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(guó)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(cè)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(dòng)作用下沿斜坡向下滑移、崩落或流動(dòng)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(huì)經(jīng)濟(jì)發(fā)展和人民生命財(cái)產(chǎn)安全[1]。福建省是我國(guó)遭受滑坡災(zāi)害較嚴(yán)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(jì)損失和數(shù)百人傷亡[2]?；挛ｋU(xiǎn)性評(píng)價(jià)是滑坡災(zāi)害風(fēng)險(xiǎn)評(píng)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(xiǎn)性評(píng)價(jià)過(guò)程包括滑坡影響因子選擇、研究單元?jiǎng)澐?、建立評(píng)價(jià)模型和模型評(píng)價(jià)等步驟，選取高效精確的模型對(duì)于評(píng)價(jià)結(jié)果具有至關(guān)重要的作用[4]。滑坡危險(xiǎn)性評(píng)價(jià)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(jì)模型方法[5]?；诮y(tǒng)計(jì)模型的方法得益于其高效準(zhǔn)確而被應(yīng)用于大量工程項(xiàng)目與科學(xué)研究中，包括邏輯回歸模型、支持向量機(jī)、貝葉斯方法、決策樹(shù)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(duì)蘆山地震區(qū)進(jìn)行了滑坡危險(xiǎn)性評(píng)價(jià)，分析了地震區(qū)滑坡影響因子，給出了研究區(qū)滑坡危險(xiǎn)性分區(qū)圖。王萌等[9]采用GIS 技術(shù)和貢獻(xiàn)權(quán)重模型在米易縣進(jìn)行了滑坡危險(xiǎn)性評(píng)估，實(shí)現(xiàn)滑坡危險(xiǎn)性評(píng)價(jià)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(píng)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(xiǎn)性評(píng)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(duì)康斯坦丁市進(jìn)行了危險(xiǎn)性評(píng)價(jià)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(jì)算機(jī)性能的進(jìn)一步加強(qiáng)，人工神經(jīng)網(wǎng)絡(luò)模型對(duì)比其他簡(jiǎn)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(xiǎn)性評(píng)價(jià)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(duì)該地區(qū)的單體滑坡災(zāi)害進(jìn)行了研究，認(rèn)為該地區(qū)滑坡具有典型的東南沿海臺(tái)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(xiǎn)性評(píng)價(jià)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(duì)象,收集多種滑坡影響因子，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型對(duì)該區(qū)域滑坡災(zāi)害危險(xiǎn)性進(jìn)行評(píng)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(wàn)km2（圖1）。研究區(qū)地形地貌受構(gòu)造運(yùn)動(dòng)的影響強(qiáng)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(diǎn)分布情況見(jiàn)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(jí)類型[18]。其中，滑移1 008例，崩塌679 例，泥石流24 例，共計(jì)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(diǎn)法進(jìn)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(lái)源Table 1 The description and source of landslide inducing factors

地形地貌對(duì)滑坡的形成具有重要控制作用。海拔的高低對(duì)于人類工程活動(dòng)等影響有直接作用，從而影響邊坡的危險(xiǎn)程度；坡度是一種被廣泛應(yīng)用的滑坡危險(xiǎn)性評(píng)價(jià)因子，其影響斜坡上失穩(wěn)巖土體的穩(wěn)定性和總體移動(dòng)速率。通常，坡度越大的區(qū)域其勢(shì)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(yáng)光照射時(shí)間與強(qiáng)度不同、水流方向也不同，這些影響導(dǎo)致了坡面植被生長(zhǎng)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(dòng)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(xiǎn)性評(píng)價(jià)中重要的影響因子，他們直接決定滑坡是否會(huì)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(qiáng)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(duì)于滑坡的孕育也有著不同程度的影響。通常對(duì)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(dá)的森林較草地則更穩(wěn)定。

人類活動(dòng)對(duì)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(kāi)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(shí)也是減災(zāi)防災(zāi)的重點(diǎn)區(qū)域[22]。因此，選擇公路、鐵路作為表征人類活動(dòng)的因子。

2 研究方法

2.1 研究單元?jiǎng)澐?/h3>

目前，滑坡危險(xiǎn)性評(píng)價(jià)常用的基本研究單元有：網(wǎng)格單元、地貌單元、行政單元、獨(dú)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(duì)于復(fù)雜模型的計(jì)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(píng)價(jià)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(huì)影響計(jì)算效率，研究者通常選取在30 m～1 km。出于對(duì)研究區(qū)面積和計(jì)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(jì)得到374 666 個(gè)單元。分別計(jì)算落入每個(gè)單元的滑坡點(diǎn)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(xiǎn)性評(píng)價(jià)模型的因變量。然后計(jì)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(cè)

多個(gè)滑坡影響因子之間可能存在相關(guān)性，相關(guān)性的存在會(huì)使得評(píng)價(jià)模型難以捕捉有用信息，從而影響評(píng)價(jià)結(jié)果。本研究使用Spearman 相關(guān)性分析對(duì)研究區(qū)各因子進(jìn)行分析，通過(guò)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(cè)由SPSS 軟件計(jì)算，結(jié)果見(jiàn)表2。

Xiao 等[24?25]研究認(rèn)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(xiàng)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(xiǎn)性評(píng)價(jià)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(jī)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(wèn)題，因而被廣泛的應(yīng)用于滑坡危險(xiǎn)性評(píng)價(jià)和風(fēng)險(xiǎn)評(píng)估中[26?28]。

人工神經(jīng)網(wǎng)絡(luò)是由構(gòu)成動(dòng)物大腦的生物神經(jīng)網(wǎng)絡(luò)模糊啟發(fā)的計(jì)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(diǎn)組成，這些單元或節(jié)點(diǎn)可以對(duì)生物腦中的神經(jīng)元進(jìn)行松散建模。每個(gè)連接都像生物大腦中的突觸一樣，可以將信號(hào)傳輸?shù)狡渌窠?jīng)元。接收信號(hào)的人工神經(jīng)元隨后對(duì)其進(jìn)行處理，并可以向與之相連的神經(jīng)元發(fā)出信號(hào)。在許多實(shí)際應(yīng)用場(chǎng)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(guò)第一層神經(jīng)元的計(jì)算得到輸出，然后第一層的輸出作為第二層的輸入，依次運(yùn)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(dòng)計(jì)算單元格數(shù)、計(jì)算隱藏層層數(shù)與神經(jīng)元個(gè)數(shù)，使用隨機(jī)搜索確定模型參數(shù)值。同時(shí)，為防止過(guò)擬合，指定30%集合用于防止過(guò)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(gè)滑坡災(zāi)害點(diǎn)分別落入1 653 個(gè)單元中，該1 653 個(gè)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?yàn)檫x擇區(qū)域，選取等數(shù)量的單元作為負(fù)樣本。因此，共計(jì)3 306 個(gè)樣本用于模型的訓(xùn)練和測(cè)試，其中訓(xùn)練集和測(cè)試集數(shù)量比例各占50%。

2.4 模型評(píng)估和驗(yàn)證

2.4.1 混淆矩陣

混淆矩陣（confusion matrix）衡量的是一個(gè)分類器分類的準(zhǔn)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(píng)價(jià)，該方法可以對(duì)模型結(jié)果中0 值預(yù)測(cè)的正確率和對(duì)1 值預(yù)測(cè)正確率以及整體預(yù)測(cè)率進(jìn)行定量表達(dá)。本研究使用了sklearn.metrics.confusion_matrix計(jì)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(xiǎn)性評(píng)價(jià)中，ROC 曲線的X軸為特異性，表示非災(zāi)害點(diǎn)被錯(cuò)誤預(yù)測(cè)的概率。Y軸為敏感性，代表災(zāi)害點(diǎn)預(yù)測(cè)成功率。模型預(yù)測(cè)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(xiǎn)性評(píng)價(jià)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(xiǎn)性指數(shù)。其結(jié)果范圍為0～1，使用自然間斷法進(jìn)行分區(qū)，分別為低危險(xiǎn)區(qū)、較低危險(xiǎn)區(qū)、中等危險(xiǎn)區(qū)、較高危險(xiǎn)區(qū)和高危險(xiǎn)區(qū)。圖5 為研究區(qū)滑坡危險(xiǎn)性分區(qū)圖。

圖5 研究區(qū)滑坡危險(xiǎn)性評(píng)價(jià)分區(qū)圖Fig.5 Landslide risk assessment map

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

總體上看，研究區(qū)滑坡危險(xiǎn)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(shuō)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(xiǎn)區(qū)分布較廣，主要在研究區(qū)的東北和西南部。較低危險(xiǎn)區(qū)和低危險(xiǎn)區(qū)主要分布于建陽(yáng)區(qū)和建甌市。研究區(qū)內(nèi)較低危險(xiǎn)區(qū)和中等危險(xiǎn)區(qū)分布最為廣泛，這些地區(qū)往往發(fā)生過(guò)一些滑坡災(zāi)害，但遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到較高危險(xiǎn)程度。

3.2 模型精度評(píng)估和驗(yàn)證分析

為測(cè)試危險(xiǎn)性評(píng)價(jià)模型的精度和可靠性，選用混淆矩陣和ROC 曲線對(duì)模型的預(yù)測(cè)正確率進(jìn)行了驗(yàn)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(xiǎn)性評(píng)價(jià)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(duì)結(jié)果中滑坡發(fā)生與不發(fā)生的精度進(jìn)行了統(tǒng)計(jì)，最終準(zhǔn)確度為84.91%，表明實(shí)際預(yù)測(cè)精度較高。而模型AUC值達(dá)到0.93，表明模型預(yù)測(cè)能力極好，精度較高。

4 結(jié)論與討論

（1）本文基于GIS 和機(jī)器學(xué)習(xí)技術(shù)，應(yīng)用神經(jīng)網(wǎng)絡(luò)模型對(duì)南平市進(jìn)行滑坡危險(xiǎn)性評(píng)價(jià)，并對(duì)評(píng)價(jià)結(jié)果進(jìn)行檢驗(yàn)。結(jié)果表明：預(yù)測(cè)準(zhǔn)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(cè)性和精度。研究結(jié)果可進(jìn)一步的為研究區(qū)防災(zāi)減災(zāi)與發(fā)展的選址問(wèn)題上給決策者與工程師提供參考與建議。

（2）研究區(qū)危險(xiǎn)性結(jié)果為東北和西南危險(xiǎn)性高，中部低。延平區(qū)、浦城縣是滑坡最危險(xiǎn)的地區(qū)，中等危險(xiǎn)區(qū)分布較廣，主要在研究區(qū)的東北和西南部。較低危險(xiǎn)區(qū)和低危險(xiǎn)區(qū)主要分布于建陽(yáng)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(xiǎn)性高，對(duì)于山區(qū)居民和公路等基礎(chǔ)設(shè)施存在的嚴(yán)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(jìn)一步深入，待以后的研究中改善和解決。