劉 娜，張 恒，鄧璨露，吳家龍，熊元康,3

（1.廣東國地規(guī)劃科技股份有限公司，廣州 510650；2.廣州市林業(yè)和園林科學(xué)研究院，廣州 510405；3.復(fù)旦大學(xué) 環(huán)境科學(xué)與工程系，上海 200438）

崩崗是山坡土體或巖體風(fēng)化殼在重力與水力綜合作用下出現(xiàn)分離、崩塌和堆積等侵蝕現(xiàn)象的地質(zhì)災(zāi)害，是一種廣泛分布于中國南部和東南部的典型侵蝕地貌，是中國最為嚴(yán)重的4 大類侵蝕溝之一（卓瑞娜 等，2022），其造成的危害僅次于泥石流和山體滑坡（李翠漫 等，2020）。崩崗由于突發(fā)性強(qiáng)、爆發(fā)性強(qiáng)和難預(yù)測性等特點(diǎn)，已成為制約區(qū)域經(jīng)濟(jì)發(fā)展、社會(huì)穩(wěn)定和生態(tài)保護(hù)的重要因素（沈盛彧等，2020）。目前，中國各種大小的崩崗共有24萬個(gè)，侵蝕面積約1 220 km2，其中約89%的崩崗屬于活動(dòng)型崩崗（郭飛 等，2022），其直接危害和潛在危害較大。因此，動(dòng)態(tài)監(jiān)測崩崗的分布密度，發(fā)育程度和影響因子變化是統(tǒng)籌區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展和生態(tài)環(huán)境治理的重要任務(wù)。

傳統(tǒng)的崩崗識(shí)別方法主要是實(shí)地調(diào)查，其耗時(shí)耗力且效率低，難以滿足區(qū)域尺度的崩崗動(dòng)態(tài)監(jiān)測需求。如2004年8月水利部組織流域崩崗侵蝕區(qū)內(nèi)各級(jí)水保部門開展的南方區(qū)域崩崗調(diào)查，其到2005年11月才完成中國南方崩崗侵蝕現(xiàn)狀調(diào)查報(bào)告（馮明漢 等，2009）。隨著信息技術(shù)的迅速發(fā)展，研究者已嘗試?yán)酶鞣N遙感技術(shù)進(jìn)行崩崗監(jiān)測，如三維激光掃描技術(shù)（Liu et al., 2019）和無人機(jī)傾斜攝影技術(shù)（江學(xué)頂 等，2019；沈盛彧 等，2020）。在實(shí)際應(yīng)用中，崩崗識(shí)別方法已從傳統(tǒng)的實(shí)地調(diào)查方式逐漸轉(zhuǎn)變?yōu)榛诟叻直媛市l(wèi)星遙感影像和專家系統(tǒng)的目視解譯操作（李昊潔 等，2016），雖然該方法能有效獲取一個(gè)區(qū)域的崩崗信息，但受限于高分辨率衛(wèi)星的重返周期和覆蓋范圍，難以實(shí)現(xiàn)區(qū)域尺度的崩崗動(dòng)態(tài)監(jiān)測，難以為制定有效、及時(shí)的防災(zāi)減災(zāi)措施提供重要參考。此外，目前崩崗相關(guān)研究主要集中于崩崗的侵蝕機(jī)理、侵蝕形態(tài)、誘發(fā)因素、防控治理等定性研究，且以野外實(shí)驗(yàn)和室內(nèi)實(shí)驗(yàn)為主，從定量角度分析崩崗發(fā)生的影響因子、崩崗風(fēng)險(xiǎn)性評(píng)估預(yù)測等方面的研究較少，尤其是在大尺度自然環(huán)境范圍內(nèi)，定量分析一個(gè)區(qū)域內(nèi)崩崗發(fā)生的影響因子及其風(fēng)險(xiǎn)的研究較為缺乏。

目前，由于區(qū)域尺度不同精度的遙感影像難以獲取且崩崗發(fā)育到中后期后已自然恢復(fù)植被覆蓋。因此，利用遙感影像開展大尺度崩崗識(shí)別的研究較少（李昊潔 等，2016；沈盛彧 等，2022）。針對(duì)以上問題和大尺度動(dòng)態(tài)監(jiān)測崩崗的必要性，本文嘗試以韓江中上游為研究區(qū)，結(jié)合Sentinel-2 L1C 級(jí)多光譜數(shù)據(jù)，Sentinel-1 C波段合成孔徑雷達(dá)數(shù)據(jù)和其他輔助數(shù)據(jù)開展區(qū)域尺度的崩崗動(dòng)態(tài)監(jiān)測，在此基礎(chǔ)上，嘗試從氣候因素等方面揭示韓江中上游區(qū)域內(nèi)崩崗形成的影響因子，以及定量分析各影響因子對(duì)研究區(qū)內(nèi)崩崗發(fā)生的影響程度。以期為研究大尺度范圍內(nèi)的崩崗形成機(jī)制、發(fā)展規(guī)律以及影響因素提供參考和借鑒。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

韓江中上游地區(qū)主要位于梅州市行政轄區(qū)內(nèi)，包括梅江區(qū)、梅縣區(qū)、興寧市、大埔縣、豐順縣、五華縣、平遠(yuǎn)縣、蕉嶺縣8個(gè)縣（市、區(qū)）（圖1），土地面積約1.59 萬km2，是全國重要生態(tài)系統(tǒng)保護(hù)和修復(fù)重大工程規(guī)劃布局“三區(qū)四帶”中的南方丘陵山地帶的核心區(qū)。受地理位置和地形等因素的影響，該區(qū)域冬日短，夏日長，全年氣溫高、冷熱懸殊、氣流閉塞、降雨量大且集中，屬亞熱帶季風(fēng)氣候區(qū)。區(qū)域內(nèi)地形地貌以山地和丘陵為主，地質(zhì)構(gòu)造主要由花崗巖巖系構(gòu)成，土壤以紅壤系列為主且地表表面多覆蓋著深厚的花崗巖風(fēng)化層（梅州市林業(yè)局，2021）。在高溫和持續(xù)性降雨的條件下，花崗巖母質(zhì)上赤紅壤和紅壤的物理風(fēng)化和化學(xué)風(fēng)化極其強(qiáng)烈，易形成深厚的風(fēng)化殼，導(dǎo)致土壤結(jié)構(gòu)疏松，易形成崩崗侵蝕地貌（倪世民，2022），因此該區(qū)域是廣東省崩崗侵蝕最嚴(yán)重的地區(qū)，共有崩崗流失面積457.78 km2，占廣東省崩崗侵蝕面積的55.31%（廣東省水利廳，2016）。

1.2 數(shù)據(jù)來源

在歐洲航天局哥白尼數(shù)據(jù)中心①https://scihub.copernicus.eu/選取研究區(qū)內(nèi)2016—2022 年588 景Sentinel-2 L1C 級(jí)多光譜數(shù)據(jù)和802景Sentinel-1 C波段合成孔徑雷達(dá)數(shù)據(jù)作為主要數(shù)據(jù)，用以計(jì)算崩崗識(shí)別的光譜特征指數(shù)和雷達(dá)特征指數(shù)，其他崩崗識(shí)別輔助數(shù)據(jù)包括高程、坡度、坡向、山體陰影、土壤類型和地質(zhì)類型。其中，高程數(shù)據(jù)來源于日本宇宙航空研究開發(fā)機(jī)構(gòu)地球觀測中心②https://earth.jaxa.jp/en/data/policy/（JAXA），坡度、坡向和山坡陰影通過高程數(shù)據(jù)計(jì)算而得；土壤類型和行政邊界矢量面數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心③https://www.resdc.cn/，研究區(qū)的土壤類型主要包括初育土、半水成土、人為土、鐵鋁土和江、河、湖；1∶20 萬地質(zhì)類型數(shù)據(jù)來源于地質(zhì)云3.0④https://geocloud.cgs.gov.cn/，地質(zhì)巖性主要包括橄欖巖、角閃巖、輝長巖、輝綠紛巖、花崗巖、閃長巖和混合巖等11種類型；土地覆蓋類型數(shù)據(jù)來源于歐洲航天局⑤https://esa-worldcover.org/en（European Space Agency, ESA）；崩崗空間分布數(shù)據(jù)通過結(jié)合Google高精度影像（分辨率為1或0.3 m）和水土流失分布數(shù)據(jù)目視解譯獲得，主要是在識(shí)別強(qiáng)度以上水土流失區(qū)域的基礎(chǔ)上，利用崩崗在高精度影像上所表現(xiàn)出的紋理、色調(diào)、形狀和地貌等特征，將其與其他土地覆蓋類型分開，如通過高精度影像可以看出崩崗區(qū)域具有瓢型、條型、弧型和爪型等特點(diǎn)，因此其能特別容易地與其他土地覆蓋類型區(qū)分開（李翠漫 等，2020）。此外，通過實(shí)地考察和無人機(jī)攝影一共獲得研究區(qū)內(nèi)2 437 個(gè)崩崗樣本點(diǎn)，主要分布于梅縣區(qū)南口鎮(zhèn)（254 個(gè)）和五華縣華城鎮(zhèn)（2 183個(gè)），將其與目視解譯數(shù)據(jù)進(jìn)行對(duì)比后，確定目視解譯獲得崩崗樣本點(diǎn)的準(zhǔn)確性。最后，共獲取17 253 個(gè)有效樣本點(diǎn)（見圖1），其中，崩崗樣本點(diǎn)5 089 個(gè)，林地樣本點(diǎn)3 059 個(gè)，草地樣本點(diǎn)2 649，耕地樣本點(diǎn)1 033個(gè)，建筑樣本點(diǎn)2 007 個(gè)，稀疏植被樣本點(diǎn)1 515 個(gè)，水體樣本點(diǎn)1 901個(gè)；ERA5氣候再分析數(shù)據(jù)來源于哥白尼氣候變化服務(wù)中心數(shù)據(jù)庫⑥https://cds.climate.copernicus.eu/，主要包括溫度、風(fēng)速和大氣壓等氣候變量；網(wǎng)格化CHIRPS降雨數(shù)據(jù)集來源于美國氣候危害中心⑦h(yuǎn)ttps://www.chc.ucsb.edu/data/chirps；網(wǎng)格化人口分布數(shù)據(jù)來源于WorldPop網(wǎng)站⑧https://wopr.worldpop.org/。數(shù)據(jù)來源與參數(shù)見表1所示。

考慮到Sentinel-2 L1C 級(jí)多光譜數(shù)據(jù)（豐富的光譜信息）和Sentinel-1 C 波段合成孔徑雷達(dá)數(shù)據(jù)（全天候的觀測能力）各自的優(yōu)點(diǎn)及其較高的空間分辨率（10 m）和較短的重返周期（5 d），本文選取的2種衛(wèi)星星座數(shù)據(jù)可以滿足大尺度動(dòng)態(tài)監(jiān)測崩崗的數(shù)據(jù)需求。同時(shí)，考慮到ERA5氣候再分析數(shù)據(jù)和CHIRPS降雨數(shù)據(jù)集的高時(shí)空分辨率以及在復(fù)雜地形區(qū)的適用性（孟憲貴 等，2018；王一冰 等，2021；劉佳 等，2023），選取的氣候數(shù)據(jù)能充分反映研究區(qū)氣候的時(shí)空變化。此外，由于高程和人口空間分布等數(shù)據(jù)的時(shí)間序列數(shù)據(jù)難以獲取，且在短時(shí)間內(nèi)變化幅度較小，本文假設(shè)其在2016—2022年保持不變，盡管會(huì)降低識(shí)別精度，但不會(huì)影響研究結(jié)果。

1.3 數(shù)據(jù)預(yù)處理

考慮到研究區(qū)的地理位置和氣候特征，云以及陰影會(huì)對(duì)光譜特征指數(shù)計(jì)算造成顯著的影響（Zhu and Woodcock, 2012），采用FMASK 算法（Zhu et al., 2015）和Sentinel-2 L1C級(jí)多光譜數(shù)據(jù)的云掩膜波段（QA60）對(duì)研究區(qū)內(nèi)2016—2022 年588 景的Sentinel-2 L1C級(jí)多光譜數(shù)據(jù)進(jìn)行去云和去云陰影處理，以減少數(shù)據(jù)合成和光譜特征指數(shù)計(jì)算等因素對(duì)崩崗識(shí)別的潛在影響。同時(shí)，由于獲取的土壤類型和地質(zhì)數(shù)據(jù)屬于文本類標(biāo)記數(shù)據(jù)，按照不同的土壤類型或地質(zhì)類型對(duì)其進(jìn)行分類，如分別將初育土和半水成土編碼為1和2。此外，為了在統(tǒng)一坐標(biāo)和統(tǒng)一分辨率下進(jìn)行數(shù)據(jù)分析，將所有數(shù)據(jù)的地理坐標(biāo)設(shè)為GCS_WGS_1984，并采用雙線性重采樣法將ERA5氣候再分析數(shù)據(jù)、高程數(shù)據(jù)、土壤類型數(shù)據(jù)、地質(zhì)類型數(shù)據(jù)和人口空間分布數(shù)據(jù)重采樣至Sentinel-2 L1C 級(jí)多光譜數(shù)據(jù)的空間分辨率（10 m×10 m）。

2 研究方法

首先，基于研究區(qū)內(nèi)的土地覆蓋類型和高分辨率影像，通過目視解譯等方法獲取研究區(qū)內(nèi)的土地覆蓋類型樣本數(shù)據(jù)。其次，結(jié)合研究區(qū)內(nèi)崩崗的光譜特征和土地覆蓋類型構(gòu)建潛在的崩崗識(shí)別特征，并利用隨機(jī)森林分類模型進(jìn)行研究區(qū)的崩崗識(shí)別。最后，結(jié)合崩崗識(shí)別結(jié)果和崩崗侵蝕潛在影響因子，利用Logistic 回歸模型進(jìn)行研究區(qū)內(nèi)的崩崗影響因子測度。技術(shù)路線如圖2所示。

圖2 崩崗識(shí)別和影響因子測度的研究技術(shù)路線Fig.2 Technical route of Benggang identification and influencing factors analysis

2.1 崩崗識(shí)別特征構(gòu)建

崩崗是水力和重力復(fù)合侵蝕形成的侵蝕溝，一般由集水坡面、崩壁、崩積錐、溝道和洪積扇5個(gè)部分組成（劉希林 等，2023），其在中高遙感影像中的光譜特征主要表現(xiàn)為植被和裸土的混合光譜特征，結(jié)合研究區(qū)崩崗的光譜特征和土地覆蓋類型，將研究區(qū)的土地覆蓋類型分為崩崗、林地、草地、耕地、建筑、稀疏植被和水體7類。為了將崩崗與研究區(qū)的其他地類區(qū)分開，根據(jù)崩崗和其他地類（如稀疏植被等）在中高遙感影像上所表現(xiàn)出來的特征，本文構(gòu)建了20個(gè)潛在崩崗識(shí)別特征進(jìn)行研究區(qū)崩崗侵蝕識(shí)別（表2）。

表2 崩崗識(shí)別特征構(gòu)建Table 2 The identification features of Benggang

通過收集得到的土地覆蓋類型樣本，獲取研究區(qū)土地覆蓋類型的主要識(shí)別特征值范圍（圖3），由于地質(zhì)數(shù)據(jù)和土壤類型數(shù)據(jù)的分辨率或數(shù)據(jù)類型限制，未對(duì)這2個(gè)識(shí)別特征進(jìn)行特征值范圍分析。根據(jù)圖3 可知，研究區(qū)的崩崗區(qū)域多位于高程200 m和坡度為20°左右的區(qū)域內(nèi)，且崩崗侵蝕區(qū)域內(nèi)的植被覆蓋低（如FVC＜0.1）。同時(shí)，盡管崩崗與草地、稀疏植被和建筑在某些識(shí)別特征（如EVI等植被特征指數(shù)）表現(xiàn)出類似的特征值范圍，但本文構(gòu)建的其他識(shí)別特征能將崩崗與其分開，如崩崗與建筑物2個(gè)地類盡管在本文構(gòu)建的光譜特征指數(shù)上有相似的特征值范圍，但兩者的高程和坡度特征值范圍有較大差異（如崩崗發(fā)生的高程多位于200 m 左右，而建筑物的高程多位于100 m左右）。

圖3土地覆蓋類型的識(shí)別特征值范圍Fig.3 Identification characteristic values of different land cover types

2.2 崩崗識(shí)別方法

隨機(jī)森林（Random Forest, RF）是一種廣泛運(yùn)用于基于遙感影像的土地覆蓋類型分類方法，相較于支持向量機(jī)和決策樹等機(jī)器學(xué)習(xí)方法，RF表現(xiàn)出更加穩(wěn)健的性能且具備更快的分類速度（Roy et al.,2016）。該方法采用Bootstrap 抽樣技術(shù)，從原始數(shù)據(jù)集中提取訓(xùn)練集，并利用這些訓(xùn)練集構(gòu)建CART決策樹，從而實(shí)現(xiàn)分類模型的構(gòu)建。RF分類器的分類性能以及分類效率主要受決策樹數(shù)量、候選特征子集以及葉節(jié)點(diǎn)最小樣本數(shù)3 個(gè)關(guān)鍵參數(shù)的影響，參考已有研究（熊元康 等，2021），將這3 個(gè)關(guān)鍵參數(shù)分別設(shè)置為：決策樹數(shù)量=100；候選特征子集=4；葉節(jié)點(diǎn)最小樣本數(shù)=1。根據(jù)構(gòu)建的分類特征，將獲得的有效樣本點(diǎn)隨機(jī)選擇80%作為訓(xùn)練集進(jìn)行隨機(jī)森林分類器的訓(xùn)練，其余20%作為測試集驗(yàn)證其分類精度。

2.3 崩崗識(shí)別精度驗(yàn)證

采用誤差矩陣與文本精度2種方式對(duì)分類結(jié)果進(jìn)行精度驗(yàn)證。誤差矩陣所計(jì)算的精度評(píng)價(jià)指標(biāo)包括總體精度（Overall Accuracy, OA）、生產(chǎn)者精度（Produce's Accuracy, PA）、用戶精度（User's Accuracy, UA）、Kappa系數(shù)和FScore（Xiong et al., 2019），其中OA用于評(píng)估算法整體的有效性，PA用于衡量模型對(duì)某個(gè)類別的分類準(zhǔn)確性，UA 用于反映實(shí)際屬于某個(gè)類別的樣本中被正確預(yù)測為該類別的比例，Kappa 系數(shù)應(yīng)用于解釋模型一致性程度，F(xiàn)Score被用于評(píng)估每一地類的分類精度（熊元康 等，2021），各精度評(píng)價(jià)指標(biāo)計(jì)算公式為：

式中：Sn為正確分類的樣本數(shù)量；N為用于精度驗(yàn)證的樣本總量；Xij為誤差矩陣第i行第j列的觀察值；Xi為誤差矩陣中第i行的邊際總數(shù)；Xj為誤差矩陣中第j列的邊際總數(shù)；n為分類類型數(shù)量；Xii為第i類型的被正確分類的樣本數(shù)目；Xi+為第i類型所在列的樣本總量；X+i為第i類型所在行的樣本總量；β為PA 和UA 的權(quán)重關(guān)系，將其設(shè)為1。文本精度指本文識(shí)別結(jié)果與統(tǒng)計(jì)數(shù)據(jù)的對(duì)比結(jié)果。

2.4 崩崗影響因子測度

崩崗侵蝕地貌的形成是多因素綜合影響的結(jié)果（Liao et al., 2019; 2023），根據(jù)以往研究可知，高強(qiáng)度和高頻率的降雨是崩崗侵蝕地貌形成的主要外部影響因子（Xu, 1996），而地表徑流在崩崗侵蝕地貌形成過程中起決定性作用（Woo et al., 1997）。此外，地形因素對(duì)崩崗侵蝕的影響已得到普遍認(rèn)可（Liu and Liu, 2020）。因此，在參考已有崩崗影響因子（Gong et al., 2018; Liao et al., 2019, 2023）和崩崗形成機(jī)制研究（劉希林 等，2015；馬鵬飛，2019；史志華 等，2020；倪世民，2022；劉希林等，2023）基礎(chǔ)上，選取人口密度、高程、坡度、坡向、山坡陰影、降水量、大氣壓、經(jīng)向風(fēng)速（u），緯向風(fēng)速（v）、風(fēng)速、溫度、植被覆蓋、土壤類型和地質(zhì)類型等14個(gè)潛在影響因子開展研究區(qū)的崩崗侵蝕影響因子測度，選取的14個(gè)崩崗潛在影響因子在研究區(qū)的空間分布如圖4所示。

圖4 潛在崩崗影響因子的空間分布Fig.4 The spatial distribution of potential Benggang influencing factors

基于構(gòu)建的14個(gè)潛在崩崗影響因子，采用Logistic回歸模型進(jìn)行研究區(qū)內(nèi)的崩崗侵蝕關(guān)鍵影響因素分析。Logistic 回歸模型是一種經(jīng)典的統(tǒng)計(jì)學(xué)習(xí)方法，常用于構(gòu)建影響因素與二分類變量之間關(guān)系的非線性概率模型，由于其解釋性強(qiáng)、計(jì)算效率高、適用性高等優(yōu)勢，該模型已被廣泛應(yīng)用于地質(zhì)災(zāi)害敏感性、危險(xiǎn)性評(píng)估與區(qū)劃（李翠漫 等，2020）。由于選取的14個(gè)潛在崩崗影響因子具有不同的量綱，在進(jìn)行崩崗影響因子測度前，對(duì)選取的潛在崩崗影響因子進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理：

式中：X為原始數(shù)據(jù)；Xm為原始數(shù)據(jù)的均值；Xstd為原始數(shù)據(jù)的標(biāo)準(zhǔn)差；X'為標(biāo)準(zhǔn)化后的數(shù)據(jù)。

同時(shí)，根據(jù)2016—2022年研究區(qū)內(nèi)的崩崗識(shí)別結(jié)果（圖5），隨機(jī)選取1 000個(gè)崩崗樣本點(diǎn)和2 000個(gè)非崩崗樣本點(diǎn)進(jìn)行研究區(qū)內(nèi)的崩崗影響因子測度。為了保證樣本之間的獨(dú)立性，在選取崩崗樣本點(diǎn)和非崩崗樣本點(diǎn)時(shí)，保證樣本點(diǎn)之間的距離＞1 km。基于隨機(jī)選擇的樣本點(diǎn)，獲取每個(gè)樣本點(diǎn)上14個(gè)潛在崩崗影響因子所對(duì)應(yīng)數(shù)據(jù)，其中植被覆蓋度、溫度、降雨量、經(jīng)向風(fēng)速（u），緯向風(fēng)速（v）、風(fēng)速和大氣壓等7個(gè)潛在崩崗影響因子數(shù)據(jù)為2016—2022年的平均值。

圖5 研究區(qū)內(nèi)的崩崗侵蝕空間分布Fig.5 Spatial distribution of Benggang in the study area

3 結(jié)果與分析

3.1 精度分析

在選擇RF 模型作為土地覆蓋類型分類器的基礎(chǔ)上，以10 m×10 m的單一像元為分類單元進(jìn)行研究區(qū)內(nèi)的崩崗識(shí)別，而由于單一像元地物混合現(xiàn)象的存在，導(dǎo)致其分類結(jié)果中往往存在椒鹽噪聲。因此，在進(jìn)行分類結(jié)果精度驗(yàn)證前，采用眾數(shù)濾波（3×3 pixels）對(duì)分類結(jié)果進(jìn)行濾波處理。最終用計(jì)算得到的總體精度、用戶精度、生產(chǎn)者精度以及Kappa 系數(shù)表征分類結(jié)果的混淆矩陣精度（表3）。研究區(qū)內(nèi)地表覆蓋類型識(shí)別的總體精度為84%，Kappa系數(shù)為0.8，表明本文構(gòu)建的識(shí)別特征和分類器在研究區(qū)內(nèi)具有良好的地表覆蓋類型識(shí)別效果。針對(duì)本研究的重點(diǎn)，崩崗識(shí)別的用戶精度和生產(chǎn)者精度都超過95%，且其FScore為0.97，證明本文構(gòu)建的模型能較好地識(shí)別出研究區(qū)內(nèi)的崩崗侵蝕范圍。同時(shí)，根據(jù)分類結(jié)果，結(jié)合Google 高分辨率影像，發(fā)現(xiàn)受崩崗侵蝕大小的影響，較小的崩崗侵蝕（＜100 m2）在遙感圖像上可能會(huì)表現(xiàn)出與某些坡地稀疏植被和草地相似的光譜特征，因此存在將草地和稀疏植被錯(cuò)分為崩崗或?qū)⒈缻徛┓譃椴莸睾拖∈柚脖坏那闆r。

表3 分類精度Table 3 The accuracy of classification.

3.2 時(shí)空演變特征分析

根據(jù)研究區(qū)內(nèi)崩崗識(shí)別的空間分布可知（見圖5），截至2022 年，研究區(qū)內(nèi)崩崗侵蝕面積為435.5 km2，其中五華縣、興寧市、大埔縣、豐順縣、梅縣區(qū)、平遠(yuǎn)縣、蕉嶺縣和梅江區(qū)的崩崗侵蝕面積分別為199.2、70.1、57.7、50.1、35.4、14.9、3.9和1.6 km2。根據(jù)歷史統(tǒng)計(jì)數(shù)據(jù)可知，2015 年五華縣的崩崗侵蝕面積為190 km2（劉希林 等，2015），2019 年興寧市崩崗侵蝕面積為98 km2（《興寧市水土保持規(guī)劃（2020—2030 年）》），2019 年大埔縣崩崗侵蝕面積為65 km2（《大埔縣水土保持規(guī)劃（2018—2030 年）》）。此外，根據(jù)《梅州市水土保持規(guī)劃（2016—2030 年）》（梅州市水務(wù)局，2019）可知，研究區(qū)內(nèi)的水土流失以自然侵蝕為主，以輕、中度居多，而強(qiáng)度以上水土流失主要由崩崗引起。因此，將研究區(qū)內(nèi)崩崗識(shí)別結(jié)果與研究區(qū)內(nèi)2019 年的水土流失分布圖（梅州市水務(wù)局，2019）進(jìn)行對(duì)比（圖6），發(fā)現(xiàn)本文識(shí)別的崩崗侵蝕能較好地與研究區(qū)內(nèi)的水土流失分布在空間上保持一致。綜上可知，本文識(shí)別的研究區(qū)崩崗空間分布能較好地與其他統(tǒng)計(jì)數(shù)據(jù)保持一致，證明本文構(gòu)建的模型能較好地識(shí)別出研究區(qū)崩崗侵蝕空間分布。

圖6 研究區(qū)內(nèi)的崩崗侵蝕面積年變化Fig.6 Annual change of Benggang area in the study area

根據(jù)研究區(qū)崩崗識(shí)別的時(shí)空分布（見圖6）可知，2016—2022年，五華縣、興寧市、大埔縣、豐順縣、梅縣區(qū)、平遠(yuǎn)縣、蕉嶺縣和梅江區(qū)的崩崗侵蝕面積年平均變化率為16.29、6.51、5.31、4.94、3.56、1.39、0.42 和0.18 km2/a。根據(jù)部分統(tǒng)計(jì)數(shù)據(jù)可知，2006 和2015 年五華縣崩崗侵蝕面積分別為61.4（馬永 等，2014）和190 km2（劉希林 等，2015），可知五華縣崩崗侵蝕面積年平均變化率為12.86 km2/a。由于本文構(gòu)建的方法側(cè)重于動(dòng)態(tài)監(jiān)測潛在的崩崗發(fā)生區(qū)域，未考慮崩崗綜合治理帶來的崩崗面積變化（崩崗治理后恢復(fù)植被覆蓋），因此，本文識(shí)別的崩崗侵蝕面積年平均變化率與統(tǒng)計(jì)數(shù)據(jù)存在差異。根據(jù)以往研究可知，五華縣內(nèi)每處崩崗侵蝕面積約為0.003 7 km2（鐘子知 等，2006；劉希林 等，2015），而五華縣每年崩崗治理約為978 處（鐘子知 等，2006），可估算五華縣每年崩崗治理面積約為3.6 km2，因此，本文估算的五華縣崩崗侵蝕面積年平均變化率與統(tǒng)計(jì)數(shù)據(jù)之間的差異來源于本文未考慮崩崗治理所引起的崩崗侵蝕面積變化。如果考慮崩崗治理導(dǎo)致的崩崗侵蝕面積變化，本文計(jì)算得出的五華縣崩崗侵蝕面積年平均變化率能較好地與統(tǒng)計(jì)數(shù)據(jù)的崩崗侵蝕面積年平均變化率保持一致，證明本文構(gòu)建的模型能較好地實(shí)現(xiàn)研究區(qū)內(nèi)的崩崗時(shí)空演變特征識(shí)別。

3.3 相關(guān)性分析

采用回歸系數(shù)、標(biāo)準(zhǔn)誤差、顯著性和優(yōu)勢比4個(gè)標(biāo)準(zhǔn)，測度研究區(qū)內(nèi)潛在的崩崗影響因子及其對(duì)崩崗發(fā)生的影響程度。其中，各個(gè)潛在影響因子的回歸系數(shù)代表各因素對(duì)崩崗侵蝕所起作用的權(quán)重大小，回歸系數(shù)的絕對(duì)值越大，代表該因素對(duì)崩崗侵蝕所起作用的權(quán)重越大；標(biāo)準(zhǔn)誤差被用于衡量回歸系數(shù)估計(jì)的不確定性，反映回歸系數(shù)估計(jì)值的平均離散程度；顯著性指回歸系數(shù)的P值，評(píng)估回歸系數(shù)的顯著性，表示當(dāng)零假設(shè)成立時(shí)，觀察到的樣本數(shù)據(jù)與零假設(shè)之間差異的概率；優(yōu)勢比是各影響因子回歸系數(shù)的指數(shù)結(jié)果，表示各因子影響程度。當(dāng)優(yōu)勢比＞1時(shí)，表示正向影響；當(dāng)優(yōu)勢比＜1時(shí)，表示負(fù)向影響。優(yōu)勢比值距離1越大，意味著該因素對(duì)崩崗影響的程度越大。此外，還選擇赤池信息量準(zhǔn)則（Akaike Information Criterion, AIC）評(píng)估模型參數(shù)估計(jì)的精確性和有效性以及判斷自變量之間是否存在多重共線性（Vrieze, 2012），其中△AIC 表示包含該變量和不包含該變量時(shí)模型的AIC 差異。當(dāng)△AIC＜0時(shí)，代表該變量對(duì)崩崗發(fā)生有影響；當(dāng)△AIC＞0時(shí)，代表該變量對(duì)崩崗發(fā)生沒有影響。同時(shí)，根據(jù)一般經(jīng)驗(yàn)法則，當(dāng)-5＜△AIC＜0 時(shí)，表示模型間差異微弱；當(dāng)△AIC≤-5時(shí)，表示模型間差異顯著（Bolker, 2008）。

從表4可以看出，選定的14個(gè)潛在崩崗影響因子中，高程、坡度、植被覆蓋、地質(zhì)類型、人口密度、大氣壓、降雨量、經(jīng)向風(fēng)速、緯向風(fēng)速和風(fēng)速10 個(gè)因素與崩崗發(fā)生存在顯著相關(guān)性（P＜0.001），而溫度、坡向、山體陰影和土壤類型與崩崗發(fā)生無相關(guān)性（P＞0.1）。其中，地質(zhì)類型對(duì)研究區(qū)崩崗發(fā)生影響程度最大，其次是坡度和大氣壓，而降雨量對(duì)研究區(qū)崩崗發(fā)生的影響程度最小。根據(jù)Logistic回歸模型和AIC 統(tǒng)計(jì)量的結(jié)果，構(gòu)建研究區(qū)內(nèi)崩崗敏感性評(píng)價(jià)模型：

表4 Logistic回歸模型參數(shù)和AIC統(tǒng)計(jì)量Table 4 Logistic regression coefficients and AIC statistics

式中：Z為研究區(qū)內(nèi)崩崗各影響因子線性疊加信息量；xi分別為研究區(qū)內(nèi)高程、坡度、植被覆蓋、地質(zhì)類型、人口密度、大氣壓、降雨、經(jīng)向風(fēng)速、緯向風(fēng)速和風(fēng)速數(shù)據(jù)標(biāo)準(zhǔn)化后的結(jié)果；β為10 個(gè)影響因素所對(duì)應(yīng)的Logistic回歸系數(shù)；P為研究區(qū)每個(gè)柵格單元崩崗發(fā)生的概率。

同時(shí)，根據(jù)表4 和圖7 可知，在一定的變化范圍內(nèi)，高程、坡度、地質(zhì)類型、大氣壓、經(jīng)向風(fēng)速、緯向風(fēng)速和風(fēng)速對(duì)研究區(qū)內(nèi)崩崗發(fā)生的影響為正向影響，植被覆蓋、人口密度和降雨量對(duì)研究區(qū)內(nèi)崩崗發(fā)生的影響為負(fù)向影響。如，當(dāng)海拔＜260 m時(shí)，隨著海拔增加，巖體風(fēng)化殼厚度呈上升趨勢（Liao et al., 2019），崩崗發(fā)生的概率提高；當(dāng)坡度＜30°時(shí)，隨著坡度增加，巖體風(fēng)化殼物質(zhì)積累越多（Liao et al., 2023），崩崗發(fā)生的概率提高；當(dāng)FVC＞0.2 時(shí)，隨著植被覆蓋增加，水土流失減少（李翠漫 等，2020），崩崗發(fā)生的概率降低；當(dāng)大氣壓＜1 000 hPa時(shí)，大氣壓的增加會(huì)減緩?fù)寥浪值恼舭l(fā)速率且加快土壤水分冷凝，從而提高土壤水分含量（Han et al., 2013），并加速巖體風(fēng)化殼物質(zhì)匯集，可能會(huì)提高崩崗發(fā)生的概率；在風(fēng)速方面，東風(fēng)（經(jīng)向風(fēng)速＜0）和北風(fēng)（緯向風(fēng)速＞0）越大，躍移沙粒的速度越快（史志華 等，2020），且植被與土壤之間的相互作用加強(qiáng)，可能會(huì)提高崩崗發(fā)生的概率；地質(zhì)類型方面，由于花崗巖地層容易在風(fēng)化過程中形成結(jié)構(gòu)松散的表土層，因此花崗巖地質(zhì)類型容易發(fā)生崩崗（見圖4、5），而礫巖、砂巖和粉砂巖上不易發(fā)生崩崗（李翠漫 等，2020）；人口密度方面，由于研究區(qū)崩崗侵蝕以自然侵蝕為主（梅州市水務(wù)局，2019），為了維持山丘區(qū)經(jīng)濟(jì)的發(fā)展，人口密度越大的區(qū)域其崩崗防范和治理措施越強(qiáng)。因此，在人口密度越大的區(qū)域，其崩崗發(fā)生的概率越低（馬永 等，2014）；根據(jù)以往研究可知，當(dāng)一個(gè)區(qū)域的年降雨量＞1 300 mm時(shí)，該區(qū)域容易發(fā)生崩崗（Liao et al., 2023），而當(dāng)降雨量過大時(shí)，強(qiáng)烈的水土流失不利于巖體風(fēng)化殼物質(zhì)的積累，導(dǎo)致缺少崩崗發(fā)生的內(nèi)在條件（風(fēng)化殼厚度）（Liao et al.,2023），而研究區(qū)內(nèi)年平均降水量在1 400～2 200 mm（見圖4），在研究區(qū)的降水量變化范圍內(nèi)，降雨量越小，崩崗發(fā)生的概率越大。

圖7 研究區(qū)內(nèi)崩崗影響因子值的變化Fig.7 The change of the value of the influencing factor of Benggang in the study area

4 結(jié)論與討論

結(jié)合Sentinel-1/2衛(wèi)星星座遙感數(shù)據(jù)和其他輔助數(shù)據(jù)，生成光譜特征指數(shù)、雷達(dá)特征指數(shù)和其他輔助特征，構(gòu)建機(jī)器學(xué)習(xí)模型獲取區(qū)域尺度的崩崗時(shí)空演變特征并進(jìn)行精度驗(yàn)證，在此基礎(chǔ)上從氣候因素等方面探討了研究區(qū)內(nèi)崩崗發(fā)生的影響因子。得出以下主要結(jié)論：

1）運(yùn)用構(gòu)建的分類特征和隨機(jī)森林分類器進(jìn)行研究區(qū)內(nèi)土地覆蓋類型識(shí)別的總體精度達(dá)到84%，Kappa系數(shù)為0.8。其中，崩崗識(shí)別的用戶精度和生產(chǎn)者精度分別為98.8%和95.9%，且其FScore為0.97，證明本文構(gòu)建的分類模型能較好地識(shí)別出研究區(qū)內(nèi)的崩崗侵蝕范圍。

2）截至2022 年，韓江中上游地區(qū)崩崗侵蝕面積共有435.5 km2，各縣（市、區(qū)）崩崗侵蝕面積差異明顯，年變化趨勢不一。在空間分布上，五華縣、興寧市、大埔縣、豐順縣、梅縣區(qū)、平遠(yuǎn)縣、蕉嶺縣和梅江區(qū)的崩崗侵蝕面積分別為199.2、70.1、57.7、50.1、35.4、14.9、3.9 和1.6 km2。在時(shí)間變化趨勢上，五華縣、興寧市、大埔縣、豐順縣、梅縣區(qū)、平遠(yuǎn)縣、蕉嶺縣和梅江區(qū)的崩崗侵蝕面積年平均變化率為16.29、6.51、5.31、4.94、3.56、1.39、0.42 和0.18 km2/a。研究區(qū)內(nèi)的五華縣崩崗侵蝕最為嚴(yán)重，需加強(qiáng)該區(qū)域內(nèi)的崩崗治理，以提高其森林生態(tài)系統(tǒng)服務(wù)功能，進(jìn)而促進(jìn)區(qū)域生態(tài)環(huán)境的良性循環(huán)。

3）韓江中上游地區(qū)崩崗發(fā)生概率與高程、坡度、植被覆蓋、地質(zhì)類型、人口密度、大氣壓、降雨量、經(jīng)向風(fēng)速、緯向風(fēng)速和風(fēng)速等10個(gè)因素存在顯著相關(guān)性（P＜0.001）。其中，地質(zhì)類型、坡度、大氣壓、高程、植被覆蓋、人口密度和風(fēng)速是研究區(qū)內(nèi)崩崗發(fā)生的主要影響因子，需強(qiáng)加該區(qū)域這7類變量的監(jiān)測，以提高區(qū)域崩崗地質(zhì)災(zāi)害的預(yù)警能力。同時(shí)，在崩崗影響因子的一定變化范圍內(nèi)，高程、坡度、地質(zhì)類型、大氣壓、經(jīng)向風(fēng)速、緯向風(fēng)速和風(fēng)速對(duì)研究區(qū)內(nèi)崩崗發(fā)生的影響為正向，植被覆蓋、人口密度和降雨量對(duì)研究區(qū)崩崗發(fā)生的影響為負(fù)向。

本研究在區(qū)域尺度上探討了動(dòng)態(tài)監(jiān)測崩崗侵蝕分布密度，侵蝕速率和影響因子變化的可能性，結(jié)果與其他統(tǒng)計(jì)數(shù)據(jù)能較好地保持一致，對(duì)統(tǒng)籌區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展、制定防災(zāi)減災(zāi)措施和生態(tài)環(huán)境治理等方面有參考價(jià)值。但本文也存在不足：1）高程和人口空間分布等數(shù)據(jù)未使用時(shí)間序列數(shù)據(jù)，造成崩崗侵蝕識(shí)別結(jié)果的時(shí)空分布精度有所下降，未來崩崗時(shí)空演變與影響因子分析應(yīng)拓寬數(shù)據(jù)來源以保證其時(shí)空一致性；2）由于崩崗發(fā)育到中后期后會(huì)自然恢復(fù)植被覆蓋，動(dòng)態(tài)監(jiān)測崩崗過程中易與稀疏植被和草地混淆，會(huì)降低崩崗侵蝕識(shí)別結(jié)果的時(shí)空分布精度，未來應(yīng)構(gòu)建新的識(shí)別特征或融合其他數(shù)據(jù)以提高其識(shí)別精度；3）側(cè)重動(dòng)態(tài)監(jiān)測新增的崩崗侵蝕區(qū)域，忽略了崩崗綜合治理帶來的崩崗面積變化，未來應(yīng)結(jié)合其他數(shù)據(jù)將其區(qū)分，以提供更為準(zhǔn)確的崩崗時(shí)空演變信息。