王文霞

(北京市地質工程勘察院，北京 100048)

0 引言

滑坡是我國地質災害中數(shù)量最多、發(fā)生頻率最高的地質災害。對穿越區(qū)域大、暴露度高的線性工程而言，滑坡嚴重威脅鐵路、公路、輸電線路、管線等“生命線”工程的正常運行[1]。因此，諸多學者對不同類型的線性工程沿線進行了地質災害易發(fā)性評價。如屈飛行等[1]將InSA形變監(jiān)測與加權信息量模型進行耦合，構建了川藏聯(lián)網(wǎng)工程芒康段地質災害易發(fā)性動態(tài)評價模型；冼國棟等[2]采用貢獻率模型完成了中國石油西南管道沿線的地質災害滑坡易發(fā)性評價；李剛等[3]分析了滑坡對關中環(huán)線道路建設和維護的影響。

不同的評價模型對滑坡易發(fā)性評價結果有很大影響。目前，常用的滑坡易發(fā)性評價模型可分為知識驅動型、數(shù)據(jù)驅動型和物理模型驅動型[1]。知識驅動型有較強的主觀性，物理模型驅動型則需要大量精確的滑坡體力學參數(shù)，這在一定程度上限制了這兩種方法的應用。實踐證明，相較其他兩種類型，數(shù)據(jù)驅動型有著更高的精確性[2]。隨著人工智能的發(fā)展，機器模型已成為滑坡易發(fā)性定量評價最為廣泛應用的模型，大量應用實踐證明，機器模型的評價結果優(yōu)于傳統(tǒng)數(shù)據(jù)統(tǒng)計模型[4]。常見的機器學習模型有隨機森林模型、決策樹模型、支持向量機、貝葉斯模型和神級網(wǎng)絡模型等[5-6]，各種模型的優(yōu)缺點見表1。

表1 常見機器學習模型在滑坡易發(fā)性評價中的優(yōu)缺點對比

根據(jù)滑坡評價的基本理論，未來滑坡通常會發(fā)生在與已發(fā)生過滑坡的相似區(qū)域，這與物種生存環(huán)境適宜性評價的基本理論相一致。近期，國外科學家進一步將原應用于物種生存環(huán)境適宜性評價的最大熵模型運用于滑坡易發(fā)性評價研究，取得了有效評價結果，這在國內(nèi)滑坡易發(fā)性評價工作中尚不多見[7-8]。因此，將該跨學科評價模型應用于國內(nèi)滑坡易發(fā)性評價并驗證其適宜性，可豐富評估模型并應用于工程施工過程中的滑坡災害預測。

國道109新線高速公路(六環(huán)—市界段)工程總長度為69.2 km，是實現(xiàn)京津冀一體化發(fā)展的一條重點規(guī)劃線路。因此，本文以該線路為例，采用機器學習模型中的最大熵模型(MaxEnt)對沿線滑坡進行易發(fā)性評價，實現(xiàn)模型驗證的同時，可為新高速公路的滑坡災害預警提供參考。

1 研究區(qū)概況

國道109新線高速公路(六環(huán)—市界段) (圖1)，總長度為69.2 km，東起北京六環(huán)，終點為市界。本文選擇以公路沿線兩側所在山體的分水嶺作為評估邊界與地質災害活動環(huán)境更加相符，進而有效評估高風險災害[9]，圈定評估區(qū)域面積共計628 km2。項目區(qū)域為典型的山地地貌，地層以砂巖、玄武巖為主，區(qū)域地質構造復雜，主要以大型復式地臺型褶皺為主，主體構造呈NE向，斷裂構造發(fā)育，該構造附近發(fā)育有少量小型的非活動斷裂。根據(jù)遙感解譯和現(xiàn)場調(diào)查，共發(fā)現(xiàn)126處疑似滑坡，對該工程的建設和后期維護產(chǎn)生巨大威脅。

圖1 地理位置圖

所有解譯的滑坡主要分布在公路沿線斜坡單元內(nèi)，呈零散分布。地形坡度大(45°～70°)，坡向在110°～170°之間，坡高較高，坡體上巖體節(jié)理、裂隙較發(fā)育，受人為活動等影響較大。

2 數(shù)據(jù)來源與研究方法

基于MaxEnt模型的滑坡易發(fā)性評價主要有以下步驟：

1)構建評價指標體系：收集滑坡數(shù)據(jù)庫、地質圖、數(shù)字高程影像等資料，確定評價指標體系。

2)數(shù)據(jù)預處理：在GIS中將所有評價指標統(tǒng)一坐標系，確定評價單元類型和大小，輸出為ASCII格式。

3)導入MaxEnt軟件計算：將上步獲取的指標導入，設定訓練和驗證比例、訓練次數(shù)等內(nèi)容，進行易發(fā)性計算。

4)滑坡易發(fā)性分級與分析：將計算結果導入到GIS平臺中，采用自然斷點法進行易發(fā)性分級，實現(xiàn)研究區(qū)滑坡易發(fā)性評價。具體流程見圖2。

圖2 滑坡易發(fā)性評價流程圖

2.1 數(shù)據(jù)源與評價指標

構建有效的評估指標體系，才能實現(xiàn)有效的評價結果[10]，本文以DEM、地質圖、光學遙感影響及公開數(shù)據(jù)等為數(shù)據(jù)源，選取了地形起伏度、高程、坡度、坡向、地形濕度指數(shù)、粗糙度、工程地質巖組、距道路距離、植被覆蓋度和土地利用類型等10個評價指標，重采樣所有指標精度為30 m。具體數(shù)據(jù)來源和精度見表2。評價數(shù)據(jù)主要來源于公開數(shù)據(jù)，且經(jīng)過大量相關文獻的檢驗，數(shù)據(jù)可靠，適用于地質災害易發(fā)性評價[1-3，10]。

表2 數(shù)據(jù)來源

2.2 數(shù)據(jù)預處理

首先將所有的數(shù)據(jù)在GIS中轉換為同一坐標系和同一精度，隨后導出為MaxEnt軟件可識別的ASCII格式。其中，地形起伏度、高程、坡度、坡向、地形濕度指數(shù)和粗糙度等6個指標來自數(shù)字高程模型，工程地質巖組來自地質圖的矢量化處理，NDVI和距道路距離分別來自哨兵2號的紅外、近紅外波段影像及光學影像，土地利用類型圖依據(jù)國家標準將其分為五大類。滑坡災害數(shù)據(jù)庫以野外調(diào)查和遙感解譯為數(shù)據(jù)源，共計126處。

2.3 MaxEnt模型

MaxEnt模型是依據(jù)訓練滑坡的地質環(huán)境指標并通過貝葉斯規(guī)則定量計算評估區(qū)滑坡發(fā)生概率的機器學習模型。具體計算原理：將研究區(qū)劃分為有限個像元集X，假設x表示研究區(qū)的每一個計算單元x∈X，π(x)表示每個計算單元的發(fā)生滑坡的概率分布值0

(1)

式中：P(y=1|x)表示在特定x點發(fā)生山體滑坡的概率；P(y|x=1)表示滑坡分布條件下特定點x發(fā)生滑坡的可能性，即π(x)；P(y=1)表示滑坡總體發(fā)生率；P(x)表示任意點發(fā)生x滑坡的概率。

因P(x)表示研究區(qū)內(nèi)所有計算單位X的任意點x等于1|x|，則式(1)可轉化為

P(y=1|x)=π(x)P(y=1)|x|

(2)

設滑坡發(fā)生與不發(fā)生的概率相等，即 [P(y=0)=P(y=1)=0.5]，可進一步簡化方程為

(3)

MaxEnt模型的應用直接取決于條件概率P(y=1|x)，條件概率值越大，滑坡發(fā)生的可能性越大。事件發(fā)生的數(shù)據(jù)π(x)可用于建模，代替直接估算P(y=1|x)。最大熵原理估計的π(x)值等于由指數(shù)表示的吉布斯概率分布。如果考慮n個特征(fi，i=1，2，…，n)，則吉布斯的概率分布可定義為

(4)

式中：Zλ是一個歸一化常數(shù)，可確保qλ(x)之和為1。在qλ(x)的估計中，模型利用正則化I2找到最接近約束條件下的分布，避免過度擬合。因此，MaxEnt模型是最大限度地處理對數(shù)似然。如果研究區(qū)內(nèi)事件出現(xiàn)m次，則對數(shù)似然與正則化之間的差異應為最大化，表示為

(5)

式中：βj是jth特性fj的正則化參數(shù)。

在最大熵模型應用中發(fā)現(xiàn)，吉布斯概率分布符合賦存數(shù)據(jù)，具推廣意義。

2.4 滑坡易發(fā)性評價

依據(jù)Cory Merow,et al[11]設置好訓練數(shù)據(jù)和驗證數(shù)據(jù)分配比例、訓練次數(shù)、輸出類型等內(nèi)容，即可實現(xiàn)滑坡易發(fā)性定量評價。需要設置的主要參數(shù)有數(shù)據(jù)分割比例和訓練次數(shù)兩類，其余為是否生產(chǎn)ROC曲線、輸出類型等相關選項。本文根據(jù)Du Juan,et al[12]選擇設定解譯的126個滑坡中80%的滑坡數(shù)據(jù)用于訓練模型，其余的20%作為驗證模型，模型訓練次數(shù)為100次，計算輸出類型為邏輯計算、輸出格式ASCII型、進行Jackknife分析、繪制變形響應曲線。

3 結果與分析

3.1 模型訓練與檢驗

借鑒受試者工作特征曲線ROC-AUC值對模型精度及分區(qū)結果進行檢驗。由圖3可知，訓練模型精度達到80.2%，驗證精度達到82.1%。依據(jù)ROC-AUC值的評價標準[6]，當AUC-ROC的值為0.8～0.9時，預測效果較好(good)。因此，本次模型訓練和驗證均達到了預測效果，且精度較高，結果具一定的可信度。

3.2 評估因子對模型的貢獻度

使用MaxEnt模型中的Jackknife檢驗模型可掌握不同評價指標對易發(fā)性評價結果的影響[6]。由圖4可知，所有評價指標對評價結果的貢獻率均大于0，表明所有指標均對模型有一定的影響。依據(jù)該指標與ROC值的變化可知，坡向、距道路距離、NDVI、高程、地表粗糙度和土地利用類型6個指標對滑坡評價結果的總影響達到了90%，其他指標對滑坡貢獻率較小。該分析結果與野外調(diào)查及相關經(jīng)驗較為一致。坡向影響巖土體表層風化作用，進而影響雨水入滲后的內(nèi)部耗損；距道路遠近則反映人類活動對當?shù)丨h(huán)境的改造作用；NDVI表示滑坡發(fā)生后的生態(tài)恢復，滑坡活動區(qū)的植被通常比穩(wěn)定斜坡區(qū)稀疏，相應的NDVI值也較小，從而區(qū)可分滑坡區(qū)與非滑坡區(qū)；高程則影響該斜坡的地應力分布、風化等因素；地表粗糙度則表示滑坡發(fā)生區(qū)與未發(fā)生區(qū)的地表改造和破壞差異性，DEM精度對其有一定關系；滑坡區(qū)常因土體松散而被作為專用土地來利用，未滑坡區(qū)多保持原狀。

圖4 刀切法檢測主要環(huán)境變量對滑坡分布影響的重要程度

3.3 評估因子對易發(fā)性評價結果的影響

圖5為MaxEnt模型計算過程中10個評價指標的響應曲線。評估曲線可直接反應出不同指標值對發(fā)生滑坡災害的貢獻度，不同指標值對應的“存在概率”越大，則表明該指標值對滑坡發(fā)生的貢獻概率越大。曲線上升則表示隨著該指標值的增加，滑坡發(fā)生概率呈遞增趨勢；曲線下降則表示隨著該指標值的增加，滑坡發(fā)生概率呈遞減趨勢。

圖5 環(huán)境變量響應曲線

由圖5可見：①滑坡易發(fā)性在0～350 m高程區(qū)間呈遞增趨勢，在350 m高程附近達到峰值，在350～2500 m高程區(qū)間，隨著高程的增加，“存在概率”緩慢遞減。②滑坡易發(fā)性隨著坡度的增加而逐漸遞增。③統(tǒng)計發(fā)現(xiàn)，坡向呈西南和東南時，其對滑坡易發(fā)性的影響更強烈。④植被歸一化指數(shù)NDVI越低則滑坡易發(fā)性越強，當NDVI值=0.72時，“存在概率”出現(xiàn)最低值。⑤隨著地表粗糙度的增加，滑坡易發(fā)性呈遞增趨勢。⑥地形濕度指數(shù)對滑坡的影響呈“變速”增加現(xiàn)象，當指數(shù)值在0～6之間時，滑坡易發(fā)性大幅度增加；當指數(shù)值在6～25之間時，滑坡易發(fā)性的增加速度趨緩。⑦離道路越近，受人類活動(如切坡、削坡)影響越大，滑坡易發(fā)性越強，隨著距離的增加，“存在概率”達最大值，又因地處山體頂部，巖石較為破碎，故滑坡易發(fā)性大大增加。⑧滑坡面多發(fā)生于軟巖和較堅硬巖體交界處。⑨土地利用類型主要分為林地、草地和建設用地三類，其中建設用地影響最大。

3.4 滑坡易發(fā)性評價結果與分析

MaxEnt模型的計算值在0～1之間，數(shù)值越大，表示滑坡易發(fā)性越大。采用自然斷點法將滑坡易發(fā)性分為5類，分別為極低易發(fā)區(qū)(0～0.144)、低易發(fā)區(qū)(0.114～0.296)、中易發(fā)區(qū)(0.296～0.436)、高易發(fā)區(qū)(0.436～0.584)和極高易發(fā)區(qū)(0.584～0.993)，具體空間分布見圖6。

圖6 滑坡易發(fā)性分區(qū)圖

由圖6可知，地質災害極高易發(fā)區(qū)主要分布于新建公路中段兩側以及東西兩側接近人類活動區(qū)域的端部，低易發(fā)區(qū)主要分布于高程較高、人類活動影響較小區(qū)域，中易發(fā)區(qū)主要分布于兩者之間，整體易發(fā)區(qū)過渡較為自然，符合自然規(guī)律。

借助柵格統(tǒng)計分析工具(圖7)，滑坡極低易發(fā)區(qū)面積占比2%，低易發(fā)區(qū)面積占比10%，中易發(fā)區(qū)面積占比16%，高易發(fā)區(qū)面積占比32%，極高易發(fā)區(qū)面積占比40%。在滑坡易發(fā)性分區(qū)結果中，126個滑坡中有90個(72%)位于高易發(fā)區(qū)和極高易發(fā)區(qū)，利用LR Class指數(shù)對本次滑坡易發(fā)性進行評價，LR Class指數(shù)為2.25，評價結果優(yōu)秀[13-16]。

圖7 結果驗證

由圖7可知，統(tǒng)計新建公路的滑坡易發(fā)區(qū)級別分布較均勻。整體而言，高易發(fā)區(qū)離公路距離較遠，新建公路以中低易發(fā)區(qū)為主，對公路安全運營影響較為中性。

4 結論

本文以國道109新線高速公路(六環(huán)—市界段)工程為例，采用非傳統(tǒng)的公路沿線兩側分水嶺為評估邊界，對126個滑坡構建了10個評價指標的滑坡易發(fā)性評價指標體系，采用機器學習模型(MaxEnt)對沿線滑坡地質災害進行易發(fā)性評價，主要結論如下：

1)基于GIS和MaxEnt模型的滑坡易發(fā)性評價模型訓練和驗證，精度分別達到80.2%和82.1%，利用LR Class指數(shù)對評價結果進行了驗證，同樣證明本次評價結果的有效性。這均證明了原用于生態(tài)分析的MaxEnt模型也可跨學科的適用于滑坡易發(fā)性評價，增加了模型的可選擇性，具有一定參考性。

2)滑坡主要受坡度、坡向、距道路距離、NDVI、高程、地表粗糙度和土地利用類型6個指標影響，其累計貢獻率達到了90%；同時各環(huán)境變量響應曲線能夠直觀地表示各個指標不同數(shù)值范圍對滑坡的貢獻率，相較于其他機器學習的“黑箱”而言，具可視性。

3)在完成易發(fā)性評價分區(qū)后，創(chuàng)新地統(tǒng)計了新建公路與滑坡易發(fā)性分區(qū)空間分布關系，擬結果可知公路處于中低易發(fā)區(qū)，后期本文將進一步探索該模擬結果與實際施工中的差異性對比，以期為類似公路地區(qū)的防災減災工作提供參考。