趙 錚, 陳建華, 甘先霞, 謝華偉

(成都理工大學(xué) 地球物理學(xué)院，成都 610059)

0 引言

滑坡是造成我國(guó)經(jīng)濟(jì)損失，人員傷亡最嚴(yán)重的地質(zhì)災(zāi)害之一，因此有效開(kāi)展滑坡危險(xiǎn)性評(píng)價(jià)工作對(duì)于防災(zāi)減災(zāi)具有重要的意義[1]。

滑坡危險(xiǎn)性是指滑坡在特定時(shí)間內(nèi)發(fā)生的概率，其危險(xiǎn)性表現(xiàn)有特定空間位置和規(guī)模強(qiáng)度信息[2]?；挛ｋU(xiǎn)性評(píng)價(jià)方法通常分為定性評(píng)價(jià)和定量評(píng)價(jià)。常見(jiàn)的定量評(píng)價(jià)方法有信息量法[3]、隨機(jī)森林[4]、神經(jīng)網(wǎng)絡(luò)[5]等。而定性方法是基于知識(shí)驅(qū)動(dòng)，主要包括專(zhuān)家打分法、層次分析法[4]、加權(quán)線性組合法等，但上述方法受人為因素的影響較大。近年來(lái)，統(tǒng)計(jì)學(xué)習(xí)方法被認(rèn)為更適合于大、中、小滑坡危險(xiǎn)性評(píng)價(jià)中，而機(jī)器學(xué)習(xí)方法在滑坡危險(xiǎn)性評(píng)價(jià)上也能有效地預(yù)測(cè)。如基于粒子群優(yōu)化的支持向量機(jī)模型被應(yīng)用于延長(zhǎng)縣滑坡危險(xiǎn)性評(píng)價(jià)[6-7]、基于集成學(xué)習(xí)和徑向基神經(jīng)網(wǎng)絡(luò)耦合模型應(yīng)用于三峽庫(kù)區(qū)滑坡易發(fā)性評(píng)價(jià)[8]、基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)方法應(yīng)用于滑坡危險(xiǎn)性評(píng)價(jià)中[9]等。以往研究結(jié)果表明，采用支持向量機(jī)和信息量模型進(jìn)行滑坡易發(fā)性評(píng)價(jià)效果較理想，應(yīng)用相對(duì)普遍，因此，筆者選擇蘆山縣為研究區(qū)，應(yīng)用支持向量機(jī)與信息量模型進(jìn)行對(duì)比研究，以期得到與實(shí)際情況更加接近的滑坡危險(xiǎn)性區(qū)劃圖，為未來(lái)防災(zāi)減災(zāi)工作提供參考。

1 研究方法

1.1 支持向量機(jī)模型

支持向量機(jī)(Support Vector Machine，SVM)是一種二分類(lèi)監(jiān)督分類(lèi)器，是建立在統(tǒng)計(jì)學(xué)原理基礎(chǔ)上發(fā)展起來(lái)的分類(lèi)預(yù)測(cè)模型。支持向量機(jī)在解決小樣本、高維度、非線性問(wèn)題是比其他機(jī)器學(xué)習(xí)方法更有效更合理[10]，并且支持向量機(jī)通過(guò)引入不同核函數(shù)，從而為非線性問(wèn)題提供良好的解決方案。

線性支持向量機(jī)的基本原理是假設(shè)給定一個(gè)特征空間下的訓(xùn)練數(shù)據(jù)集：數(shù)據(jù)集線性可分時(shí)，存在無(wú)窮多個(gè)分離超平面可將兩類(lèi)數(shù)據(jù)正確分開(kāi)。線性可分支持向量機(jī)就是尋求能使間隔最大化的分離超平面，該平面成為最優(yōu)超平面。求解最優(yōu)超平面可以等同為求解一個(gè)凸二次規(guī)劃問(wèn)題(圖1)。

圖1 線性二分類(lèi)

1.2 信息量模型

信息量法(Information Value Model，IVM)是由信息論創(chuàng)始人Shannon提出的[11]，在20世紀(jì)80年代被引入滑坡災(zāi)害預(yù)測(cè)中。信息量法認(rèn)為，滑坡的發(fā)生與諸多因子有關(guān)。單因子信息量計(jì)算公式為[12]：

(1)

其中:I為評(píng)價(jià)因子xi對(duì)滑坡發(fā)生的信息量；Ni為第i個(gè)因子區(qū)域內(nèi)包含的滑坡點(diǎn)數(shù)；Si為第i個(gè)因子所占面積；N為總滑坡個(gè)數(shù)；S為研究區(qū)總面積。

而不同因子對(duì)滑坡發(fā)生有不同“貢獻(xiàn)”，這個(gè)“貢獻(xiàn)”用該因子權(quán)重衡量，亦即加權(quán)信息量模型。為了充分考慮不同因子對(duì)滑坡發(fā)生的影響程度，用層次分析法計(jì)算每個(gè)因子的權(quán)重。最終的信息量表達(dá)式為式(2)[11]。

(2)

其中:wi為每個(gè)因子的權(quán)重。

層次分析法是一種解決多目標(biāo)復(fù)雜問(wèn)題定性與定量相結(jié)合的決策分析方法[13]。通過(guò)判斷各目標(biāo)之間的相對(duì)重要程度，合理地給出各個(gè)目標(biāo)的權(quán)數(shù)，最終得到每個(gè)目標(biāo)的權(quán)重。

1.3 模型性能評(píng)價(jià)指標(biāo)

為了驗(yàn)證模型的性能，實(shí)驗(yàn)采用受試者工作特征曲線(Receiver Operating Characteristic Curve，ROC)和總體精度，對(duì)支持向量機(jī)模型及信息量模型進(jìn)行對(duì)比分析。ROC曲線是衡量模型可用性的常用方法[14]，通常用線下面積(Area under the Curve，AUC)來(lái)定量描述模型的精確度。對(duì)評(píng)價(jià)結(jié)果建立ROC曲線，橫軸是危險(xiǎn)性面積累積百分比，縱軸是滑坡分布累積百分比。

2 研究區(qū)概況與數(shù)據(jù)

2.1 研究區(qū)概況

蘆山縣隸屬于雅安市，位于四川盆地西緣，雅安市東北部，位于長(zhǎng)江上游，四川盆地西緣，東鄰成都，西連甘孜?？h域地質(zhì)環(huán)境復(fù)雜，降雨量充沛，最高海拔5 289 m，最低海拔557 m，相對(duì)高差大；縣域內(nèi)溝谷縱橫，地形切割強(qiáng)烈(圖2)。此外，受2013年蘆山地震影響，蘆山區(qū)域內(nèi)滑坡頻發(fā)，給人民群眾生命財(cái)產(chǎn)安全造成極大損失。對(duì)蘆山區(qū)域進(jìn)行滑坡危險(xiǎn)性評(píng)價(jià)、分區(qū)，能有效為蘆山區(qū)域防災(zāi)減災(zāi)提供輔助決策支持。

圖2 研究區(qū)概況

2.2 評(píng)價(jià)因子

影響滑坡的影響因子有上百種之多，合理地選擇影響因子對(duì)于構(gòu)建滑坡評(píng)價(jià)模型至關(guān)重要。經(jīng)調(diào)查顯示2015年蘆山縣共有346個(gè)歷史滑坡點(diǎn)，最大滑坡面積為16 000 m2，最小滑坡面積為200 m2，滑坡多發(fā)生于路網(wǎng)、水系兩側(cè)。為了開(kāi)展實(shí)驗(yàn)，通過(guò)各種途徑獲取了基礎(chǔ)數(shù)據(jù)集(從雅安公共氣象服務(wù)中心獲取了蘆山縣2015年降水量數(shù)據(jù)，由雅安市公安局提供了人口數(shù)據(jù)、從地理空間數(shù)據(jù)云獲取了30 m數(shù)字高程模型數(shù)據(jù)等)。

滑坡影響因子隱式或顯式地影響著滑坡發(fā)生的概率，如植被指數(shù)是反映滑坡的植被覆蓋程度，能體現(xiàn)出地質(zhì)體的穩(wěn)定性，而降雨量是與滑坡災(zāi)害密切相關(guān)的影響因素[15]。曲率反映了斜坡的坡型，坡型一定程度上影響滑坡的發(fā)生。距斷層距離使得研究區(qū)內(nèi)的地質(zhì)體破碎，進(jìn)而降低巖石體的力學(xué)強(qiáng)度，同時(shí)為滑坡災(zāi)害的發(fā)生提供了大量的物質(zhì)來(lái)源。因此，通過(guò)對(duì)蘆山區(qū)域環(huán)境條件的分析，選擇了坡度、坡向、巖性、土地利用、植被覆蓋度、降雨量、高程、人口密度、距斷層距離、距路網(wǎng)距離、距水系距離、距震中距離共計(jì)12個(gè)滑坡影響因子。

2.3 評(píng)價(jià)因子分級(jí)

滑坡評(píng)價(jià)因子數(shù)據(jù)的類(lèi)型包括離散型、連續(xù)性、描述性數(shù)據(jù)，其多類(lèi)型數(shù)據(jù)不利于實(shí)驗(yàn)的開(kāi)展分析，因此需要對(duì)數(shù)據(jù)類(lèi)型進(jìn)行統(tǒng)一的分級(jí)處理。根據(jù)數(shù)據(jù)分布特征，描述范圍等相關(guān)內(nèi)容，將滑坡評(píng)價(jià)因子數(shù)據(jù)進(jìn)行分級(jí)處理，分級(jí)類(lèi)型如圖3所示。

圖3 滑坡影響因子分級(jí)圖

3 實(shí)驗(yàn)結(jié)果

3.1 實(shí)驗(yàn)方案

在實(shí)驗(yàn)中采用SVM和IVM模型開(kāi)展滑坡危險(xiǎn)性評(píng)價(jià)，選擇12個(gè)評(píng)價(jià)因子作為屬性特征，選取706個(gè)滑坡點(diǎn)和非滑坡點(diǎn)作為滑坡樣本，采用分層隨機(jī)抽樣的方式將樣本集按照比例分為70%和30%。70%的樣本集用于模型的訓(xùn)練，30%的樣本集用于模型的驗(yàn)證。不同研究區(qū)地質(zhì)環(huán)境以及災(zāi)害發(fā)育特征的差異及其復(fù)雜性，因子的相關(guān)性導(dǎo)致模型的復(fù)雜化和運(yùn)行速率，不利于模型的構(gòu)建，因此對(duì)因子進(jìn)行相關(guān)性檢驗(yàn)防止避免數(shù)據(jù)導(dǎo)致模型的復(fù)雜化。實(shí)驗(yàn)采用最常用的劃分規(guī)則柵格單元的方式按照30 m×30 m的劃分規(guī)則，將全區(qū)劃分為1 323 696個(gè)規(guī)則格網(wǎng)單元。對(duì)這些規(guī)則格網(wǎng)單元進(jìn)行預(yù)測(cè)，采用ArcGIS對(duì)滑坡預(yù)測(cè)結(jié)果進(jìn)行柵格制圖，運(yùn)用自然斷點(diǎn)法進(jìn)行危險(xiǎn)性評(píng)價(jià)，將評(píng)價(jià)結(jié)果分為高危險(xiǎn)、中危險(xiǎn)、低危險(xiǎn)區(qū)域。通過(guò)采用ROC曲線和總體進(jìn)度對(duì)模型進(jìn)行綜合評(píng)價(jià)。

3.2 結(jié)果討論

研究采用SVM和IVM模型進(jìn)行滑坡危險(xiǎn)性評(píng)價(jià)實(shí)驗(yàn)，通過(guò)模型來(lái)評(píng)價(jià)全區(qū)1 323 696個(gè)格網(wǎng)單元的滑坡危險(xiǎn)性概率，并在GIS軟件中繪制滑坡危險(xiǎn)性評(píng)價(jià)圖。從圖4(b)中可知，滑坡點(diǎn)主要分布在高危險(xiǎn)區(qū)域，中、低危險(xiǎn)區(qū)域滑坡點(diǎn)分布遠(yuǎn)小于高危險(xiǎn)區(qū)域。統(tǒng)計(jì)結(jié)果表明，高危險(xiǎn)區(qū)域格網(wǎng)數(shù)為243 857，占全區(qū)18.5%，其內(nèi)分布滑坡點(diǎn)250個(gè)，占總滑坡點(diǎn)數(shù)目的70.8%；中危險(xiǎn)區(qū)域格網(wǎng)數(shù)423 664，占總研究區(qū)32.2%，其內(nèi)滑坡點(diǎn)數(shù)目為93，占比為26.3%；低危險(xiǎn)區(qū)域格網(wǎng)數(shù)目為648 166，占全區(qū)面積的49.3%，其內(nèi)分布的滑坡點(diǎn)數(shù)目為10個(gè)，占比為2.8%；其中高危險(xiǎn)區(qū)域在路網(wǎng)、水系沿線分布較多。高危險(xiǎn)區(qū)域主要分布在蘆山縣域中下部，而北部鮮有分布，這是由于蘆山人類(lèi)活動(dòng)主要聚集在中下部，對(duì)該范圍內(nèi)巖土結(jié)構(gòu)影響較大。從圖4(a)中可知，滑坡主要集中在路網(wǎng)、斷層、水系附近，呈帶狀和面狀分布，高危險(xiǎn)性占整個(gè)區(qū)域的24%，中危險(xiǎn)性區(qū)域占整個(gè)區(qū)域的35%，空間分布成面狀分布，低危險(xiǎn)區(qū)域表示滑坡可能性較小，屬于較安全區(qū)域，占整個(gè)面積的41%。從圖4可知，IVM模型的滑坡危險(xiǎn)性圖呈現(xiàn)大面積高危險(xiǎn)性區(qū)域，并且覆蓋范圍廣，不符合人員居住。而SVM模型呈現(xiàn)少量高危險(xiǎn)性區(qū)域，高中低危險(xiǎn)性區(qū)域符合現(xiàn)實(shí)情況，從圖4可知，SVM的評(píng)價(jià)效果優(yōu)于IVM。

圖4 蘆山地區(qū)滑坡危險(xiǎn)性評(píng)價(jià)分級(jí)圖

實(shí)驗(yàn)采用AUC和總體精度綜合評(píng)價(jià)SVM、IVM的總體性能，其SVM的滑坡危險(xiǎn)性區(qū)域評(píng)價(jià)預(yù)測(cè)精度和成功率曲線為86%和0.84，而IVM的AUC值為0.822(圖5)。從上述指標(biāo)上看，SVM的模型性能優(yōu)于IVM。

圖5 ROC曲線

4 結(jié)論

以蘆山區(qū)域?yàn)檠芯繀^(qū)，選擇12個(gè)評(píng)價(jià)因子指標(biāo)，對(duì)因子進(jìn)行相關(guān)性分析，采用SVM和IVM對(duì)研究區(qū)域開(kāi)展滑坡危險(xiǎn)性評(píng)價(jià)。采用AUC曲線對(duì)模型的預(yù)測(cè)精度進(jìn)行評(píng)價(jià)。其結(jié)論如下：

1)采用SVM的滑坡危險(xiǎn)性評(píng)價(jià)結(jié)果高中低占比符合滑坡所在高危險(xiǎn)區(qū)域最多，低危險(xiǎn)性區(qū)域最少。

2)蘆山區(qū)域滑坡發(fā)生受路網(wǎng)、水系、人類(lèi)、地震活動(dòng)影響較大。

3)將蘆山區(qū)域評(píng)價(jià)結(jié)果劃分為低、中、高三個(gè)級(jí)別，高危險(xiǎn)區(qū)域面積占比最小而其內(nèi)分布滑坡點(diǎn)最多，低危險(xiǎn)區(qū)域面積最大而分布滑坡點(diǎn)數(shù)目較少，說(shuō)明評(píng)價(jià)結(jié)果與實(shí)驗(yàn)預(yù)期一致。

4)支持向量機(jī)模型的評(píng)價(jià)成果與研究區(qū)滑坡實(shí)際分布情況更加接近，能為滑坡災(zāi)害防治和未來(lái)城市發(fā)展規(guī)劃提供借鑒。