的滑坡，以滑坡周界代替柵格單元，參與指標(biāo)值提取。斜坡單元采用DEM水文分析模型劃分，流量閾值設(shè)為1 000，斜坡單元平均面積約0.59 km2，利用Google衛(wèi)星地圖進(jìn)行校正，經(jīng)人工反復(fù)修編，共劃分為2 312個(gè)斜坡單元。

圖3 各指標(biāo)特征空間分布Fig.3 Spatial distribution of the factors

3.2 基于斜坡單元的滑坡易發(fā)性指數(shù)優(yōu)化算法

現(xiàn)有歷史滑坡數(shù)據(jù)是滑坡易發(fā)性評(píng)價(jià)最重要的參考信息，通過對(duì)該數(shù)據(jù)統(tǒng)計(jì)分析，可初步獲得不同評(píng)價(jià)指標(biāo)對(duì)滑坡發(fā)生的貢獻(xiàn)率，其中相對(duì)滑坡頻率被廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中[29]，基于柵格單元賦值，計(jì)算公式如下：

式中：RPij——某因子i在某區(qū)間j中出現(xiàn)的相對(duì)頻率；

Pij——第i個(gè)因子在第j區(qū)間中出現(xiàn)的滑坡頻率；

Pi——第i個(gè)因子的滑坡頻率之和。

一般地，可將RPij作為神經(jīng)網(wǎng)絡(luò)模型的輸入向量，同時(shí)將斜坡單元各指標(biāo)的相對(duì)滑坡頻率之和（Z）作為輸出向量，進(jìn)而構(gòu)建神經(jīng)網(wǎng)絡(luò)模型。

由于模型輸出值與各指標(biāo)相對(duì)頻率之和（Z）密切相關(guān)，通過神經(jīng)網(wǎng)絡(luò)模型，將輸入向量和輸出向量之間的線性關(guān)系演變?yōu)榉蔷€性關(guān)系，目的在于尋求各指標(biāo)相對(duì)權(quán)重大小。然而，因樣本數(shù)量限制，預(yù)測(cè)模型的泛化能力將受到明顯影響，理論上樣本數(shù)量越多，代表性越強(qiáng)，模型泛化能力越強(qiáng)。若將輸出向量設(shè)為0和1，0代表非滑坡，1代表滑坡，則建模過程將得到較大簡(jiǎn)化，因模型泛化過程僅為二值分類，對(duì)模型精度的要求明顯降低。因此，在樣本數(shù)相同的情況下，基于相同的方法，二值分類的泛化能力將更高。

相對(duì)于單一滑坡而言，本次劃分的斜坡單元面積偏大，以柵格平均值計(jì)算斜坡單元值，顯然會(huì)造成較大誤差。因此，為保證評(píng)價(jià)精度，提出以下斜坡單元易發(fā)性指數(shù)計(jì)算方法：

式中：ZX——斜坡單元的滑坡易發(fā)性指數(shù)；

n ——被判為滑坡的柵格單元數(shù)；

N——斜坡單元總的柵格數(shù)。

最后將所有斜坡單元的ZX映射到[0,1]之間，以制作滑坡易發(fā)性分區(qū)圖。

3.3 基于SOM的滑坡易發(fā)性分區(qū)與樣本選取

利用機(jī)器學(xué)習(xí)算法進(jìn)行滑坡易發(fā)性預(yù)測(cè)，需要獲取與滑坡樣本數(shù)量相等的非滑坡樣本，非滑坡樣本的選擇要求避開滑坡點(diǎn)，為比較不同非滑坡樣本選取方法對(duì)滑坡預(yù)測(cè)的影響，現(xiàn)分別采用SOM神經(jīng)網(wǎng)絡(luò)聚類和較為常見的隨機(jī)選取方法獲取非滑坡樣本，其中隨機(jī)選取方法不考慮非滑坡點(diǎn)所在區(qū)域的易發(fā)性程度。通過資料收集和野外調(diào)查，共獲取137個(gè)滑坡點(diǎn)歷史數(shù)據(jù)，因此需獲取相同數(shù)量的非滑坡點(diǎn)數(shù)據(jù)。利用隨機(jī)選取方法進(jìn)行采樣時(shí)，盡量保持與滑坡樣本一定緩沖距離，并盡可能均勻布點(diǎn)。

首先利用SOM模型對(duì)研究區(qū)進(jìn)行滑坡易發(fā)性初步分區(qū)，非滑坡點(diǎn)全部選擇在易發(fā)性等級(jí)最低的地區(qū)。具體流程為：（1）首先利用SOM對(duì)研究區(qū)進(jìn)行自組織、無導(dǎo)師分類，然后利用式（2）統(tǒng)計(jì)各分區(qū)的相對(duì)頻率，按照相對(duì)頻率高低分別劃分為高易發(fā)區(qū)、較高易發(fā)區(qū)、中等易發(fā)區(qū)、較低易發(fā)區(qū)和低易發(fā)區(qū)5個(gè)區(qū)；（2）在低易發(fā)區(qū)均勻選取非滑坡樣本?；乱装l(fā)性分區(qū)及非滑坡點(diǎn)的選取結(jié)果如圖4(a)所示。

圖4 滑坡易發(fā)性分區(qū)結(jié)果Fig.4 Zoning map of landslide susceptibility

3.4 滑坡易發(fā)性分區(qū)及結(jié)果分析

由137個(gè)滑坡樣本和以上兩種方法選取的137個(gè)非滑坡樣本分別構(gòu)成隨機(jī)森林模型和SOM-隨機(jī)森林模型的基礎(chǔ)樣本，其中100個(gè)作為訓(xùn)練樣本，37個(gè)作為測(cè)試樣本，采用TreeBagger隨機(jī)森林分類器構(gòu)建滑坡易發(fā)性預(yù)測(cè)模型。決策樹數(shù)目均設(shè)為500，訓(xùn)練誤差曲線見圖5。測(cè)試樣本的預(yù)測(cè)準(zhǔn)確率分別達(dá)到94.59%（隨機(jī)森林）和95.95%（SOM-隨機(jī)森林）。將1 487 829個(gè)柵格單元各指標(biāo)數(shù)據(jù)，分別輸入訓(xùn)練好的隨機(jī)森林和SOM-隨機(jī)森林模型中，獲取每一個(gè)柵格單元的滑坡預(yù)測(cè)結(jié)果。然后利用式（3）統(tǒng)計(jì)各斜坡單元的滑坡易發(fā)性指數(shù)，在ArcGIS軟件中利用自然斷點(diǎn)法進(jìn)行滑坡易發(fā)性分級(jí)，得到易發(fā)性評(píng)價(jià)圖4(b)、圖4(c)。隨機(jī)森林模型收斂速度較快，對(duì)大樣本的運(yùn)算也非常迅速，1 487 829個(gè)柵格單元的運(yùn)算總用時(shí)僅為4 min左右。對(duì)比SOM、隨機(jī)森林和SOM-隨機(jī)森林3種評(píng)價(jià)模型的分區(qū)結(jié)果發(fā)現(xiàn)（表2），SOM模型與其余兩種模型的評(píng)價(jià)結(jié)果相差較大，較高和高易發(fā)區(qū)的滑坡頻率占比僅為68.87%，同時(shí)其低易發(fā)區(qū)的分布面積明顯小于隨機(jī)森林和SOM-隨機(jī)森林模型的分區(qū)結(jié)果，且位于后兩種方法的低易發(fā)區(qū)內(nèi)。因此，單獨(dú)SOM神經(jīng)網(wǎng)絡(luò)對(duì)于易發(fā)性分區(qū)而言，精度略顯不足，但作為非滑坡樣本的選擇依據(jù)，完全能夠滿足選擇需要。隨機(jī)森林模型和SOM-隨機(jī)森林模型分區(qū)結(jié)果中，較高和高易發(fā)區(qū)的滑坡頻率占比分別為91.19% 和94.94%，表明二者均很好的評(píng)價(jià)了研究區(qū)的滑坡易發(fā)性。從分區(qū)面積及占比看，由圖4統(tǒng)計(jì)，隨機(jī)森林模型中，較高和高易發(fā)區(qū)的面積分別為152.83 km2和373.34 km2，占比分別為11.41%和27.88%；SOM-隨機(jī)森林模型中分別為152.12 km2和380.21 km2，占比為11.36%和28.39%，其余三個(gè)等級(jí)的滑坡易發(fā)性分區(qū)面積也十分接近。

表2 不同滑坡易發(fā)性分區(qū)的滑坡頻率Table 2 Landslide frequency in different landslide susceptibility zones

圖5 模型誤差與決策樹數(shù)量關(guān)系Fig.5 Relationship between model error and decision tree quantity

為檢驗(yàn)以上評(píng)價(jià)模型對(duì)大余縣滑坡易發(fā)性評(píng)價(jià)結(jié)果的準(zhǔn)確性，選用成功率曲線對(duì)結(jié)果進(jìn)行驗(yàn)證，線下面積大小反映了模型的預(yù)測(cè)準(zhǔn)確性，越接近1準(zhǔn)確性越高[30]。由圖6可知，SOM、隨機(jī)森林和SOM-隨機(jī)森林三種模型的線下面積（AUC）分別為0.688、0.822和0.849。檢驗(yàn)結(jié)果表明，單獨(dú)的SOM進(jìn)行滑坡易發(fā)性分區(qū)，準(zhǔn)確率偏低，單獨(dú)隨機(jī)森林模型的預(yù)測(cè)率則低于SOM-隨機(jī)森林模型約2.7%，表明基于SOM的非滑坡樣本選擇能夠有效提高隨機(jī)森林模型的預(yù)測(cè)精度。

圖6 滑坡易發(fā)性預(yù)測(cè)成功率曲線Fig.6 Success rate curves of landslide susceptibility indexes

4 結(jié)論

以大余縣為例，對(duì)比分析SOM神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)隨機(jī)選取非滑坡樣本方法，基于斜坡單元構(gòu)建滑坡易發(fā)性評(píng)價(jià)模型，并得出以下結(jié)論：

（1）單獨(dú)利用SOM神經(jīng)網(wǎng)絡(luò)進(jìn)行滑坡易發(fā)性預(yù)測(cè)，預(yù)測(cè)精度有限，但分區(qū)結(jié)果作為非滑坡樣本選擇依據(jù)，能使樣本選擇更加合理。

（2）將柵格單元滑坡預(yù)測(cè)結(jié)果與斜坡單元相結(jié)合，提出了一種滑坡易發(fā)性指數(shù)計(jì)算方法，該方法簡(jiǎn)單易用，運(yùn)算快速，同時(shí)避免了因柵格單元較小而引起評(píng)價(jià)結(jié)果空間分布零散的缺點(diǎn)，使斜坡單元評(píng)價(jià)結(jié)果的物理意義更加明確。

（3）對(duì)比分析隨機(jī)森林模型和SOM-隨機(jī)森林模型的評(píng)價(jià)結(jié)果，較高易發(fā)區(qū)和高易發(fā)區(qū)的滑坡頻率占比分別為90.19%和94.94%，根據(jù)預(yù)測(cè)成功率曲線，AUC值分別達(dá)到0.822和0.849，表明SOM-隨機(jī)森林模型的評(píng)價(jià)精度比隨機(jī)森林模型有一定提高。

致謝：中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云提供的遙感和DEM數(shù)據(jù)。