梅 樂,馬 星,連鑫龍,陳俊松,杜 勇

(1. 廣東省城鄉(xiāng)規(guī)劃設(shè)計研究院有限責(zé)任公司,廣東 廣州 510220; 2. 福建經(jīng)緯測繪信息有限公司,福建 福州 350001)

0 引言

城市化過程中常伴隨著大量的土地資源開墾,它改變了斜坡體原始的土地利用類型、地形地貌特征[1],造成了地質(zhì)歷史時期斜坡的原始平衡狀態(tài)發(fā)生變化。同時,失穩(wěn)的斜坡容易演變?yōu)榈刭|(zhì)災(zāi)害從而限制城市的發(fā)展,故探索土地利用變化與地質(zhì)災(zāi)害之間的關(guān)系具有重大意義。本文研究的重點是對比分析城市不同時期地質(zhì)災(zāi)害的易發(fā)性空間分布與土地利用類型之間的關(guān)系,將易發(fā)性等級變化和土地利用變化聯(lián)系起來,并探索城市化擴(kuò)張區(qū)域的地質(zhì)災(zāi)害易發(fā)性變化情況,為后期城市發(fā)展規(guī)劃提供科學(xué)依據(jù)。

隨著人類工程活動范圍不斷擴(kuò)張,土地利用類型在空間范圍上頻繁轉(zhuǎn)換,處于動態(tài)變化狀態(tài)[2-4]。遙感技術(shù)經(jīng)過幾十年的發(fā)展,越來越多的算法被應(yīng)用于遙感影像解譯中,如決策樹法[5]、隨機(jī)森林[6]等,利用影像分類已成為獲取區(qū)域范圍內(nèi)土地利用類型的重要手段[7-9]。近年來,隨著深度學(xué)習(xí)的廣泛應(yīng)用,其在遙感影像分類中也開始顯露優(yōu)勢,如,ZHAO等[10]基于數(shù)據(jù)集轉(zhuǎn)換理念,將高光譜遙感影像利用多尺度卷積神經(jīng)網(wǎng)絡(luò)方法提取其空間信息,使影像信息得到多層次的表達(dá),實現(xiàn)影像分類。CAI等[11]通過Landsat系列影像,將深度神經(jīng)網(wǎng)絡(luò)應(yīng)用到時間序列遙感圖像建立了分類模型,并利用不同時間點的光譜值作為模型的輸入信息,使其可以充分利用時間序列信息并提高分類精度。但是,傳統(tǒng)基于影像像元進(jìn)行分類的方法沒有將地物之間的空間關(guān)系作為判別標(biāo)準(zhǔn),會導(dǎo)致分類結(jié)果有破碎、錯分等現(xiàn)象。為了改進(jìn)基于像元方法存在的問題,WALTER[12]提出了基于面向?qū)ο蟮倪b感影像分割方法,將相似地物視為一個整體進(jìn)行整合,然后對整合后的影像進(jìn)行分類。眾多學(xué)者的研究表明,面向?qū)ο蟮挠跋穹诸惙椒ǖ慕Y(jié)果置信度會高于基于像元的分類,如,WANG等[13]提出了面向?qū)ο笈c隨機(jī)森林相結(jié)合的影像分類方法,利用Landsat-8 OLI影像和分割后光譜信息提取了土地利用類型信息,精度達(dá)到89.37%。JIN等[14]提出了一種將面向?qū)ο蠓指罘椒ê蜕疃染矸e神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法用來提取云南省撫仙湖周圍地區(qū)的土地利用/覆被類型,不僅考慮了地類的光譜信息,而且結(jié)合了地類的紋理等特征,精度達(dá)到了96.2%。本文將采用面向?qū)ο蠓指钆c深度神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的方法對研究區(qū)的土地利用類型進(jìn)行分類。

地質(zhì)災(zāi)害具有突發(fā)性強(qiáng),影響范圍廣的特點,是自然環(huán)境和經(jīng)濟(jì)社會的重大隱患[15-16]。針對地質(zhì)災(zāi)害易發(fā)性評價,國內(nèi)外學(xué)者基于數(shù)據(jù)豐富程度以及研究區(qū)特性提出了大量評價模型[17-19],按確定性分類主要包含確定性模型[17]和非確定性模型[20-21]兩大類。其中,確定性模型是根據(jù)斜坡體的地形地貌特征、巖土體參數(shù)等計算斜坡的穩(wěn)定性系數(shù),適用于小范圍內(nèi)的地質(zhì)災(zāi)害穩(wěn)定性評價。相比于確定性模型,非確定性模型,如證據(jù)權(quán)模型[22],支持向量機(jī)模型[23]等,主要是基于統(tǒng)計分析的方法確定歷史地質(zhì)災(zāi)害與成災(zāi)因子之間的關(guān)系。在區(qū)域地質(zhì)災(zāi)害易發(fā)性評價過程中,非確定性的地質(zhì)災(zāi)害評價方法發(fā)揮了重要作用,如,張向營等[24]根據(jù)研究區(qū)貴德縣地質(zhì)災(zāi)害的特點,將層次分析法進(jìn)行優(yōu)化,并基于專家經(jīng)驗重新計算權(quán)重,提高了評價精度。王芳等[25]以重慶市萬州區(qū)為研究區(qū),基于邏輯回歸模型、決策樹模型和支持向量機(jī)模型,對區(qū)域地質(zhì)災(zāi)害的易發(fā)性進(jìn)行了評價,并對比了3種模型在區(qū)域上運用的精度。連志鵬等[26]根據(jù)不同滑坡易發(fā)性評價模型的優(yōu)勢融合,以五峰縣漁洋關(guān)鎮(zhèn)為研究區(qū)提取區(qū)域的災(zāi)害成因因子,利用多耦合的評價模型進(jìn)行區(qū)域滑坡易發(fā)性評價,得出模型融合思路的可借鑒性。本文采用基于統(tǒng)計分析方法的證據(jù)權(quán)模型對研究區(qū)的地質(zhì)災(zāi)害易發(fā)性進(jìn)行評價。

為探討城市化發(fā)展過程中土地利用變化對地質(zhì)災(zāi)害易發(fā)性的影響,以城市化發(fā)展迅速的粵港澳大灣區(qū)東部的惠州市惠城區(qū)(不含仲愷高新區(qū))為例開展研究?；谶b感影像解譯并劃分了兩個時期(2014年和2020年)區(qū)域土地利用類型,并根據(jù)對應(yīng)時期的地質(zhì)環(huán)境背景和歷史地質(zhì)災(zāi)害定量計算了區(qū)域地質(zhì)災(zāi)害易發(fā)性等級。根據(jù)實驗結(jié)果,探索分析了城市擴(kuò)張下區(qū)域地質(zhì)災(zāi)害易發(fā)性等級變化,研究成果可為當(dāng)?shù)爻鞘谢l(fā)展提供有效的科學(xué)依據(jù)。

1 研究區(qū)概況

1.1 自然地理條件

研究區(qū)屬于廣東省惠州市轄區(qū),位于粵港澳大灣區(qū)東部,東江中下游,區(qū)域范圍內(nèi)有8個街道、5個鎮(zhèn),地理坐標(biāo)范圍為114°17′～114°41′E,22°56′～23°24′N,研究區(qū)總面積約1124 km2。

研究區(qū)地貌類型包括平原、丘陵和山地,區(qū)域北部主要以山地、丘陵為主,中部主要由東江、西枝江江岸的沖擊平原構(gòu)成,南部地區(qū)是山地、丘陵區(qū),轄區(qū)內(nèi)主要的河流包括東江和西枝江。整個研究區(qū)位于低緯度的東江中下游平原區(qū),靠近南海,整體氣候?qū)儆谀蟻啛釒ШＱ蠹撅L(fēng)氣候,年均降雨量約1731 mm,暴雨多集中在6—8月,受臺風(fēng)影響大。

1.2 工程地質(zhì)概況

研究區(qū)出露的地層以新生界和中生界為主,地層主要有砂巖、礫巖、板巖、泥巖、灰?guī)r和第四系沖洪積物,占研究區(qū)總面積約95%;同時,區(qū)域零星分布巖漿巖,占研究區(qū)總面積約5%。根據(jù)區(qū)域巖土體結(jié)構(gòu)、力學(xué)性質(zhì)等特征,可以將其劃分為五類工程地質(zhì)巖組,即壓縮性軟弱巖組(Ⅰ)、層狀較軟弱巖組(Ⅱ)、層狀較軟至較硬巖組(Ⅲ)、層塊狀較軟至較硬綜合巖組(Ⅳ)和塊狀較硬至堅硬巖組(Ⅴ)[27]。研究區(qū)經(jīng)歷了多期的構(gòu)造運動和多次大規(guī)模的巖漿侵入噴發(fā)運動,形成了一系列多走向的斷裂和褶皺,地質(zhì)構(gòu)造復(fù)雜。區(qū)域復(fù)雜的地質(zhì)環(huán)境、多類型的工程巖組以及豐富的第四系沖洪積物,為地質(zhì)災(zāi)害頻發(fā)提供了內(nèi)部條件。

1.3 災(zāi)害編錄與數(shù)據(jù)來源

根據(jù)區(qū)域歷史災(zāi)害數(shù)據(jù)顯示,研究區(qū)內(nèi)崩塌、滑坡和不穩(wěn)定斜坡共計149處,其中2015年以前95處,2015年以后(含2015年)54處,具體地質(zhì)災(zāi)害的空間分布和研究區(qū)的工程巖組如圖1所示。根據(jù)資料顯示,2015年后發(fā)生的地質(zhì)災(zāi)害中有19處崩塌,35處滑坡,規(guī)模相對都較小,基本以土質(zhì)崩滑為主。根據(jù)地質(zhì)災(zāi)害發(fā)生的空間分布可以明顯看出,在平原與山地、丘陵的交界地帶地質(zhì)災(zāi)害更易集中發(fā)生。

圖1 研究區(qū)工程地質(zhì)巖組和地質(zhì)災(zāi)害分布

文中基礎(chǔ)地理數(shù)據(jù)包含地形地貌數(shù)據(jù)、地質(zhì)構(gòu)造數(shù)據(jù)、工程地質(zhì)數(shù)據(jù)和水文地質(zhì)數(shù)據(jù),均來源于惠州市自然資源局;遙感影像數(shù)據(jù)來源于地理空間數(shù)據(jù)云中的Landsat 8影像,日期分別為2014年12月5日和2020年4月15日。

2 研究方法

本文研究內(nèi)容主要包含三個方面:一是土地利用類型分類方面,二是地質(zhì)災(zāi)害易發(fā)性評價方面,三是土地利用變化與易發(fā)性變化關(guān)系探索。通過面向?qū)ο蠓指钆c深度神經(jīng)網(wǎng)絡(luò)模型相結(jié)合實現(xiàn)土地利用類型分類,并將分類結(jié)果作為動態(tài)因子與其他評價指標(biāo)一起輸入到地質(zhì)災(zāi)害易發(fā)性評價模型中,建立二者之間的聯(lián)系,最后,構(gòu)建轉(zhuǎn)移矩陣分析研究區(qū)城市化過程中土地利用變化對地質(zhì)災(zāi)害易發(fā)性的影響,具體流程如圖2。

圖2 土地利用變化對地質(zhì)災(zāi)害易發(fā)性影響研究的流程圖

2.1 土地利用類型分類

通過結(jié)合面向?qū)ο蠓指詈蜕疃壬窠?jīng)網(wǎng)絡(luò)模型進(jìn)行影像分類,將面向?qū)ο蠓指罘椒ㄌ崛〉墓庾V、空間紋理、幾何形狀等特征作為序列數(shù)據(jù)輸入到深度神經(jīng)網(wǎng)絡(luò)模型中,以獲取該時間點影像的土地利用信息分類結(jié)果,然后基于GIS平臺實現(xiàn)分類結(jié)果的轉(zhuǎn)移變化分析。

面向?qū)ο蟮姆指罘椒ㄓ卸喾N,文中采用基于eCognition軟件中的多尺度分割(multiresolution segmentation, MRS)模塊進(jìn)行對象分割。該模塊采用基于區(qū)域生長合并的分割方法,以影像中單個像元為起始對象進(jìn)行多方向的合并,然后將特征屬性相似且空間位置相鄰的像元合并組合成一個具體的不規(guī)則的影像對象。合并后的影像對象內(nèi)部在分割過程中的異質(zhì)性越來越小,最終達(dá)到平均異質(zhì)性最小以實現(xiàn)影像在不同尺度下的像素聚合。分割過程中尺度的選擇會直接影響到地類提取的效果,研究擬選用EPS2工具來獲取最優(yōu)分割尺度,當(dāng)局部方差的變化率值(rates of change of local variance, ROC-LV)出現(xiàn)局部峰值時,該點對應(yīng)的分割尺度就是最佳分割尺度,依照所獲得的分割尺度,對遙感影像進(jìn)行多尺度分割,得到最終的分割結(jié)果。

為了建立分割對象與實際地類之間相對應(yīng)的關(guān)系,需要根據(jù)地類類別的性質(zhì),通過具體的分類器對不同對象之間豐富的特征信息進(jìn)行對比、訓(xùn)練和測試處理,將這些具有離散性的影像對象劃分為同類中最相似的樣本以達(dá)到影像分類的目的。神經(jīng)網(wǎng)絡(luò)模型作為一種智能學(xué)習(xí)模型,它能夠通過模擬任意函數(shù),構(gòu)建輸入層、隱藏層和輸出層之間的關(guān)系,并使輸入層轉(zhuǎn)變?yōu)轭A(yù)想的輸出層。深度神經(jīng)網(wǎng)絡(luò)模型是在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,構(gòu)建多層隱藏層,增加模型的表達(dá)能力,讓輸入層到輸出層的算法模擬條件更具說服力。本文采用深度神經(jīng)網(wǎng)絡(luò)模型來實現(xiàn)面向?qū)ο蠓指詈缶哂卸鄠€特征因子的遙感影像的土地利用類型分類。

2.2 地質(zhì)災(zāi)害易發(fā)性評價

地質(zhì)災(zāi)害的易發(fā)性是用于評價地質(zhì)災(zāi)害發(fā)生的空間概率,即用于度量空間位置哪里更容易發(fā)生地質(zhì)災(zāi)害的可能[28]。區(qū)域地質(zhì)災(zāi)害易發(fā)性評價工作是基于研究區(qū)特點,分析歷史地質(zhì)災(zāi)害的成災(zāi)規(guī)律,構(gòu)建災(zāi)害的評價指標(biāo)體系,并通過具體的評價模型對指標(biāo)進(jìn)行量化,最后以精度分析佐證評價結(jié)果。根據(jù)研究區(qū)歷史地質(zhì)災(zāi)害數(shù)據(jù)顯示,區(qū)內(nèi)主要受土質(zhì)崩滑災(zāi)害影響,且基礎(chǔ)數(shù)據(jù)質(zhì)量較好,故本文采取半定量方法——證據(jù)權(quán)模型評價地質(zhì)災(zāi)害易發(fā)性。

證據(jù)權(quán)模型[18]是基于貝葉斯統(tǒng)計分析模式,該模型假設(shè)不同證據(jù)因子之間相對獨立,通過多因子的疊加對目標(biāo)結(jié)果概率進(jìn)行計算分析。在地質(zhì)災(zāi)害易發(fā)性評價中,證據(jù)權(quán)模型是通過計算歷史地質(zhì)災(zāi)害在各證據(jù)因子(評價指標(biāo))條件下的發(fā)生概率,并累加所有因子的權(quán)重值進(jìn)行易發(fā)性高低評價。

證據(jù)權(quán)模型是一種綜合多種控制因素的半定量方法,通過計算每一證據(jù)因子條件下地質(zhì)災(zāi)害發(fā)生的后驗概率,其計算公式如下:

1)當(dāng)證據(jù)因子存在時:

(1)

(2)當(dāng)證據(jù)因子不存在時:

(2)

(3)

式中,Wj為證據(jù)因子j的權(quán)重值。研究區(qū)每個柵格對應(yīng)多種證據(jù)因子,每個因子可計算各自權(quán)重值,將區(qū)域內(nèi)每個柵格的權(quán)重值進(jìn)行累加求和,即可得到整個區(qū)域地質(zhì)災(zāi)害的易發(fā)性結(jié)果。

3 評價結(jié)果與分析

本文研究是探索土地利用變換對地質(zhì)災(zāi)害易發(fā)性的影響,基于前述方法對研究區(qū)兩個不同時期的土地利用類型和地質(zhì)災(zāi)害易發(fā)性分別進(jìn)行研究。

3.1 土地利用類型分類

考慮到區(qū)域土地利用類型的實際情況,將其劃分為建設(shè)用地(C1)、林地(C2)、耕地(C3)、水域(C4)和未利用土地(C5)5個類型,其中建設(shè)用地包含城市用地、公路建設(shè)用地、工程設(shè)施用地等人類工程活動用地。根據(jù)所選擇的遙感影像數(shù)據(jù)源,首先進(jìn)行大氣校正和影像融合預(yù)處理,用大氣校正后的全色波段和多光譜相融合,以獲取高分辨率、多波段的基礎(chǔ)數(shù)據(jù)。然后,利用eCognition軟件中的多尺度分析模塊進(jìn)行影像分割,分割方法采用區(qū)域生長合并,兩期影像的分割尺度均為5,結(jié)果如圖3所示。其中,2014年分割后生成27099個對象,2020年生成31096個對象,并生成光譜特征包括歸一化植被指數(shù)、歸一化水體指數(shù)、歸一化建筑指數(shù)和均值。紋理特征包括同質(zhì)性、對比度和差異性。幾何特征包括面積、長寬比和形狀指數(shù)用于后續(xù)影像分類。

圖3 兩期遙感影像分割結(jié)果圖

為了建立區(qū)域分割對象與實際地類之間相對應(yīng)的關(guān)系,本文利用深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行遙感影像分類,通過分類器對上述分割后的對象進(jìn)行對比、訓(xùn)練,并將離散的影像對象按照預(yù)先設(shè)定劃分為五類以達(dá)到研究目的。針對兩期影像分割后的結(jié)果,分別選取2000個不同樣本輸入到分類器中進(jìn)行分類,其中訓(xùn)練樣本1400個,測試樣本600個,分類后的結(jié)果如圖4所示。其中2014年和2020年分類結(jié)果中建設(shè)用地、林地、耕地、水域和未利用土地分別占比17.92%,59.14%,11.67%,10.68%,0.32%和20.85%,53.10%,15.14%,10.63%,0.28%。

圖4 兩期遙感影像分類結(jié)果圖

通常來說,多類型的分類結(jié)果精度可采用混淆矩陣進(jìn)行科學(xué)客觀的定量分析。本文根據(jù)測試樣本的分類結(jié)果分別計算各自的混淆矩陣,并利用混淆矩陣計算其總體精度和Kappa系數(shù)以衡量影像分類精度。其中,Kappa系數(shù)是衡量各類對象正確分類的重要指標(biāo),一般來說,其值大于0.81表示各類對象分類結(jié)果較好。圖5為兩個時期影像測試樣本通過計算得到的混淆矩陣可視化圖,從圖中可明顯看出,文中提出的方法在研究區(qū)的土地利用類型分類中具有較好的精度表現(xiàn)。

圖5 兩期遙感影像的混淆矩陣可視化圖

表1為分類精度統(tǒng)計表,結(jié)果表明,測試樣本的Kappa系數(shù)分別為0.87和0.89,總體精度都達(dá)到了90%以上,表明該方法在進(jìn)行土地利用類型分類時具有很好的效果,可以作為中分辨率遙感影像分類的一種思路,同時分類結(jié)果可適用于后續(xù)地質(zhì)災(zāi)害易發(fā)性評價。

表1 分類精度統(tǒng)計表

整體上看,研究區(qū)2014年和2020年的土地利用類型發(fā)生了較大的變化,將兩個時期的土地利用類型進(jìn)行疊加,統(tǒng)計分析發(fā)生變化區(qū)域的面積得到其轉(zhuǎn)移矩陣,如表2所示,從表2中可以明顯看出,新增的建設(shè)用地主要由耕地、林地變更而來,分別有29.31 km2和14.18 km2發(fā)生變化。

表2 2014—2020年土地利用類型轉(zhuǎn)移矩陣

3.2 地質(zhì)災(zāi)害易發(fā)性評價

根據(jù)研究區(qū)歷史地質(zhì)災(zāi)害數(shù)據(jù),區(qū)內(nèi)主要的地質(zhì)災(zāi)害類型有:土質(zhì)滑坡、小型崩塌和不穩(wěn)定斜坡,規(guī)模多以中小型為主,主要的誘發(fā)因素為降雨和人類工程活動。區(qū)內(nèi)地質(zhì)災(zāi)害在發(fā)生機(jī)理上類似,物源基本以第四系土質(zhì)堆積物為主,且都主要受地形地貌、工程巖組、地質(zhì)構(gòu)造和人類工程活動等控制,故本文選取高程、坡度、坡向、坡面形態(tài)、工程巖組、地質(zhì)構(gòu)造和土地利用類型7個評價因子作為研究區(qū)地質(zhì)災(zāi)害易發(fā)性評價的指標(biāo),評價單元為10 m×10 m的柵格單元。

根據(jù)前面所篩選出的7個指標(biāo)因子,基于ArcGIS平臺將其柵格化并將連續(xù)值劃分為不同區(qū)間,統(tǒng)計每個因子各區(qū)段的柵格單元數(shù)與發(fā)生地質(zhì)災(zāi)害的單元數(shù),輸入至證據(jù)權(quán)模型即可得到每個因子各區(qū)間的權(quán)重值,如表3所示。其中,地質(zhì)構(gòu)造因子考慮到包括褶皺和斷層,分析時進(jìn)行兩級緩沖,即100 m和300 m緩沖。同時,考慮到地質(zhì)災(zāi)害基本發(fā)生在斜坡體,雖受人為工程活動影響,但對應(yīng)土地利用類型多是林地和未利用土地等,故本文在影像分類結(jié)果的基礎(chǔ)上取建設(shè)用地30 m的緩沖區(qū)作為人類工程活動的影響范圍,以更符合實際地質(zhì)災(zāi)害誘發(fā)情況。

表3 各評價因子的證據(jù)權(quán)重值

表3中證據(jù)權(quán)為正值,代表該因子該區(qū)間對地質(zhì)災(zāi)害發(fā)生具有促進(jìn)作用,值越大表示越利于地質(zhì)災(zāi)害發(fā)生;證據(jù)權(quán)為負(fù)值,代表該因子該區(qū)間對地質(zhì)災(zāi)害發(fā)生具有相對抑制作用,值越小地質(zhì)災(zāi)害越不容易發(fā)生。將兩個時期各因子各區(qū)間計算的證據(jù)權(quán)重值進(jìn)行疊加即可得到權(quán)重總值,選擇合適的閾值將總值劃分為5個等級以表示不同的易發(fā)性等級,具體結(jié)果如圖6所示。其中,2020年證據(jù)權(quán)值計算結(jié)果在坡度和土地利用類型指標(biāo)中均有大于1的情況,尤其是坡度[45°,65°)范圍段,有39個柵格新增發(fā)生地質(zhì)災(zāi)害,占總地質(zhì)災(zāi)害柵格數(shù)1.87%,但該坡度范圍總柵格數(shù)僅占研究區(qū)柵格總數(shù)0.19%,導(dǎo)致其證據(jù)權(quán)重值計算時增大為2.28。根據(jù)圖6中2020年地質(zhì)災(zāi)害易發(fā)性等級分布圖,研究區(qū)易發(fā)性等級高的區(qū)域較集中分布于區(qū)域東部和廣龍高速沿線段。

目前各國學(xué)者研究或論證的能夠改變小行星軌道的技術(shù)手段包括動能撞擊、質(zhì)量驅(qū)動、拖船、太陽光壓、引力牽引、激光燒蝕等[40-41]，這些技術(shù)手段通常需要幾年甚至幾十年的預(yù)警時間，僅適用于防御尺寸小、預(yù)警時間長的PHAs。各種可能的近地小行星防御技術(shù)，如圖13所示。

圖6 地質(zhì)災(zāi)害易發(fā)性等級劃分結(jié)果

研究中利用ROC曲線(receiver operating characteristic curve, ROC)進(jìn)行易發(fā)性結(jié)果精度評價。根據(jù)預(yù)測結(jié)果的特異性與敏感性構(gòu)建ROC曲線,文中地質(zhì)災(zāi)害易發(fā)性評價結(jié)果的ROC曲線如圖7所示,并通過曲線下的面積AUC(area under curve, AUC)值,即曲線在[0,1]上的定積分檢驗評價精度,經(jīng)計算,2014年精度為81.89%,2020年精度為83.86%,均具有較好的置信度。

圖7 兩個時期預(yù)測結(jié)果ROC曲線

3.3 土地利用變化與易發(fā)性分析

本文從兩個方面研究土地利用變化對地質(zhì)災(zāi)害易發(fā)性的影響,一方面是易發(fā)性顯著提升區(qū)域的土地利用變化轉(zhuǎn)移情況,另外一方面是城市化發(fā)展過程中建設(shè)用地擴(kuò)增區(qū)域的地質(zhì)災(zāi)害易發(fā)性等級情況。本文認(rèn)為易發(fā)性等級發(fā)生3個或4個等級變化時為顯著變化,發(fā)生1個或2個等級變化為一般變化。

一般來說,研究區(qū)范圍內(nèi)的水域和坡度小于5°的地方不具備發(fā)生地質(zhì)災(zāi)害的基本條件。將2014年和2020年地質(zhì)災(zāi)害易發(fā)性等級進(jìn)行疊加分析,研究區(qū)共有40766個柵格易發(fā)性顯著上升,1264676個柵格易發(fā)性上升,3631716個柵格易發(fā)性保持不變,1445022個柵格易發(fā)性下降,32345個柵格易發(fā)性顯著下降,發(fā)生顯著變化柵格數(shù)占比1.14%,地質(zhì)災(zāi)害易發(fā)性變化如圖8所示。

圖8 2014—2020年地質(zhì)災(zāi)害易發(fā)性變化圖

構(gòu)建研究區(qū)地質(zhì)災(zāi)害易發(fā)性顯著上升區(qū)域的土地利用轉(zhuǎn)移矩陣,具體如表4所示,表中數(shù)值為柵格數(shù)?？梢悦黠@發(fā)現(xiàn),易發(fā)性顯著升高的區(qū)域分為兩類,一類是人類工程活動影響強(qiáng)烈的區(qū)域,即林地、耕地轉(zhuǎn)化為建筑用地的區(qū)域,分別有2197、363個柵格發(fā)生轉(zhuǎn)換,共計占易發(fā)性顯著升高內(nèi)建筑用地總面積的76.35%;另一類是由林地轉(zhuǎn)化為耕地區(qū)域,共計1901個柵格,該部分區(qū)域是由于墾造水田等人類活動破壞了坡體表面原始生長的植被,降低了植物根系的固坡效果導(dǎo)致。另外值得注意的是,部分土地利用類型未發(fā)生變化的單元其地質(zhì)災(zāi)害易發(fā)性同樣顯著增加了,主要是林地占比94.96%,該部分是由于發(fā)生在斜坡體的地質(zhì)災(zāi)害隨著時間推移其表面不斷被新生的樹木、灌木等植被覆蓋,進(jìn)而在土地利用類型劃分時分類為林地,因此,對結(jié)果產(chǎn)生了一定的影響。

表4 易發(fā)性顯著上升區(qū)域土地利用轉(zhuǎn)移矩陣

為進(jìn)一步分析城市化發(fā)展對地質(zhì)災(zāi)害易發(fā)性的影響,將兩個時期建設(shè)用地的分類結(jié)果進(jìn)行疊加得到其他土地類型變換為建設(shè)用地的變化范圍,同時考慮到強(qiáng)烈人類工程活動對周圍地理環(huán)境具有一定的影響,故本文將擴(kuò)增范圍作30 m緩沖區(qū)表示整個建設(shè)用地影響范圍,統(tǒng)計該范圍內(nèi)地質(zhì)災(zāi)害易發(fā)性等級變化的結(jié)果如表5所示。可以明顯發(fā)現(xiàn),建設(shè)用地擴(kuò)增范圍內(nèi)地質(zhì)災(zāi)害易發(fā)性上升占比27.96%,下降占比18.65%,上升影響具有更強(qiáng)的主導(dǎo)作用。

表5 建設(shè)用地擴(kuò)增范圍地質(zhì)災(zāi)害易發(fā)性變化統(tǒng)計表

結(jié)合圖4兩個時期遙感影像分類結(jié)果,建設(shè)用地擴(kuò)增范圍具有小范圍成片集中和零星分布于斜坡體附近特點。一般來說,具有成片范圍的新增建設(shè)用地會開山造地,削平范圍內(nèi)斜坡使地勢變得平坦;零星分布于斜坡體附近的新增建設(shè)用地會切坡,造成坡度變化更大的臨空面。對比表4易發(fā)性顯著上升中建設(shè)用地柵格數(shù)為3353個,表5的數(shù)量約是其3.89倍,可以判斷30 m緩沖區(qū)范圍內(nèi)地質(zhì)災(zāi)害易發(fā)性等級顯著上升柵格量較多,表面人類工程活動同樣也會促進(jìn)周圍環(huán)境地質(zhì)災(zāi)害易發(fā)性的提高。

通過以上兩個方面分析,可以看出,土地利用類型變化對地質(zhì)災(zāi)害易發(fā)性具有深遠(yuǎn)的影響。當(dāng)土地利用類型發(fā)生變化時,其地質(zhì)災(zāi)害易發(fā)性等級也可能發(fā)生變化,研究區(qū)兩個時期易發(fā)性等級發(fā)生變化區(qū)域占去平地、水域后面積的43.38%。同時,易發(fā)性顯著上升區(qū)域中人類工程活動痕跡明顯,主要表現(xiàn)為林地、耕地轉(zhuǎn)化為建設(shè)用地以及林地轉(zhuǎn)化為耕地2種情況,人類活動改變了土地利用類型進(jìn)而改變斜坡體的原始條件,促使地質(zhì)災(zāi)害易發(fā)性等級提高。建設(shè)用地擴(kuò)增范圍內(nèi)地質(zhì)災(zāi)害易發(fā)性等級有明顯變化,變化區(qū)域占擴(kuò)增范圍面積的46.61%,結(jié)合研究區(qū)實際分析,易發(fā)性等級變化與建設(shè)用地擴(kuò)增導(dǎo)致的坡度變化有緊密聯(lián)系,當(dāng)擴(kuò)增范圍內(nèi)有大面積削坡時可降低易發(fā)性,當(dāng)切坡擴(kuò)大臨空面時會提高易發(fā)性,總體上研究區(qū)人類工程活動對促進(jìn)地質(zhì)災(zāi)害發(fā)生作用更強(qiáng)。

4 結(jié)論

1)影像分類與地質(zhì)災(zāi)害易發(fā)性評價的方法在精度上表現(xiàn)較好。采用面向?qū)ο笈c深度神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的方式對遙感影像進(jìn)行分類具有良好的精度,同時,證據(jù)權(quán)法在研究區(qū)的地質(zhì)災(zāi)害易發(fā)性評價中也有較好的精度表現(xiàn)。

2)地質(zhì)災(zāi)害易發(fā)性等級變化與土地利用變化存在緊密聯(lián)系。根據(jù)兩個時期易發(fā)性評價結(jié)果的差異性,可以看出土地利用類型發(fā)生變化時地質(zhì)災(zāi)害易發(fā)性也隨之變化,尤其是地質(zhì)災(zāi)害易發(fā)性等級顯著提升的空間位置,多以林地、耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地情況突出。

3)城市化發(fā)展過程中,新增建設(shè)用地能顯著改變地質(zhì)災(zāi)害易發(fā)性。城市新增建設(shè)用地既能促使地質(zhì)災(zāi)害易發(fā)性升高,也能使其降低;當(dāng)新增建設(shè)用地是大面積開山造地減緩坡度時,可降低地質(zhì)災(zāi)害的易發(fā)性,而處于斜坡體上的建設(shè)用地,如修建公路、切坡建房,會提高地質(zhì)災(zāi)害的易發(fā)性。