研究进展 | 西南石油大学研究团队成功构建了滑坡易发性评价B-GeoSVC模型-Landslides

滑坡是最危险的自然灾害之一，造成巨大的生命财产损失。局部地区滑坡易发性绘图（LSM）可为决策和规划提供详细信息。为了丰富LSM的地方尺度信息，西南石油大学地球科学与技术学院Chao Song团队在分层贝叶斯框架下开发了一种新的综合统计方法，命名为B-GeoSVC模型。该模型采用GeoDetector方法拟合影响因子的区域趋势，并采用空间变化系数（SVC）模型拟合各影响因子的局部空间异质性。然后，在分层贝叶斯框架内融合区域趋势和局部空间异质性信息。B-GeoSVC模型利用中国都汶盆地的数据进行了验证，在交叉验证实验中，B-GeoSVC模型的预测准确率为86.09%，曲线下面积为0.93，表明B-GeoSVC模型与传统的区域尺度LSM相比，能够提供更丰富的局部信息。

研究团队将LSM分为两个主要步骤:(1)数据预处理，即划分网格单元，确定GeoDetector拟合的各影响因子贡献率的区域趋势;(2)模型整合，构建基于分层贝叶斯框架的SVC模型，拟合空间异质性，融合地理探测器数据的区域趋势。图1展示了开发B-GeoSVC综合模型所采用的统计方法，主要包括GeoDetector的区域趋势和SVC的局部异质性的融合。

图1  模型开发的研究流程表现为(1)数据准备和(2)信息融合两个主要阶段

研究区域：研究区域位于中国西南山区都汶高速公路沿线。该区构造构造与青藏高原东南缘过渡带(图2)和四川盆地西部有关。2008年5月12日，研究区发生了8.0级汶川地震。研究区岩性以花岗岩类为主，少量为煤层、火山碎屑岩和沉积岩。研究区构造运动频繁，受龙门山断裂带的影响。该断裂带向东北-西南方向延伸，穿过都汶高速公路。研究区面积约935km2，地形相交强烈，相对高程在300-500m之间变化，为山体滑坡、泥石流等自然灾害提供了有利条件。因此，在坡度、地质和气候方面的局部空间异质性不容忽视，是模型局部尺度考虑的重要组成部分。

图2  都汶高速公路(红色道路)沿线研究区滑坡清查图及数字高程模型(DEM)

数据：根据Pleiades卫星2014年0.5m多波段遥感影像共获取滑坡记录4841条。将遥感解译结果与都汶公路沿线地质灾害实地调查结果相结合，选取7个控制因子(图3)。这些地区的滑坡主要有降雨诱发型和地震诱发型两种类型。因此，考虑到滑坡触发条件的多样性，研究团队主要选取降雨滑坡和地震滑坡的常见控制因素作为评价指标。这些因素包括地形的表面粗糙度(图3a)、坡度角(图3b)、居住区到测绘单元的距离(图3c)、测绘单元到最近道路的距离(图3d)、数字高程模型(DEM)(图2)、岩石群(图3e)和土地利用(图3f)。因子“地表粗糙度”为地形高程的标准差，高程单位为米，故“地表粗糙度”以米为单位;值越大，表面越粗糙。“岩体”因子有硬岩、硬岩、软岩、软岩、松岩5类，分别记为A、B、C、D、E。“土地利用”因子有耕地、林地、草地、水体、建设用地、裸地6类，分别记为1、2、3、4、5、6。

图3  本研究中使用的控制因素专题图.a表面粗糙度.b斜角.c居住区到绘图单位的距离.d从绘图单元到最近道路的距离.e岩体.f土地用途

由GeoDetector计算的区域趋势：如前文所述，将坡度、DEM、表面粗糙度、栖息地缓冲、道路缓冲等连续控制因素重新划分为五个区域。为了构造GeoDetector的y变量，将研究区域划分为规则网格作为基本制图单元。网格中的滑坡点个数以滑坡率y计算。通过叠加层将控制因子各区域的属性值映射到网格中，然后导出网格属性表作为GeoDetector的输入数据。各控制因子权重的区域趋势由Eq.(1)计算(图4)。q值越大，表明该因子对滑坡率空间分层异质性的控制能力越强。也就是说，这种因素对滑坡的发生有较大的贡献。研究团队采用控制因子的定量统计值作为控制因子权重的趋势。

图4  本研究采用的控制因素区域趋势加权指标

区域趋势和空间异质性信息融合：为了平衡计算效率和空间分辨率，选择200×200m的空间分辨率，并将研究区域划分为网格。如果网格中发生滑坡，则将网格的y变量赋值为1，如果没有发生滑坡，则将y变量赋值为0。然后将五个控制因素的属性值作为x变量覆盖到网格中，并将网格的属性表导出为LSM模型的输入。构建基于分层贝叶斯框架的SVC模型，利用GeoDetector获取的各控制因子的区域趋势作为先验知识推断模型系数，实现空间异质性与区域趋势的融合。

预测精度可以反映滑坡易发性地图的可靠性。ROC曲线反映了连续变量的灵敏度和特异性。ROC曲线的曲线下面积（AUC）反映了模型的性能，AUC值越接近1，性能越好。逻辑回归模型将结果分为两类：0和1，利用测试数据的混淆矩阵可以计算出值为0和1的预测准确率（PAR）。总PAR按公式计算，其中“a”为真值为1(如发生滑坡)的样本数，模型预测结果也为1;“b”表示真实值为1，但模型预测结果为0(即未发生滑坡)的样本数;“c”表示真实值为0，但模型预测结果为1的样本数;d表示真值为0的样本个数，模型预测结果也为0。

在本研究中，交叉验证运行来评估所提出的方法的预测性能。具体来说，研究团队从现有数据中随机抽取30%来创建测试集，并将其余数据用作训练集。研究团队使用30%的测试集获得AUC和PAR。B-GeoSVC模型的AUC值为0.93(图5)，证明B-GeoSVC模型具有良好的性能。1和0的PAR值分别为84.60%和86.24%，模型的总PAR值为86.09%(表1)。

对于分类控制因子，SVC模型难以计算土地利用和岩群的空间变异性，因为这些因子在局部尺度上在相邻网格中保持不变。因此，研究团队将这些因素作为区域变量，其回归系数如表2所示。

图5  B-GeoSVC模式的ROC曲线

表1   30%测试数据的混淆矩阵和模型预测准确率(PAR)

表2  离散控制因素后验系数及其95%置信区间(CIs)

局部范围LSM:控制因素在不同空间位置的回归系数如图6a-e所示，图上的每个单元格值代表回归系数的值。从图6可以看出，回归系数在整个研究区域表现出较大的空间异质性。其原因在“讨论”部分进行了讨论。

图6  研究区域各控制因子的系数图(CM).a道路缓冲区的系数图(CM);b斜坡度的系数图(CM);c栖息地缓冲区的系数图(CM);d地表粗糙度的系数图(CM);eDEM的系数图(CM)

如图7所示，根据滑坡百分比将滑坡易感性图重新划分为三级。研究发现，85.7%的滑坡发生在高易区，该地区每平方公里滑坡发生次数高于4.9次;12.4%的滑坡发生在中易发区，滑坡发生率高于每平方公里0.76次。低易区滑坡占滑坡总量的1.1%，滑坡的发生次数低于每平方公里0.54次。滑坡易感性图与实际滑坡空间分布吻合较好(图2)。选取不同地理环境的3个网格，显示控制因素对滑坡的不同贡献，并在局部尺度上分析网格的易感性。这三个网格分别标记为a、b和c，如图7所示，每个网格对应右侧的一个箱线图。方框图中的每个方框代表一个控制因子，方框在y轴上的相应坐标代表控制因子在左侧相应网格中的系数。y轴数值越大，控制因子对滑坡发生的影响越大。方框的高度代表回归系数后验分布的方差，反映了系数后验分布的集中程度。方差越小，后验拟合效果越好。

图7. 滑坡易感性图(左图)和三个地点的局域滑坡易感性分析箱形图(a-c)

在都汶盆地，研究团队发现控制因素对滑坡的影响因地而异。同时，在区域尺度上也存在一定的规律，坡度对滑坡的影响最大，DEM、粗糙度的影响依次递减，说明地形要素是该区域滑坡的主要影响因素。与居民区的距离和道路的距离反映了人类对边坡的破坏程度，研究团队发现这些因素对中国都汶盆地的滑坡贡献相对较小。除了上述区域尺度的控制因素之外，研究团队发现了滑坡发生与控制因素之间关联的地方尺度空间变异性，这对斜坡防治非常有用。

在滑坡与道路的联系方面，研究团队发现研究区南部地势较平，人口密度和道路密度均高于北部。因此，道路缓冲区因素对滑坡发生的影响在研究区北部和南部有很大不同。结果表明，道路缓冲区对斜坡不稳定性的影响很小（图3）。然而，在使用SVC模型对控制因子的区域趋势进行校正后，研究区南部和北部的控制因子显示出很强的空间异质性（图6a）。

该模型还检测到其他滑坡-环境关联在空间上存在相当大的差异。例如，海拔大于3000米的地区主要集中在北部，降雨强度和人类活动的空间分布主要集中在南部。

这三个控制因子在研究区的北部和南部都有显著差异。这可能是因为相对于南部而言，栖息地的系数值较高，主要分布在北部。同样，与人类活动密切相关的道路在南部比在北部更密集，这可能是因为栖息地对滑坡的影响在南部较弱而在北部较强。

地表粗糙度最小的地区分布在海拔较低的南部地区。在这些地区，地表粗糙度系数相对较小，因此发生滑坡的风险有限。边坡也是影响滑坡发生的关键因素。与人口稀少的地区相比，具有含坡道路缓冲区的河谷地区更容易引发滑坡的发生。因此，这些地区的斜率系数高于其他地区。

本研究的主要贡献在于提出了用于局部尺度LSM的B-GeoSVC模型。与其他应用GWR模型的类似研究相比，B-GeoSVC模型具有以下优势：首先，将小样本、局部样本数获得的空间异质性与大样本、区域样本数获得的稳定区域趋势融合在一起，拥有了GeoDetector模型和SVC模型的优势。其次，分层贝叶斯框架被证明可用于整合不同的模型，在单一模型无法满足多种需求的情况下，这是一种有效的解决方案。

在本研究中，研究团队将GeoDetector和基于分层贝叶斯框架的SVC模型集成到一种新方法中，命名为B-GeoSVC模型，用以生成更可靠的局域尺度LSM，并将其成功应用于中国都汶盆地。该集成模型融合了控制因子的区域趋势和局部空间异质性，在区域和局部尺度上都表现出了较好的性能。研究团队的研究拓展了对各种环境因素与滑坡发生之间复杂的局部尺度关联的有限认识，揭示了它们在中国都汶盆地的空间异质性关系。研究团队还实现了局部尺度的网格分析，为边坡防治提供了有用信息。更重要的是，分层贝叶斯框架可以考虑区域尺度上的区域趋势（GeoDetector）和局部尺度上的空间异质性（SVC），为不同模型的融合提供了一种新的通用解决方案。B-GeoSVC模型不仅可以可靠地用作绘制地方尺度滑坡易发性地图的通用解决方案，还能为更广泛的地球科学和空间统计学提供新的见解。