茹 曼，鄭 燕，張 斌，常勤慧

河南省航空物探遙感中心，河南 鄭州 450000

0 引言

青天河景區(qū)位于焦作市西北20 km 處的博愛(ài)縣境內(nèi)，景區(qū)由佛耳峽、靳家?guī)X、月山寺等七大游覽區(qū)、308 個(gè)景點(diǎn)組成，是世界地質(zhì)公園、國(guó)家5A 級(jí)旅游景區(qū)、國(guó)家重點(diǎn)風(fēng)景名勝區(qū)、國(guó)家水利風(fēng)景區(qū)、國(guó)家獼猴自然保護(hù)區(qū)，是素有“北方三峽”之美譽(yù)的綜合型山水休閑度假旅游地.近年來(lái)，一方面由于前期修建青天河水庫(kù)，兩岸形成高陡岸坡，另一方面隨著旅游業(yè)的快速發(fā)展及越來(lái)越多的新的景點(diǎn)被發(fā)現(xiàn)和開(kāi)發(fā)，以道路建設(shè)為主的人類(lèi)工程活動(dòng)不斷增加.受人類(lèi)工程活動(dòng)及自然的雙重影響，水庫(kù)兩岸地帶、景區(qū)道路、景點(diǎn)附近亦存在崩塌、滑坡、泥石流隱患，嚴(yán)重威脅游人的安全.特別是2021 年“7·20”“9·30”極端氣象條件的出現(xiàn)，在景區(qū)內(nèi)引發(fā)了崩塌、滑坡等地質(zhì)災(zāi)害，使景區(qū)受到了一定程度的破壞.針對(duì)地質(zhì)災(zāi)害的突發(fā)性與高危害性，科學(xué)評(píng)價(jià)與防災(zāi)管理是減輕其損失的最佳方案，根據(jù)以往資料顯示①宋鵬飛，等.河南省博愛(ài)縣1∶5 萬(wàn)地災(zāi)詳查報(bào)告.河南省地質(zhì)礦產(chǎn)勘查開(kāi)發(fā)局測(cè)繪地理信息院.2015.，研究區(qū)內(nèi)易發(fā)性評(píng)價(jià)存在區(qū)劃中網(wǎng)格較大、易發(fā)區(qū)劃分效果較差等問(wèn)題，沒(méi)有對(duì)研究區(qū)易發(fā)性真實(shí)情況進(jìn)行細(xì)化研究、評(píng)價(jià).因此筆者在查明研究區(qū)雨后地質(zhì)災(zāi)害空間分布及孕災(zāi)地質(zhì)環(huán)境條件的基礎(chǔ)上，建立合適研究區(qū)的評(píng)價(jià)模型，實(shí)現(xiàn)地質(zhì)災(zāi)害易發(fā)性有效評(píng)價(jià)，為景區(qū)科學(xué)防災(zāi)管理及保護(hù)當(dāng)?shù)厣鐣?huì)經(jīng)濟(jì)發(fā)展提供依據(jù).

地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)是地質(zhì)災(zāi)害危險(xiǎn)性風(fēng)險(xiǎn)性評(píng)價(jià)的基礎(chǔ)，主要包括查明地質(zhì)災(zāi)害特征、挖掘易發(fā)孕災(zāi)條件、建立評(píng)價(jià)方法體系、對(duì)潛在易發(fā)區(qū)域預(yù)測(cè)，最終實(shí)現(xiàn)易發(fā)性高低合理分級(jí)［1-2］.近年來(lái)，以統(tǒng)計(jì)學(xué)法和人工智能算法為代表的新技術(shù)使得地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)理論與技術(shù)的研究上了一個(gè)新臺(tái)階.常用的方法有：證據(jù)權(quán)法、邏輯回歸法、信息量法、隨機(jī)森林模型、支持向量機(jī)模型、神經(jīng)網(wǎng)絡(luò)模型及組合模型等.其建立的評(píng)價(jià)模型一方面可得到更為科學(xué)且嚴(yán)謹(jǐn)?shù)脑u(píng)價(jià)結(jié)果，另一方面能較好地解決地質(zhì)災(zāi)害復(fù)雜的多源性、時(shí)空性和非線性機(jī)理特征，具有廣闊的應(yīng)用前景與研究?jī)r(jià)值［3-17］，豐富的成果為后續(xù)的研究奠定了堅(jiān)實(shí)的理論技術(shù)基礎(chǔ)及經(jīng)驗(yàn)參考.然而在上述研究中采用的地質(zhì)災(zāi)害樣本數(shù)量均較多，其理論方法是否適用于小樣本區(qū)域地災(zāi)評(píng)價(jià)？針對(duì)地質(zhì)災(zāi)害數(shù)量較少的區(qū)域如何更好地開(kāi)展相關(guān)評(píng)價(jià)研究等問(wèn)題，部分學(xué)者也開(kāi)展了相關(guān)研究.薛永安等針對(duì)小樣本情況下基于CF（確定系數(shù)法）和SVM（支持向量機(jī)）地質(zhì)災(zāi)害敏感性評(píng)價(jià)模型的適用性及成果的可靠性問(wèn)題展開(kāi)研究，結(jié)果顯示，無(wú)論單體模型還是組合模型其評(píng)價(jià)精度均較好，具有較高的適用性［18］.另外，有部分研究者發(fā)現(xiàn)，SVM 與其他模型相比，在小樣本數(shù)據(jù)中表現(xiàn)良好，被認(rèn)為是目前針對(duì)小樣本分類(lèi)和回歸問(wèn)題的最佳方法，更加適合樣本數(shù)據(jù)有限的情況［19-22］.RF（隨機(jī)森林）模型其集成學(xué)習(xí)算法在小樣本數(shù)據(jù)中也展示了較好的模型預(yù)測(cè)精度［23-24］.

基于上述研究現(xiàn)狀，本文嘗試采用SVM-RF 模型對(duì)青天河景區(qū)地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)進(jìn)行研究，探討該模型在研究區(qū)的適用性及預(yù)測(cè)性，為青天河景區(qū)科學(xué)防災(zāi)提供有價(jià)值的依據(jù).

1 研究方法

1.1 支持向量機(jī)模型

支持向量機(jī)（SVM）作為一種在高維空間中尋找分割超平面的算法，理論基礎(chǔ)比較完善，面對(duì)形成機(jī)理復(fù)雜的地質(zhì)災(zāi)害，能夠通過(guò)核函數(shù)進(jìn)行復(fù)雜的非線性分類(lèi)［25-26］.在地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)中，災(zāi)害的特殊性決定了其樣本數(shù)據(jù)有限，無(wú)法人為干預(yù)，且與各評(píng)價(jià)因子呈非線性關(guān)系.基于以上核心思想，引入SVM 可以高效地解決在災(zāi)害樣本數(shù)量有限的前提下對(duì)高維數(shù)據(jù)進(jìn)行非線性分類(lèi)問(wèn)題，故本研究選擇支持向量機(jī)二分類(lèi)方法分析研究區(qū)地質(zhì)災(zāi)害易發(fā)性.

1.2 隨機(jī)森林模型

隨機(jī)森林（RF）是一種由多個(gè)決策樹(shù)分類(lèi)器構(gòu)成的集成學(xué)習(xí)算法.其基本原理為：利用自主采樣法隨機(jī)產(chǎn)生k 個(gè)訓(xùn)練集，對(duì)k 個(gè)樣本分別建立k 個(gè)決策樹(shù)模型并形成k 個(gè)分類(lèi)結(jié)果，RF 模型的輸出結(jié)果為k個(gè)決策樹(shù)中平均概率值最高的類(lèi)型［27］.整體工作流程見(jiàn)圖1.

2 研究區(qū)概況與數(shù)據(jù)源

選取青天河景區(qū)西北部為研究區(qū)，面積約26.7 km2.區(qū)內(nèi)海拔最高處為970 m，最低處為300 m，相對(duì)高差670 m，地形起伏較大，區(qū)內(nèi)主要發(fā)育堅(jiān)硬厚層狀中等巖溶化石灰?guī)r.研究區(qū)氣候?qū)倥瘻貛Т箨懶约撅L(fēng)氣候區(qū)，降水時(shí)空分布不均，根據(jù)博愛(ài)縣多年降雨資料，暴雨多發(fā)生于夏季（見(jiàn)圖2）.

圖2 研究區(qū)地理位置Fig.2 Geographical location of the study area

本研究數(shù)據(jù)源主要包括以下兩個(gè)方面.

2.1 地質(zhì)災(zāi)害及隱患

充分考慮遙感數(shù)據(jù)的時(shí)效并選用暴雨前后兩期影像作對(duì)比，分別是2021 年5 月和2021 年10 月中旬高分二號(hào)衛(wèi)星遙感影像，進(jìn)行地質(zhì)災(zāi)害及隱患遙感解譯.

通過(guò)影像的形態(tài)、色調(diào)、紋理結(jié)構(gòu)等特征，采用二維與三維相結(jié)合方式對(duì)研究區(qū)開(kāi)展地質(zhì)災(zāi)害及隱患遙感解譯判別（見(jiàn)圖3）.經(jīng)過(guò)野外實(shí)地驗(yàn)證，最終確定該區(qū)域在“7·20”“9·30”暴雨后引發(fā)的地質(zhì)災(zāi)害及隱患點(diǎn)共26 處，其中滑坡18 處、崩塌7 處、泥石流1 處，大部分規(guī)模為小型（見(jiàn)圖4）.

圖3 研究區(qū)地質(zhì)災(zāi)害遙感解譯標(biāo)志及野外核查照片F(xiàn)ig.3 Remote sensing interpretation marks and field verification photographs of geological disasters in the study area

圖4 地質(zhì)災(zāi)害及隱患點(diǎn)空間分布圖Fig.4 Spatial distribution map of geological disasters and hidden danger sites

2.2 孕災(zāi)背景因子

選取與研究區(qū)地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)相關(guān)的孕災(zāi)背景因子用到的基礎(chǔ)數(shù)據(jù)有：1）10 m 分辨率數(shù)字高程數(shù)據(jù)（提取于1 ∶10 000 地形圖），用于獲取坡度、坡向信息；2）Sentinel-2A 影像（2021 年7 月26 日，空間分辨率為10 m），用于提取植被覆蓋度；3）博愛(ài)縣1∶5萬(wàn)巖土體工程地質(zhì)類(lèi)型分區(qū)圖（源自博愛(ài)縣地質(zhì)災(zāi)害詳查報(bào)告），用于工程地質(zhì)巖組分類(lèi)；4）高分二號(hào)影像（2021 年10 月中旬），用于提取土地分類(lèi)信息.為了保證所有因子空間一致性，首先對(duì)收集到的遙感影像數(shù)據(jù)做預(yù)處理，數(shù)據(jù)處理主要包括遙感影像的輻射校正、正射糾正、圖像配準(zhǔn)、圖像融合、圖像增強(qiáng)以及遙感數(shù)據(jù)與其他地形、地質(zhì)數(shù)據(jù)的幾何配準(zhǔn)等處理；其次將部分因子?xùn)鸥窕辆哂邢嗤臻g分辨率.

3 評(píng)價(jià)因子體系建立

3.1 評(píng)價(jià)因子的選取與分級(jí)

根據(jù)研究區(qū)地質(zhì)災(zāi)害發(fā)育的空間分布、地質(zhì)環(huán)境條件并結(jié)合專(zhuān)家經(jīng)驗(yàn)，最終選取7 個(gè)地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)指標(biāo)因子進(jìn)行分析，分別為高程、坡度、坡向、巖土體、植被覆蓋度、道路距離、土地利用.其中高程、坡度、植被覆蓋度因子為連續(xù)型圖層，坡向、巖組、道路距離、土地利用因子根據(jù)研究區(qū)地質(zhì)災(zāi)害實(shí)際分布情況及專(zhuān)家經(jīng)驗(yàn)進(jìn)行分級(jí)處理.最終所有評(píng)價(jià)指標(biāo)均由ArcGIS 軟件制成專(zhuān)題圖（見(jiàn)圖5）.

圖5 研究區(qū)地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)指標(biāo)因子圖Fig.5 Evaluation index factors of geological hazard susceptibility in the study area

3.2 評(píng)價(jià)因子處理

提取的評(píng)價(jià)特征因子可能存在異常值、數(shù)值之間的數(shù)量級(jí)不同，故做模型訓(xùn)練前須對(duì)其進(jìn)行處理.主要包含數(shù)據(jù)異常值處理、定性因子編碼化處理、標(biāo)準(zhǔn)化處理，處理后的因子數(shù)據(jù)集作為模型訓(xùn)練輸入值.

4 基于SVM-RF 模型的地災(zāi)易發(fā)性評(píng)價(jià)

4.1 模型構(gòu)建及訓(xùn)練

在Scikit-learn 機(jī)器學(xué)習(xí)框架下，使用Python 語(yǔ)言編程，構(gòu)建基于SVM-RF 地災(zāi)易發(fā)性評(píng)價(jià)模型.選取7 類(lèi)經(jīng)過(guò)處理的特征數(shù)據(jù)作為模型訓(xùn)練輸入值；訓(xùn)練樣本隨機(jī)抽取20 個(gè)災(zāi)害點(diǎn)和20 個(gè)非災(zāi)害點(diǎn)組成訓(xùn)練集，測(cè)試樣本為剩余的6 個(gè)災(zāi)害點(diǎn)和6 個(gè)非災(zāi)害點(diǎn)組成測(cè)試集.因研究區(qū)樣本數(shù)量較少，將SVM 四種核函數(shù)一起參與模型訓(xùn)練，采取5 折交叉驗(yàn)證法進(jìn)行參數(shù)調(diào)優(yōu)，調(diào)優(yōu)后參數(shù)C、gamma 和tol 分別設(shè)為5、auto和0.0001，共生成40 個(gè)SVM 模型.RF 模型通過(guò)GirdSearch 方法網(wǎng)格搜索最佳參數(shù)，GirdSearch 選擇的指標(biāo)參數(shù)是Acc，同樣是采取5 折交叉驗(yàn)證的方法得到RF 模型的最優(yōu)參數(shù)值.調(diào)優(yōu)后模型決策樹(shù)的最大深度為7，決策樹(shù)的個(gè)數(shù)為45，通過(guò)選取4 種不同的模型參數(shù)種子，得到4 個(gè)RF 模型.兩種模型分別根據(jù)預(yù)測(cè)的結(jié)果概率通過(guò)加權(quán)法融合，逐格點(diǎn)計(jì)算地災(zāi)發(fā)生的概率.

根據(jù)上述模型分別求出SVM 和RF 的致災(zāi)概率分布，將兩種模型結(jié)果進(jìn)行加權(quán)融合，得到最終模型預(yù)測(cè)概率，輸出為具有地理意義的TIFF 格式空間數(shù)據(jù)并在GIS 中繪制預(yù)測(cè)結(jié)果.采用準(zhǔn)確率、F1 分?jǐn)?shù)、召回率等指標(biāo)對(duì)模型融合前后結(jié)果進(jìn)行評(píng)估（見(jiàn)表1），從表1各個(gè)指標(biāo)可看出，各模型的預(yù)測(cè)效果比較穩(wěn)定，融合模型精度優(yōu)于單個(gè)模型.

表1 模型指標(biāo)評(píng)價(jià)Table 1 Index evaluation of models

4.2 模型應(yīng)用與分析

4.2.1 結(jié)果分析

通過(guò)上述耦合模型得到研究區(qū)內(nèi)地災(zāi)易發(fā)性概率分布，并基于自然斷點(diǎn)法將研究區(qū)劃分為穩(wěn)定區(qū)、低易發(fā)區(qū)、中易發(fā)、高易發(fā)區(qū)（見(jiàn)圖6）.將發(fā)生的地災(zāi)點(diǎn)與各易發(fā)區(qū)進(jìn)行疊加，統(tǒng)計(jì)各易發(fā)區(qū)內(nèi)地災(zāi)點(diǎn)占比及地災(zāi)點(diǎn)密度，統(tǒng)計(jì)結(jié)果見(jiàn)表2.根據(jù)研究區(qū)地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)結(jié)果可看出：研究區(qū)地質(zhì)災(zāi)害高易發(fā)區(qū)主要分布于青天河水庫(kù)兩岸、青天河村-碗窯河一帶及X030 公路沿線.其中高易發(fā)區(qū)面積占研究區(qū)總面積的11.66%，發(fā)育的災(zāi)害點(diǎn)占總數(shù)的88.46%.其主要原因：一方面修建庫(kù)岸及景區(qū)人工棧道形成較低的高程及斜坡地形，另一方面活躍的人類(lèi)工程活動(dòng)形成不合理人工切坡使得地形坡度變陡.此外，該區(qū)域地層巖體主要為巖溶化石灰?guī)r，自身的物理特性不利于邊坡穩(wěn)定，且該區(qū)域林地茂密，根劈作用易破壞巖土體結(jié)構(gòu)，在降雨沖刷、風(fēng)化剝蝕等外力因素下易引發(fā)崩塌、滑坡等地質(zhì)災(zāi)害.

表2 研究區(qū)地質(zhì)災(zāi)害與易發(fā)性分區(qū)關(guān)聯(lián)統(tǒng)計(jì)表Table 2 Correlation between geological disasters and susceptibility zoning in the study area

圖6 研究區(qū)地質(zhì)災(zāi)害易發(fā)性分區(qū)圖Fig.6 Zoning map of geological disaster susceptibility in the study area

從表2 和圖6 中可以看出，隨著災(zāi)害易發(fā)性等級(jí)的提高，地災(zāi)點(diǎn)密集程度亦逐漸增大，在高易發(fā)區(qū)達(dá)到最大值.根據(jù)研究區(qū)以往的地災(zāi)數(shù)據(jù)顯示①宋鵬飛，等.河南省博愛(ài)縣1∶5 萬(wàn)地災(zāi)詳查報(bào)告.河南省地質(zhì)礦產(chǎn)勘查開(kāi)發(fā)局測(cè)繪地理信息院.2015.，58%的地災(zāi)點(diǎn)在本研究災(zāi)害點(diǎn)調(diào)查中再次發(fā)生災(zāi)害，均分布在高易發(fā)區(qū)中，說(shuō)明災(zāi)害在研究區(qū)有一定聚集特征，側(cè)面證明了易發(fā)性等級(jí)劃分結(jié)果與本次地災(zāi)點(diǎn)分布規(guī)律較為一致.

4.2.2 精度分析

采用成功率曲線做定量化分析，說(shuō)明SVM-RF 模型在青天河景區(qū)地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)中的準(zhǔn)確性.該曲線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［28-29］.由圖7 可知，該模型的線下面積（AUC）為0.9224，即預(yù)測(cè)的準(zhǔn)確率為92.24%，說(shuō)明該模型整體宏觀上是可靠的.

圖7 SVM-RF 模型成功概率曲線Fig.7 Success rate curve of SVM-RF model

5 結(jié)論

本文以博愛(ài)縣青天河景區(qū)西北部為研究區(qū)，通過(guò)建立SVM-RF 耦合模型對(duì)研究區(qū)進(jìn)行地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)，對(duì)耦合模型在研究區(qū)地災(zāi)易發(fā)性評(píng)價(jià)中的預(yù)測(cè)性能及適用性進(jìn)行了探討，主要結(jié)論如下.

（1）基于青天河景區(qū)的地質(zhì)環(huán)境條件與地質(zhì)災(zāi)害發(fā)育空間分布特征，選取高程、坡度、坡向、道路距離、土地利用、巖土體、植被覆蓋度等7 個(gè)地質(zhì)環(huán)境因子建立研究區(qū)地災(zāi)易發(fā)性評(píng)價(jià)體系.

（2）本研究一方面從對(duì)模型選取到參數(shù)調(diào)優(yōu)，保證了模型訓(xùn)練精度，另一方面通過(guò)模型訓(xùn)練總結(jié)該研究區(qū)形成地質(zhì)災(zāi)害的行為模式.根據(jù)研究區(qū)地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)結(jié)果可看出：研究區(qū)地質(zhì)災(zāi)害高易發(fā)區(qū)主要分布于青天河水庫(kù)兩岸、青天河村-碗窯河一帶及X030 公路沿線.通過(guò)成功率曲線定量分析，得到SVM-RF 模型預(yù)測(cè)的準(zhǔn)確率為92.24%；與野外調(diào)查地災(zāi)數(shù)據(jù)對(duì)比，預(yù)測(cè)結(jié)果與實(shí)際情況吻合較好.顯示出在研究區(qū)內(nèi)地災(zāi)樣本數(shù)量少，隨機(jī)選取非地災(zāi)樣本進(jìn)行訓(xùn)練的情況下，其評(píng)價(jià)結(jié)果能較好地刻畫(huà)模擬研究區(qū)地災(zāi)易發(fā)性規(guī)律，填補(bǔ)青天河景區(qū)地災(zāi)易發(fā)性細(xì)化研究，為青天河景區(qū)防災(zāi)減災(zāi)工作提供有效決策.

（3）在未來(lái)的研究中，將能夠反映災(zāi)害體內(nèi)部結(jié)構(gòu)的指標(biāo)因子納入評(píng)價(jià)體系中，進(jìn)一步挖掘指標(biāo)因子與地質(zhì)災(zāi)害蘊(yùn)藏的關(guān)系.

致謝：文中地災(zāi)點(diǎn)野外調(diào)查照片及地形數(shù)據(jù)均來(lái)源于河南省資源環(huán)境調(diào)查一院，在此表示衷心的感謝！