李凱新，蘇巧梅*，張瀟遠(yuǎn)，范錦龍，白東升

(1.太原理工大學(xué) 礦業(yè)工程學(xué)院，山西 太原 030024；2.國(guó)家衛(wèi)星氣象中心，北京 100081；3.山西地質(zhì)集團(tuán)有限公司，山西 太原 030006)

0 引言

滑坡是一種地質(zhì)災(zāi)害類型,它分布范圍廣、突發(fā)性強(qiáng)且破壞性大,嚴(yán)重影響地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展[1-2]。區(qū)域地質(zhì)環(huán)境是滑坡孕育的基礎(chǔ)條件,人類工程活動(dòng)、降雨等是滑坡的誘發(fā)因子,精準(zhǔn)的滑坡易發(fā)性評(píng)價(jià)一直是滑坡風(fēng)險(xiǎn)評(píng)估管理的研究熱點(diǎn)[3]?；乱装l(fā)性是指在考慮各類滑坡致災(zāi)因子的綜合作用下,區(qū)域發(fā)生滑坡的可能性或空間概率,對(duì)區(qū)域防災(zāi)減災(zāi)、科學(xué)規(guī)劃管理和決策具有重要意義[4]。

滑坡易發(fā)性評(píng)價(jià)方法分為定性和定量2種類型[5]。定量統(tǒng)計(jì)分析方法主要有證據(jù)權(quán)、信息量、頻率比、概率法和熵指數(shù)等[4]。隨著遙感和地理信息技術(shù)的快速發(fā)展,各種機(jī)器學(xué)習(xí)模型在滑坡易發(fā)性評(píng)價(jià)中廣泛應(yīng)用。常用的機(jī)器學(xué)習(xí)模型有隨機(jī)森林(Random Forest,RF)、邏輯回歸(Logistic Regression,LR)、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(Support Vector Machine,SVM)等[6],每種模型都有自己的優(yōu)缺點(diǎn)。不同區(qū)域的地理位置、地質(zhì)條件和氣候環(huán)境等自然環(huán)境條件不同,滑坡致災(zāi)因子也不同,影響到滑坡易發(fā)性評(píng)價(jià)結(jié)果,因此,不同區(qū)域有不同的滑坡易發(fā)性評(píng)價(jià)模型。

統(tǒng)計(jì)分析方法無法解釋各類致災(zāi)因子的非線性關(guān)系,機(jī)器學(xué)習(xí)模型學(xué)習(xí)能力強(qiáng),但容易過擬合[5],一些學(xué)者嘗試使用統(tǒng)計(jì)分析耦合機(jī)器學(xué)習(xí)模型來評(píng)價(jià)滑坡易發(fā)性,結(jié)果證明可以有效提高滑坡易發(fā)性評(píng)價(jià)的精度[7-9]。栗澤桐等[10]在研究青海沙塘川流域的滑坡易發(fā)性時(shí),對(duì)比了單一信息量、邏輯回歸模型以及二者耦合模型的結(jié)果,發(fā)現(xiàn)耦合模型的準(zhǔn)確率較單一模型有了很大提高。郭子正等[11]以三峽庫(kù)區(qū)某區(qū)為研究區(qū),利用證據(jù)權(quán)法和優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)模型對(duì)研究區(qū)進(jìn)行滑坡易發(fā)性區(qū)劃,結(jié)果顯示耦合模型預(yù)測(cè)精度高。徐勝華等[12]使用熵指數(shù)耦合LR和SVM模型研究滑坡易發(fā)性,預(yù)測(cè)結(jié)果精度較高。

山西省是我國(guó)重點(diǎn)采煤區(qū),區(qū)內(nèi)采空區(qū)面積所占比例較大,采煤過程破壞地表環(huán)境,引發(fā)一系列地質(zhì)災(zāi)害。西山煤田是典型的煤礦開采區(qū),煤礦開采活動(dòng)使得區(qū)內(nèi)滑坡災(zāi)害比較嚴(yán)重。以西山煤田為例,選擇可以解決多源數(shù)據(jù)差異性的信息量(Information Value,IV)法,耦合不受主觀因素影響的LR模型、具有高泛化能力的RF模型和計(jì)算效率高的SVM模型3種機(jī)器學(xué)習(xí)模型進(jìn)行建模,為研究區(qū)防災(zāi)減災(zāi)提供可靠依據(jù)。

1 研究區(qū)概況

西山煤田是山西省六大煤田之一,地理坐標(biāo)為(37°24′N～38°02′N,111°52′E～112°31′E),地處山西省中部,太原市區(qū)西部,東南部為太原市區(qū)和清徐縣,中部大部分為古交市,西部主要是文水和交城縣。研究區(qū)內(nèi)地勢(shì)西南高、東北低,地貌類型復(fù)雜,盆地、山地和丘陵都有分布,地貌分區(qū)有呂梁山區(qū)、晉中盆地、黃土丘陵以及山間谷地,屬于構(gòu)造剝蝕成因的低、中高山地貌。氣候?yàn)楸睖貛Ъ撅L(fēng)氣候,春冬干旱少雨、夏季濕熱多雨,寒暑、晝夜溫差大,干濕季分明,年平均氣溫為7～9 ℃,年平均降雨量為410～500 mm。區(qū)域內(nèi)礦區(qū)主要包括古交、西山和清交礦區(qū),地下采空區(qū)分布廣泛,在突發(fā)性地質(zhì)災(zāi)害誘發(fā)因子作用下,極易造成地質(zhì)災(zāi)害。西山煤田地理位置及區(qū)內(nèi)地質(zhì)災(zāi)害點(diǎn)位置空間分布如圖1所示。

圖1 西山煤田地理位置及區(qū)內(nèi)地質(zhì)災(zāi)害點(diǎn)位置空間分布Fig.1 Geographical location of Xishan Coalfield and spatial distribution of geological hazard locations in the area

2 滑坡數(shù)據(jù)及環(huán)境影響因子

2.1 數(shù)據(jù)源

根據(jù)山西省地質(zhì)災(zāi)害調(diào)查編目數(shù)據(jù),研究區(qū)內(nèi)地質(zhì)災(zāi)害點(diǎn)有崩塌205處、滑坡109處、泥石流33處、地裂縫25處、地面塌陷98處和不穩(wěn)定斜坡44處。以廣義滑坡定義下的崩塌、滑坡和泥石流災(zāi)害點(diǎn)作為滑坡樣本數(shù)據(jù),收集研究區(qū)其他遙感、基礎(chǔ)數(shù)據(jù)和文獻(xiàn)數(shù)據(jù),數(shù)據(jù)源、精度及用途如表1所示。

表1 數(shù)據(jù)信息

2.2 環(huán)境影響因子

滑坡的發(fā)生和發(fā)展受地質(zhì)條件和外界環(huán)境因素共同影響,地質(zhì)條件包括地貌、構(gòu)造和巖性等,外界環(huán)境因素包括水文環(huán)境因子、人類工程活動(dòng)等[13]。在區(qū)域滑坡易發(fā)性評(píng)價(jià)過程中,合理地選取環(huán)境評(píng)價(jià)因子是非常關(guān)鍵的一步[14]。對(duì)西山煤田區(qū)域進(jìn)行了充分的野外調(diào)查,盡可能收集完善的環(huán)境因子數(shù)據(jù),結(jié)合前人已有研究成果,選取了高程、坡度、坡向、平面曲率、剖面曲率、地形起伏度、地表粗糙度、地形濕度指數(shù)(TWI)[15]、徑流強(qiáng)度指數(shù)(SPI)[16]、巖土體、距斷層距離、地震峰值加速度[17]、距河流距離、歸一化植被指數(shù)(NDVI)、歸一化建筑指數(shù)(NDBI)、改進(jìn)的歸一化差異水體指數(shù)(MNDWI)[18]、轉(zhuǎn)換型植被指數(shù)(TVI)、土地利用類型、距道路距離和距采空區(qū)距離共20個(gè)環(huán)境影響因子進(jìn)行滑坡易發(fā)性評(píng)價(jià),西山煤田的20個(gè)環(huán)境影響因子如圖2所示。

(a)高程

3 滑坡災(zāi)害易發(fā)性評(píng)價(jià)模型

3.1 IV法

IV法是一種基于信息論進(jìn)行區(qū)域滑坡易發(fā)性評(píng)價(jià)的有效方法,適用于中小比例尺的滑坡易發(fā)性評(píng)價(jià)[19-20]。滑坡受多種影響因素的影響,各個(gè)因素的作用機(jī)理和影響程度不盡相同[10],IV法利用滑坡發(fā)生的概率或密度來反映不同評(píng)價(jià)因子的影響程度,計(jì)算各個(gè)影響因子不同區(qū)間對(duì)滑坡貢獻(xiàn)的IV值[21]。一般情況下,IV的計(jì)算可以用滑坡發(fā)生的頻率來代替條件概率,IV值計(jì)算方法[22]如下:

(1)

式中:IV(i,j)表示第i個(gè)環(huán)境影響因子在第j個(gè)分級(jí)區(qū)間的IV值,A(i,j)表示第i個(gè)環(huán)境影響因子在第j個(gè)分級(jí)區(qū)間內(nèi)的滑坡數(shù)量,A表示研究區(qū)內(nèi)的滑坡總數(shù),B(i,j)表示第i個(gè)環(huán)境影響因子在第j個(gè)分級(jí)區(qū)間內(nèi)的柵格單元數(shù)量,B表示研究區(qū)柵格總數(shù)。

3.2 機(jī)器學(xué)習(xí)模型

3.2.1 LR模型

LR模型屬于線性回歸方法,模型基于二項(xiàng)分類,能夠?qū)Χㄐ宰兞康臏?zhǔn)確性進(jìn)行有效的分析[22]。利用邏輯回歸模型進(jìn)行滑坡易發(fā)性評(píng)價(jià)時(shí),將單個(gè)環(huán)境影響因子的數(shù)據(jù)作為自變量,因變量為是否發(fā)生滑坡災(zāi)害[10,23]。其中,滑坡發(fā)生值為1,滑坡未發(fā)生值為0[24]。一般情況下,LR模型的方程如下:

(2)

式中:p和1-p分別為滑坡發(fā)生和不發(fā)生的概率,L(P)為滑坡發(fā)生概率的目標(biāo)函數(shù),C0為一個(gè)常數(shù),指在無任何因素影響時(shí),p與1-p比值的對(duì)數(shù);[x1,x2,…,xn]為自變量影響因素集,[C1,C2,…,Cn]為邏輯回歸系數(shù),即[x1,x2,…,xn]的估計(jì)參數(shù)。

3.2.2 RF模型

RF模型是基于多個(gè)決策樹的模型,基本原理是對(duì)不同的因子數(shù)據(jù)集,創(chuàng)建多個(gè)決策樹,使用多個(gè)決策樹對(duì)樣本進(jìn)行訓(xùn)練和測(cè)試,然后對(duì)多個(gè)決策樹得到的結(jié)果進(jìn)行投票,得到RF模型的最終結(jié)果[25]。RF模型在訓(xùn)練集隨機(jī)選擇以及分裂屬性隨機(jī)選取,能夠防止模型過擬合,提高穩(wěn)定性[26]。RF模型的運(yùn)行流程如圖3所示。

圖3 RF模型運(yùn)行流程Fig.3 Running flowchart of RF model

3.2.3 SVM模型

SVM模型是統(tǒng)計(jì)分析方法下,源于風(fēng)險(xiǎn)最小化的新一代算法[27]。SVM的基本原理是通過核函數(shù)(非線性映射),將輸入向量數(shù)據(jù)(非線性可分)映射到更高維度的特征空間中,然后在這個(gè)空間中尋找能將二類數(shù)據(jù)高效分開的分類最優(yōu)超平面[28]。SVM是一種集成了核函數(shù)、最大區(qū)間超平面技術(shù)的二分類監(jiān)督分類,適用于小樣本、非線性和高維度的數(shù)據(jù)分類[29]。SVM在處理二類分類問題時(shí),訓(xùn)練樣本集Xi(i=1,2,…,n)分為2類,表示為Yi=±1。SVM要尋找一個(gè)以最大間隔區(qū)分二類數(shù)據(jù)的n維超平面(平面或曲面),且要求分開的數(shù)據(jù)點(diǎn)到超平面的距離最大[30]。超平面H的數(shù)學(xué)表達(dá)式及約束條件分別見式(3)和式(4):

(3)

Yi((H·Xi)+a)≥1,

(4)

(5)

假設(shè)L對(duì)于H和a的偏導(dǎo)數(shù)均為0,得到式(6)和式(7):

(6)

(7)

將式(6)和式(7)帶入式(5),得到式(8):

(8)

式中:λi大于0。

3.3 IV耦合機(jī)器學(xué)習(xí)模型

IV耦合機(jī)器學(xué)習(xí)模型是利用已知的滑坡點(diǎn)和隨機(jī)選取相同數(shù)量的非滑坡點(diǎn)來提取不同因子各區(qū)間的IV值,這樣,不僅考慮了不同因子對(duì)滑坡發(fā)生的貢獻(xiàn)權(quán)重,而且兼顧了不同因子各區(qū)間致災(zāi)效應(yīng)的大小,進(jìn)而對(duì)滑坡易發(fā)性進(jìn)行評(píng)價(jià)[31]。在滑坡災(zāi)害易發(fā)性評(píng)價(jià)中,IV法耦合機(jī)器學(xué)習(xí)模型的基本思想是利用IV模型計(jì)算各個(gè)環(huán)境影響因子的IV值,以此作為L(zhǎng)R、RF和SVM模型的輸入變量,建立用于滑坡易發(fā)性評(píng)價(jià)的耦合模型。將IV法與LR、RF和SVM這3種基于Python的機(jī)器學(xué)習(xí)模型耦合,構(gòu)建西山煤田滑坡易發(fā)性評(píng)價(jià)模型,分別記作IV-LR、IV-RF和IV-SVM模型。

4 西山煤田滑坡易發(fā)性評(píng)價(jià)

4.1 IV計(jì)算

在計(jì)算IV值之前,用自然間斷點(diǎn)分級(jí)法對(duì)各環(huán)境影響因子進(jìn)行重分類,各個(gè)影響因子的分級(jí)標(biāo)準(zhǔn)、IV值和IV值排序計(jì)算結(jié)果,各影響因子的IV值如表2所示。

表2 各影響因子的IV值

由表2可以看出,IV值最小的因子為地形起伏度因子為0～150 m區(qū)域,IV值最大的因子為土地利用類型中的人造地表類型。各環(huán)境影響因子的權(quán)重可通過利用單個(gè)因子各區(qū)間的IV值和區(qū)間內(nèi)滑坡災(zāi)害的數(shù)量來計(jì)算并標(biāo)準(zhǔn)化,單一因子權(quán)重?cái)?shù)值及標(biāo)準(zhǔn)化計(jì)算如下:

(9)

(10)

式中:Wi為第i個(gè)環(huán)境因子的權(quán)重值,j為因子分級(jí)區(qū)間,ni為第i環(huán)境因子的分級(jí)數(shù)量,IV(i,j)、A(i,j)分別為第i個(gè)環(huán)境影響因子在第j分級(jí)區(qū)間的IV值、滑坡數(shù)量,Wmax、Wmin分別為所有環(huán)境因子權(quán)重值中的最大、最小值,Si為標(biāo)準(zhǔn)化后的因子權(quán)重值。各評(píng)價(jià)因子標(biāo)準(zhǔn)化權(quán)重指數(shù)值計(jì)算結(jié)果如表3所示。

表3 各評(píng)價(jià)因子標(biāo)準(zhǔn)化權(quán)重指數(shù)值計(jì)算結(jié)果

由表3可知,TVI權(quán)重指數(shù)最小,距道路距離權(quán)重指數(shù)最大。

4.2 數(shù)據(jù)準(zhǔn)備與處理

對(duì)西山煤田滑坡易發(fā)性進(jìn)行評(píng)價(jià),首先要獲得研究區(qū)滑坡災(zāi)害數(shù)據(jù)和各類環(huán)境影響因子數(shù)據(jù)?；骂A(yù)測(cè)單元的空間分辨率為30 m,整個(gè)西山煤田全區(qū)共有柵格單元226.114 6萬個(gè)。針對(duì)滑坡易發(fā)性評(píng)價(jià)建模中非滑坡點(diǎn)的構(gòu)建,依據(jù)滑坡點(diǎn)與非滑坡點(diǎn)比例為1∶1、非滑坡點(diǎn)與滑坡點(diǎn)的距離大于400 m以及任意2個(gè)非滑坡點(diǎn)之間的距離大于200 m這3項(xiàng)條件[32],在ArcGIS平臺(tái)上生成滑坡負(fù)樣本點(diǎn)?；抡⒇?fù)樣本點(diǎn)分別賦值0、1,以此為模型的輸出變量,將環(huán)境因子原始值重新賦值為IV值,作為模型的輸入變量。將滑坡樣本點(diǎn)數(shù)據(jù)按7∶3的比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集,把整個(gè)研究區(qū)內(nèi)20個(gè)影響因子的IV值輸入模型中,預(yù)測(cè)結(jié)果根據(jù)自然間斷點(diǎn)法劃分為易發(fā)性極低、低、中、高和極高5個(gè)區(qū)間。

4.3 滑坡易發(fā)性評(píng)價(jià)結(jié)果

構(gòu)建了3種信息量法耦合機(jī)器學(xué)習(xí)模型,分別為IV-LR模型、IV-RF模型和IV-SVM模型。針對(duì)不同的模型,滑坡易發(fā)性劃分有不同的分級(jí)標(biāo)準(zhǔn),西山煤田滑坡易發(fā)性分級(jí)標(biāo)準(zhǔn)如表4所示。

表4 西山煤田滑坡易發(fā)性分級(jí)標(biāo)準(zhǔn)

將3種信息量法耦合的機(jī)器學(xué)習(xí)模型計(jì)算得到滑坡易發(fā)性指數(shù)結(jié)果導(dǎo)入ArcGIS軟件中,得到西山煤田滑坡易發(fā)性分區(qū)結(jié)果,不同模型滑坡易發(fā)性預(yù)測(cè)結(jié)果如圖4所示。

(a)IV-LR模型滑坡易發(fā)性分區(qū)

由圖4可以看出,不同耦合模型的預(yù)測(cè)結(jié)果具有一定的相似性,滑坡易發(fā)性分區(qū)圖具有以下特點(diǎn):

① 高、極高滑坡易發(fā)區(qū)主要分布在距離水系300 m左右的區(qū)域內(nèi),水系對(duì)河岸坡體的軟化和沖刷作用會(huì)降低巖體強(qiáng)度,有利于滑坡災(zāi)害的發(fā)育形成。

② 極低和低滑坡易發(fā)區(qū)主要分布在研究區(qū)的中西部地區(qū),但不同模型預(yù)測(cè)面積不同,IV-SVM模型預(yù)測(cè)下極低、低易發(fā)區(qū)面積最大,IV-LR模型次之,IV-RF模型預(yù)測(cè)面積最小。

③ 各信息量模型結(jié)果中,西山煤田大部分區(qū)域?yàn)橹?、高和極高等級(jí)易發(fā)區(qū),低和極低易發(fā)區(qū)面積較小,研究區(qū)內(nèi)采空區(qū)分布廣泛,有利于滑坡災(zāi)害的發(fā)育。

④ IV-LR模型、IV-RF模型和IV-SVM模型預(yù)測(cè)結(jié)果在研究區(qū)東北部的一塊區(qū)域有明顯不同,該區(qū)域地處太原市萬柏林區(qū)和晉源區(qū)。IV-LR模型預(yù)測(cè)該區(qū)域滑坡易發(fā)性等級(jí)大部分極低,有一小塊地區(qū)分級(jí)為高或極高等級(jí),而在IV-RF模型下這一區(qū)域分級(jí)為中、高等級(jí),在IV-SVM模型下分級(jí)為低、中等級(jí)易發(fā)區(qū)。

根據(jù)不同IV法耦合模型的預(yù)測(cè)結(jié)果,統(tǒng)計(jì)滑坡易發(fā)性等級(jí)區(qū)間的柵格數(shù)目及所占比例、落入各區(qū)間內(nèi)的訓(xùn)練集滑坡數(shù)及所占比例,不同模型各等級(jí)易發(fā)區(qū)比例統(tǒng)計(jì)結(jié)果如表5所示。

表5 不同模型各等級(jí)易發(fā)區(qū)比例統(tǒng)計(jì)

由表5可以看出,IV-LR模型和IV-RF模型隨著滑坡易發(fā)性等級(jí)的升高,分級(jí)區(qū)間內(nèi)滑坡點(diǎn)的數(shù)目逐漸增加,而IV-SVM模型結(jié)果不同于前2種模型,其中等滑坡易發(fā)區(qū)內(nèi)的滑坡數(shù)大于高滑坡易發(fā)區(qū)。IV-LR、IV-RF和IV-SVM模型落入模型高—極高易發(fā)區(qū)的滑坡災(zāi)害點(diǎn)比例分別為67.72%、76.08%和57.06%,超過半數(shù)以上的滑坡災(zāi)害點(diǎn)都發(fā)育在高—極高易發(fā)區(qū)內(nèi),而低—極低易發(fā)區(qū)內(nèi)滑坡點(diǎn)數(shù)量顯著減少,與西山煤田實(shí)際滑坡災(zāi)害發(fā)育情況相吻合,3種信息量耦合模型都可以有效評(píng)價(jià)西山煤田滑坡災(zāi)害易發(fā)性。IV-SVM模型預(yù)測(cè)結(jié)果與IV-LR、IV-RF模型區(qū)別明顯,極低易發(fā)區(qū)面積占比最大,高易發(fā)區(qū)面積最小。

4.4 建模結(jié)果不確定性分析

4.4.1 精度評(píng)價(jià)

計(jì)算各IV法耦合機(jī)器學(xué)習(xí)模型在測(cè)試集上的預(yù)測(cè)準(zhǔn)確率,模型的準(zhǔn)確率是指評(píng)價(jià)模型分類結(jié)果中分類正確的樣本個(gè)數(shù)占測(cè)試集樣本總數(shù)的比例,計(jì)算如下:

(11)

式中:TP表示正樣本被評(píng)價(jià)模型分類正確的個(gè)數(shù),即真正例;TN表示負(fù)樣本被評(píng)價(jià)模型分類錯(cuò)誤的個(gè)數(shù),即真反例;FP表示正樣本被評(píng)價(jià)模型分類錯(cuò)誤的個(gè)數(shù),即假正例;FN表示負(fù)樣本被評(píng)價(jià)模型分類錯(cuò)誤的個(gè)數(shù),即假反例。經(jīng)計(jì)算,IV-LR、IV-RF和IV-SVM模型在測(cè)試集上的預(yù)測(cè)準(zhǔn)確率分別為76.67%、74.62%和78.57%,模型的預(yù)測(cè)準(zhǔn)確率差別不明顯,但都大于70%,都可以有效評(píng)價(jià)西山煤田滑坡易發(fā)性。

利用廣泛使用于滑坡易發(fā)性模型精度評(píng)價(jià)中的受試者工作特征(Receiver Operating Characteristic,ROC)曲線和曲線下面積(Area Under Curve,AUC)值對(duì)評(píng)價(jià)模型的精度進(jìn)行對(duì)比分析,AUC值越大,模型的分類正確率越高、精度越好[30]。IV法耦合機(jī)器學(xué)習(xí)模型的ROC曲線如圖5所示。

圖5 信息量法耦合機(jī)器學(xué)習(xí)模型的ROC曲線Fig.5 ROC curves of information value method coupled machine learning model

由圖5可以看出,IV-LR、IV-RF和IV-SVM模型的AUC值分別為0.86、0.83和0.84。將3種耦合模型的ROC曲線進(jìn)行對(duì)比,AUC值表明,3種模型的建模精度相差不大,均在0.8以上,模型預(yù)測(cè)結(jié)果良好,其中IV-LR模型預(yù)測(cè)結(jié)果最好,IV-SVM模型次之,IV-RF模型AUC精度最差。

4.4.2 滑坡易發(fā)性指數(shù)分布規(guī)律

計(jì)算各耦合模型預(yù)測(cè)下滑坡易發(fā)性指數(shù)的平均值(Mean)和標(biāo)準(zhǔn)差(Standard)來分析模型預(yù)測(cè)的不確定性。IV-LR模型、IV-RF模型和IV-SVM模型預(yù)測(cè)下,滑坡易發(fā)性指數(shù)分布結(jié)果不相同,不同模型的滑坡易發(fā)性分布如圖6所示。

(a)IV-LR模型

由圖6可以看出,IV-LR、IV-RF和IV-SVM模型下易發(fā)性指數(shù)Mean分別為0.426、0.425和0.440。從易發(fā)性指數(shù)分布離散情況來看,IV-LR模型離散程度最高,然后是IV-SVM模型,IV-RF模型離散程度最低。IV-LR模型預(yù)測(cè)的Standard最大,Mean和最小的0.425相差無幾,模型AUC值最高,所以IV-LR模型對(duì)西山煤田的滑坡易發(fā)性區(qū)分度較好,能夠很好地反映不同柵格單元的滑坡易發(fā)性指數(shù)差異性。IV-RF模型預(yù)測(cè)易發(fā)性指數(shù)Mean和Standard都是3個(gè)模型中最小的,結(jié)合其驗(yàn)證精度和AUC值也是最小,表明該模型對(duì)研究區(qū)滑坡易發(fā)性的區(qū)分度較IV-LR和IV-SVM模型差一些。IV-SVM模型預(yù)測(cè)的易發(fā)性指數(shù)數(shù)值普遍偏大,在極低易發(fā)區(qū)分布較少,離散度居中。

5 結(jié)論

通過3種信息量法耦合機(jī)器學(xué)習(xí)模型對(duì)西山煤田的滑坡易發(fā)性進(jìn)行評(píng)價(jià),結(jié)論如下:

① 西山煤田高、極高滑坡易發(fā)區(qū)主要分布在距離水系300 m左右的區(qū)域內(nèi),極低和低滑坡易發(fā)區(qū)主要分布在研究區(qū)的中西部地區(qū),區(qū)內(nèi)大部分區(qū)域?yàn)橹小⒏吆蜆O高等級(jí)易發(fā)區(qū),低和極低易發(fā)區(qū)面積較小。研究區(qū)內(nèi)不同耦合模型的預(yù)測(cè)結(jié)果具有一定的相似性,但在區(qū)內(nèi)東北部部分區(qū)域滑坡易發(fā)性分布有明顯不同。

② IV-LR模型和IV-RF模型結(jié)果顯示,隨著滑坡易發(fā)性等級(jí)升高,區(qū)間內(nèi)滑坡點(diǎn)的數(shù)目逐漸增加。各信息量耦合模型中半數(shù)以上的滑坡點(diǎn)都在高—極高易發(fā)區(qū),低—極低易發(fā)區(qū)內(nèi)滑坡點(diǎn)很少,與實(shí)際滑坡災(zāi)害情況相吻合,說明各模型均可有效評(píng)價(jià)西山煤田滑坡災(zāi)害易發(fā)性。

③ IV-LR、IV-RF和IV-SVM模型的驗(yàn)證精度分別為76.67%、74.62%和78.57%,AUC值分別為0.86、0.83和0.84,再結(jié)合不同模型的滑坡易發(fā)性指數(shù)Mean及分布情況表明,IV-LR模型對(duì)西山煤田的滑坡易發(fā)性分區(qū)效果最好,模型分類精度最高,能很好地反映不同柵格的滑坡易發(fā)性差異。