鎮(zhèn)域尺度下秦巴山區(qū)堆積層滑坡易發(fā)性不同單元評(píng)價(jià)性能對(duì)比研究

李澤芝，王新剛

（大陸動(dòng)力學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，西北大學(xué)地質(zhì)學(xué)系，陜西 西安 710069）

秦巴山區(qū)地質(zhì)構(gòu)造強(qiáng)烈，地形起伏大，地貌形態(tài)與巖土體結(jié)構(gòu)類型復(fù)雜多樣，巖體節(jié)理裂隙發(fā)育，風(fēng)化嚴(yán)重，降雨豐富，人類工程活動(dòng)活躍，導(dǎo)致區(qū)內(nèi)災(zāi)害頻發(fā)，尤其是以第四紀(jì)堆積層滑坡為主的地質(zhì)災(zāi)害（隱患）具有數(shù)量多、分布廣、密度大、頻次高等特點(diǎn)，所造成的危害嚴(yán)重，是中國(guó)地質(zhì)災(zāi)害的重災(zāi)區(qū)之一（強(qiáng)菲等，2015；趙力行等，2020；劉偉等，2021）。因此，秦巴山區(qū)堆積層滑坡具有孕災(zāi)條件復(fù)雜多樣、部分災(zāi)害評(píng)價(jià)數(shù)據(jù)獲取難度大等特征（張世林，2020），如斜坡堆積層厚度、斜坡結(jié)構(gòu)類型。

滑坡易發(fā)性評(píng)價(jià)模型建立流程為：區(qū)域滑坡數(shù)據(jù)及孕災(zāi)條件編錄→評(píng)價(jià)因子提取與選擇→評(píng)價(jià)模型選取→模型參數(shù)推定→評(píng)價(jià)結(jié)果精度驗(yàn)證與分析等步驟，可見(jiàn)評(píng)價(jià)模型是十分重要的一環(huán)，關(guān)乎評(píng)價(jià)結(jié)果的準(zhǔn)確性與可信度（黃發(fā)明等，2022）。目前滑坡易發(fā)性評(píng)價(jià)模型主要分為知識(shí)驅(qū)動(dòng)模型、物理驅(qū)動(dòng)模型、數(shù)據(jù)驅(qū)動(dòng)模型3 類，其中，數(shù)據(jù)驅(qū)動(dòng)模型以區(qū)域基礎(chǔ)環(huán)境因子為數(shù)據(jù)輸入，通過(guò)機(jī)器學(xué)習(xí)模型、數(shù)理統(tǒng)計(jì)模型等得到評(píng)價(jià)結(jié)果（Saro Lee et al.，2015；張林梵等，2022）。據(jù)研究表明，機(jī)器學(xué)習(xí)模型的預(yù)測(cè)性能明顯高于數(shù)理統(tǒng)計(jì)模型與傳統(tǒng)的知識(shí)驅(qū)動(dòng)模型，其中隨機(jī)森林模型在預(yù)測(cè)精度、提高泛化能力等方面較其他機(jī)器學(xué)習(xí)模型有著更好的表現(xiàn)，如Merghadi 等（2018）以北非米拉盆地為例，比較了基于隨機(jī)森林、梯度提升機(jī)、邏輯回歸、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)5種評(píng)價(jià)模型下滑坡易發(fā)性的預(yù)測(cè)結(jié)果，得出隨機(jī)森林模型預(yù)測(cè)性能更高的結(jié)論。

目前，滑坡易發(fā)性評(píng)價(jià)時(shí)所使用區(qū)劃單元類型主要為柵格單元與斜坡單元（田述軍等，2019；常志璐等，2023）。柵格單元區(qū)劃在空間上破壞了評(píng)價(jià)區(qū)域斜坡的自然屬性，但劃分時(shí)操作簡(jiǎn)單，在給單元賦值時(shí)有更強(qiáng)的唯一性，信息損失較少；斜坡單元?jiǎng)澐謺r(shí)相較于柵格更復(fù)雜，給單位賦值時(shí)可能造成信息損失，但能夠很好的反應(yīng)區(qū)域滑坡易發(fā)性的地形分布情況，對(duì)某些基于斜坡的特征因子有更好的表征，如斜坡結(jié)構(gòu)、堆積層厚度等。

近年來(lái)，隨著1∶10 000 地質(zhì)災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)的開(kāi)展，評(píng)價(jià)區(qū)域的尺度也轉(zhuǎn)向鎮(zhèn)域級(jí)，意味著對(duì)地質(zhì)災(zāi)害風(fēng)險(xiǎn)區(qū)的劃分有了相對(duì)縣域級(jí)評(píng)價(jià)更高的精度要求，主要表現(xiàn)在對(duì)全域內(nèi)每個(gè)斜坡孕災(zāi)地質(zhì)條件的掌握（陜西省自然資源廳，2021）。不同地質(zhì)環(huán)境背景下滑坡的主要孕災(zāi)因子不盡相同（黃潤(rùn)秋等，2007），如黃土地區(qū)由于土體的水敏性、灌溉等因素所致滑坡較為普遍（段釗等，2018），故土地利用類型為黃土地區(qū)滑坡易發(fā)性評(píng)價(jià)的重要因子；而秦巴山區(qū)多以堆積層碎石土-基巖的二元結(jié)構(gòu)斜坡為主（范立民等，2004；唐睿旋，2017）層間的滲透性差異使該地區(qū)以堆積層滑坡為主，故堆積層厚度為堆積層滑坡易發(fā)性評(píng)價(jià)的重要因子。

基于上述分析，筆者選取秦巴山區(qū)柞水縣小嶺鎮(zhèn)作為典型研究區(qū)，結(jié)合堆積層滑坡特點(diǎn)，采取柵格單元、斜坡單元兩種單元類型，運(yùn)用隨機(jī)森林模型方法對(duì)該區(qū)域進(jìn)行了滑坡易發(fā)性評(píng)價(jià)與精度分析，得到鎮(zhèn)域滑坡空間概率，并探討易發(fā)性評(píng)價(jià)在兩種劃分方法下的差異，研究成果對(duì)當(dāng)?shù)卣块T的減災(zāi)防災(zāi)措施部署等具有重要意義。

1 研究區(qū)及模型特征因子分析

1.1 研究區(qū)概況

小嶺鎮(zhèn)地處秦巴山區(qū)腹地（圖1），區(qū)內(nèi)地形陡峭、溝壑縱橫，其地質(zhì)構(gòu)造受東西展布的山陽(yáng)—鳳鎮(zhèn)等深大斷裂影響較大，其滑坡孕災(zāi)條件也較為復(fù)雜：區(qū)域內(nèi)斜坡以二元結(jié)構(gòu)的陡坡為主，豐富的礦產(chǎn)資源與稀少的平緩地帶，不可避免的形成了區(qū)內(nèi)削坡建房頻繁、切坡修路密集、毀林造地普遍、礦山開(kāi)發(fā)持續(xù)的現(xiàn)象，這些現(xiàn)象導(dǎo)致了斜坡開(kāi)挖形成臨空面致使開(kāi)挖處剪應(yīng)力集中，加之堆積層大都為滲透性強(qiáng)的松散碎石土，礦區(qū)附近更有礦渣堆積使得堆積層自重增大，孔隙水壓力增強(qiáng)，導(dǎo)致堆積層滑坡在研究區(qū)內(nèi)極易發(fā)育，經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)（表1），研究區(qū)地質(zhì)災(zāi)害以堆積層滑坡為主，占區(qū)內(nèi)滑坡的92.86%，主要分布在道路兩側(cè)的陡坡處（圖2）。

表1 研究區(qū)滑坡規(guī)模分類Tab.1 Classification of landslide scale in study area

圖1 研究區(qū)位置圖Fig.1 Location of the study area

圖2 研究區(qū)已有堆積層滑坡分布圖Fig.2 The distribution of alluvial landslide in the study area

1.2 隨機(jī)森林模型簡(jiǎn)介

隨機(jī)森林是一種集成Bagging 算法，可用于分類問(wèn)題與回歸問(wèn)題（方匡南等，2011）。在分類問(wèn)題中，旨在生成眾多決策樹(shù)，并通過(guò)對(duì)建模數(shù)據(jù)集的樣本觀測(cè)和特征變量分別進(jìn)行隨機(jī)抽樣，每次抽樣結(jié)果均為一棵樹(shù)，且每棵樹(shù)都會(huì)生成符合自身屬性的規(guī)則和分類結(jié)果，而森林最終集成所有決策樹(shù)的規(guī)則和分類結(jié)果，實(shí)現(xiàn)隨機(jī)森林算法的分類。其主要特點(diǎn)在于數(shù)據(jù)采樣隨機(jī)、特征選取隨機(jī)。

2 模型數(shù)據(jù)制備

2.1 數(shù)據(jù)來(lái)源及用途

將鎮(zhèn)域孕災(zāi)因子數(shù)據(jù)賦予評(píng)價(jià)單元作為隨機(jī)森林分類模型的樣本數(shù)據(jù)，其中孕災(zāi)因子為模型特征因子，區(qū)域滑坡環(huán)境特征因子數(shù)據(jù)源主要包括遙感影像數(shù)據(jù)、表面數(shù)字高程模型、地質(zhì)圖、野外調(diào)查數(shù)據(jù)等，其分類及用途見(jiàn)表2。

表2 數(shù)據(jù)類型及用途Tab.2 Data types and uses

2.2 評(píng)價(jià)單元

①柵格單元：研究區(qū)柵格共計(jì)4 576 590 個(gè)柵格；提取出滑坡周界內(nèi)所占柵格，共計(jì)6 192 個(gè)柵格單元（圖3）。

圖3 研究區(qū)柵格單元?jiǎng)澐諪ig.3 Grid division of Study Area

②斜坡單元：對(duì)研究區(qū)DEM 用水文分析模型進(jìn)行斜坡單元初步劃分，再結(jié)合研究區(qū)衛(wèi)星影像圖與10 m 等高線進(jìn)行人工校正（谷天峰等，2013；劉彬等，2021），最終將研究區(qū)劃分為729 個(gè)斜坡單元（圖4），單個(gè)面積概況見(jiàn)表3，對(duì)其中滑坡所在斜坡單元進(jìn)行標(biāo)記，共計(jì)28 個(gè)斜坡單元。

表3 斜坡單元面積概況Tab.3 Overview of slope unit area

圖4 研究區(qū)斜坡單元?jiǎng)澐諪ig.4 Slope division of study area

2.3 特征因子

滑坡的發(fā)生是一個(gè)由多種因素作用下產(chǎn)生的非常復(fù)雜的非線性過(guò)程，要通過(guò)機(jī)器學(xué)習(xí)模型對(duì)全區(qū)發(fā)生滑坡的概率進(jìn)行分級(jí)，特征因子的選取至關(guān)重要（Ahmed et al.，2016；吳潤(rùn)澤等，2021），當(dāng)根據(jù)研究區(qū)滑坡的孕災(zāi)特點(diǎn)，有針對(duì)性的選取。在前人研究基礎(chǔ)上，結(jié)合區(qū)域孕災(zāi)特征，初步選9 個(gè)孕災(zāi)因子作為模型特征因子用于建模，并依據(jù)特征屬性，將特征因子進(jìn)行離散化后做出屬性空間劃分（圖5），具體如下：

圖5 研究區(qū)滑坡地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)指標(biāo)因子Fig.5 Index factors of landslide geological hazard Susceptibility assessment in the study area

①地形因子：坡度、坡高。

滑坡的主要?jiǎng)恿?lái)源于自重，坡度則控制著斜坡內(nèi)部的應(yīng)力分布，是滑坡的重要影響因素。將研究區(qū)斜坡坡度劃分為：0～15°、15°～25°、25°～35°、35°～45°和＞45°等5 個(gè)屬性空間。

在巖土類型大致相似的地質(zhì)環(huán)境下，坡體高度影響著坡體自重大小以及斜坡范圍內(nèi)地形變化，進(jìn)而影響滑坡的規(guī)模與范圍（郭芳芳等，2008）。先將DEM重采樣為5 m×5 m 柵格，再利用分區(qū)統(tǒng)計(jì)工具得到坡體高度范圍，將其分為0～20 m、20～50 m、50～100 m、100～300 m、＞300 m 等5 個(gè)屬性空間。

②斜坡自身特征：斜坡坡面形態(tài)、斜坡結(jié)構(gòu)、斜坡堆積層厚度。

斜坡形態(tài)以其剖面曲率劃分，剖面曲率定義為曲面在最陡斜坡方向上的曲率，當(dāng)曲率值＜-0.5 時(shí)值判斷為凹型坡，曲率值＞0.5 時(shí)判斷為凸型坡，曲率值在-0.5～0.5 之間時(shí)判斷為直線型坡。

據(jù)前人研究，斜坡結(jié)構(gòu)在堆積層滑坡的發(fā)生中也是一個(gè)重要的影響因素（邢林嘯等，2012；賈琳等，2021），從研究區(qū)已發(fā)生的堆積層滑坡來(lái)看，39.13%都發(fā)生在順向斜坡中，而逆向斜坡中無(wú)已發(fā)生滑坡，故根據(jù)野外調(diào)查數(shù)據(jù)，將區(qū)內(nèi)斜坡結(jié)構(gòu)劃分為：順向斜坡、斜向斜坡、橫向斜坡、近水平狀斜坡、切向斜坡、逆向斜坡等6 個(gè)屬性空間。

由于區(qū)內(nèi)滑坡大都為堆積層滑坡，堆積層厚度在一定程度上決定了土地利用類型、邊坡開(kāi)挖程度、地下水位埋深，對(duì)堆積層滑坡起著重要啟發(fā)作用，但對(duì)于這一指標(biāo)，目前缺乏經(jīng)濟(jì)又精準(zhǔn)的測(cè)取方法，本研究方法如下：對(duì)每個(gè)坡體隨機(jī)抽點(diǎn)使用插桿進(jìn)行測(cè)量得到平均數(shù)，結(jié)合依托項(xiàng)目的工程鉆探數(shù)據(jù)對(duì)調(diào)查結(jié)果進(jìn)行修正并類比到全區(qū)，賦值給每個(gè)斜坡，將該因子劃分為：0～1 m、1～3 m、3～6 m、6～10 m、＞10 m等5 個(gè)屬性空間。

③人類工程相關(guān)特征：距道路距離、距河流距離、距礦區(qū)距離。

區(qū)內(nèi)平緩地帶稀少，道路開(kāi)通處往往伴隨著邊坡開(kāi)挖，形成陡立臨空面；河流對(duì)坡腳的侵蝕、依河而居帶來(lái)的切坡建房；礦山的開(kāi)挖、震爆、不合理的礦渣堆積，這些因素都為滑坡的發(fā)生提供了有利條件。距河流、道路、礦區(qū)的距離均可反應(yīng)人類工程活動(dòng)的強(qiáng)弱程度，其各自屬性區(qū)間劃分如圖5 所示。

④地質(zhì)條件：距斷裂距離。

區(qū)內(nèi)受山陽(yáng)—鳳鎮(zhèn)等深大斷裂影響較大，該斷裂呈近東西展布，經(jīng)鳳鎮(zhèn)橫貫研究區(qū)，該斷裂對(duì)區(qū)內(nèi)表層巖體破壞嚴(yán)重，加之研究區(qū)內(nèi)節(jié)理裂隙極為發(fā)育，極大地破壞了巖土體的完整性，增加了滑坡的發(fā)生概率。對(duì)研究區(qū)地質(zhì)圖進(jìn)行矢量化，提取研究區(qū)內(nèi)斷裂為矢量文件，對(duì)其做緩沖分析，劃分為0～100 m、100～400 m、400～700 m、700～1000 m、＞1000 m 等5 個(gè)屬性區(qū)。將上述特征因子賦值給兩種劃分單元：①柵格單元：在Arcgis10.7 中，將柵格轉(zhuǎn)化為點(diǎn)數(shù)據(jù)，用“多值提取至點(diǎn)”工具將各因子值提取至點(diǎn)，與初步選取的9 個(gè)因子構(gòu)成矩陣A4576590×9，作為原始樣本1。②斜坡單元：除斜坡結(jié)構(gòu)等因子在每個(gè)斜坡單元有唯一值外，對(duì)于坡面形態(tài)等離散型變量，取其眾數(shù)賦值；對(duì)于坡度等連續(xù)型變量，取其平均數(shù)賦值，729 個(gè)斜坡單元與初步選取的9 個(gè)因子構(gòu)成矩陣B729×9，作為原始樣本2。

對(duì)兩種劃分單元下的原始樣本分別進(jìn)行頻率比分析，得到各因子屬性區(qū)間的頻率比值。頻率比值的大小可反應(yīng)該屬性空間滑坡發(fā)育的優(yōu)勢(shì)程度（郭子正等，2019），若某屬性空間評(píng)價(jià)單元樣本數(shù)過(guò)少（如斜坡單元中近水平斜坡數(shù)量），則在選擇優(yōu)勢(shì)空間時(shí)，剔除該屬性空間，最終統(tǒng)計(jì)得各因子的滑坡發(fā)育優(yōu)勢(shì)空間（表4）。

表4 兩種評(píng)價(jià)單元下各因子的滑坡發(fā)育優(yōu)勢(shì)空間Tab.4 Dominant space of landslide development of each factor under two evaluation units

隨機(jī)森林模型對(duì)特征因子的相關(guān)性有一定要求，因子之間相關(guān)性過(guò)高會(huì)降低模型的訓(xùn)練精度。對(duì)研究區(qū)特征因子首先進(jìn)行正態(tài)性檢驗(yàn)，以確定相關(guān)性分析的計(jì)算方式。若數(shù)據(jù)滿足正態(tài)分布，則選用Pearson相關(guān)性分析；若數(shù)據(jù)不滿足正態(tài)分布，則用Speraman相關(guān)性分析；針對(duì)有序變量數(shù)據(jù)，則選用Kendall’staub 等級(jí)進(jìn)行相關(guān)性分析。

由表5 可知，兩種評(píng)價(jià)單元下各因子顯著性P 值均為0.000***，水平呈現(xiàn)顯著性，拒絕原假設(shè)，因此數(shù)據(jù)不滿足正態(tài)分布。由于數(shù)據(jù)為有序數(shù)據(jù)，選用Kendall’s tau-b 等級(jí)進(jìn)行相關(guān)性分析（表6、表7）。由結(jié)果可知，柵格單元下，研究區(qū)距河流距離與距道路距離特征因子的相關(guān)性系數(shù)為0.653＞0.3；斜坡單元下，研究區(qū)距河流距離與距道路距離特征因子的相關(guān)性系數(shù)為0.606＞0.3，說(shuō)明兩種評(píng)價(jià)單元下道路與河流之間的相關(guān)性都較高。由于研究區(qū)堆積層滑坡主要分布在道路兩側(cè)，故剔除河流距離因子，最終采用其他剩余8 個(gè)因子進(jìn)行建模評(píng)價(jià)。

表5 特征因子數(shù)據(jù)正態(tài)性檢驗(yàn)結(jié)果Tab.5 Characteristic factor data Normality test results

表6 特征因子Kendall’s tau-b 等級(jí)相關(guān)系數(shù)矩陣（柵格單元）Tab.6 Characteristic factor Kendall’s tau-b rank correlation coefficient matrix (grid units)

表7 特征因子Kendall's tau-b 等級(jí)相關(guān)系數(shù)矩陣（斜坡單元）Tab.7 Characteristic factor Kendall's tau-brank correlation coefficient matrix (slope units)

3 評(píng)價(jià)及結(jié)果對(duì)比分析

3.1 評(píng)價(jià)結(jié)果

對(duì)于柵格單元，將4 576 590 個(gè)柵格單元轉(zhuǎn)化為連接有各因子數(shù)據(jù)的點(diǎn)后，將6 192 個(gè)滑坡柵格點(diǎn)作為滑坡樣本并將其易發(fā)性賦值為1，占總樣本的0.13%，在滑坡范圍外選取3 倍于滑坡樣本的點(diǎn)作為非滑坡樣本，以減少滑坡與非滑坡樣本之間的數(shù)量不平衡與空間相關(guān)性，并將其易發(fā)性賦值為0，兩類數(shù)據(jù)合并后以7∶3 的比例劃分為訓(xùn)練集與測(cè)試集，在R 語(yǔ)言的RF 軟件包中構(gòu)建隨機(jī)森林模型，將合并后數(shù)據(jù)輸入進(jìn)行訓(xùn)練。訓(xùn)練結(jié)束后，將整個(gè)研究區(qū)點(diǎn)數(shù)據(jù)輸入，得到所有點(diǎn)的易發(fā)性值。將點(diǎn)數(shù)據(jù)轉(zhuǎn)為柵格，利用自然間斷法劃分出極低、低、中、高、極高等5 個(gè)易發(fā)區(qū)（圖6）。對(duì)于斜坡單元，選取28 個(gè)滑坡所在的斜坡單元作為滑坡樣本并將其易發(fā)性賦值為1，占總樣本的3.8%，在滑坡范圍外選取3 倍于滑坡樣本的點(diǎn)作為非滑坡樣本，并將其易發(fā)性賦值為0。剩余操作與柵格單元類似，結(jié)果見(jiàn)圖6。由圖6、表8 可知：①兩種評(píng)價(jià)單元下滑坡易發(fā)性分區(qū)大體相近，滑坡高、極高易發(fā)區(qū)主要位于鎮(zhèn)域北部礦區(qū)附近、西北部道路切坡密集區(qū)域、西南部盤山公路切坡密集道路附近，表明研究區(qū)內(nèi)滑坡的發(fā)育與道路、礦區(qū)的影響有較強(qiáng)的相關(guān)性，這也與實(shí)際情況相符合。②柵格單元下預(yù)測(cè)的極低、低、中、高和極高易發(fā)區(qū)占研究區(qū)全區(qū)比例為：66.76%、19.50%、8.99%、3.04%和1.71%，已知滑坡樣本在高、極高易發(fā)樣本量中占95.49%；斜坡單元下預(yù)測(cè)的極低、低、中、高、極高易發(fā)區(qū)占研究區(qū)全區(qū)比例分別為61.92%、17.70%、10.09%、5.25% 和5.04%，已知滑坡樣本在高、極高易發(fā)樣本量中占96.42%。③柵格單元下高、極高易發(fā)區(qū)頻率比之和占總頻率比值為0.93，略低于斜坡單元下比值0.98，可知斜坡單元下的滑坡易發(fā)性可更好的判斷已知滑坡，且斜坡單元下的評(píng)價(jià)可很好的表現(xiàn)滑坡的地形分布特點(diǎn)。

表8 柵格單元與斜坡單元下評(píng)價(jià)結(jié)果頻率比Tab.8 Frequency ratio of evaluation results under grid unit and slope unit

圖6 研究區(qū)滑坡易發(fā)性區(qū)劃Fig.6 The division of landslide susceptibility in the study area

由模型得到兩種評(píng)價(jià)單元下各特征因子的重要性比例（圖7），可知道路開(kāi)挖、斜坡結(jié)構(gòu)對(duì)滑坡的發(fā)生起主要作用，事實(shí)上，現(xiàn)有滑坡多發(fā)生在道路兩旁及順向結(jié)構(gòu)斜坡中。

圖7 各特征因子貢獻(xiàn)值Fig.7 Contribution value of each characteristic factor

3.2 模型精度及評(píng)價(jià)結(jié)果對(duì)比

結(jié)合前人研究（劉堅(jiān)等，2018；鄭迎凱等，2020），筆者選取ROC 曲線來(lái)進(jìn)行模型精度驗(yàn)證。將全部樣本滑坡易發(fā)性概率遞減排序，閾值從1 至0 變更，計(jì)算各閾值下對(duì)應(yīng)的（FPR、TPR）數(shù)值對(duì)，將數(shù)值對(duì)繪制于直角坐標(biāo)系中。橫坐標(biāo)FPR 代表非滑坡預(yù)測(cè)為滑坡的數(shù)量/真實(shí)非滑坡數(shù)量；縱坐標(biāo)TPR 代表滑坡預(yù)測(cè)為滑坡的數(shù)量/真實(shí)滑坡數(shù)量。曲線下面積（AUC）越接近1，則說(shuō)明模型預(yù)測(cè)性能越高。根據(jù)兩種評(píng)價(jià)單元下預(yù)測(cè)結(jié)果，繪制各自ROC 曲線（圖8），可以看出，基于柵格單元、斜坡單元下隨機(jī)森林模型的AUC值分別為0.864、0.921。表明5 m 高精度柵格單元下隨機(jī)森林模型的預(yù)測(cè)精度小于基于斜坡單元下模型的預(yù)測(cè)精度。

圖8 ROC 曲線Fig.8 ROC curve

滑坡的發(fā)生相對(duì)于整個(gè)區(qū)域是一個(gè)小概率事件，整個(gè)區(qū)域內(nèi)滑坡易發(fā)性概率在預(yù)測(cè)模型精度較高的情況下，均值越低，表明預(yù)測(cè)的不確定性越低；標(biāo)準(zhǔn)差越低，表明預(yù)測(cè)區(qū)分度更優(yōu)，由表9 可知，柵格單元下預(yù)測(cè)滑坡易發(fā)性概率均值為0.10 小于斜坡單元下滑坡易發(fā)性概率均值0.13；柵格單元下預(yù)測(cè)滑坡易發(fā)性概率標(biāo)準(zhǔn)差為0.13，小于坡單元下滑坡易發(fā)性概率標(biāo)準(zhǔn)差0.18。說(shuō)明柵格單元作為評(píng)價(jià)單元，預(yù)測(cè)結(jié)果具有較差的區(qū)分度，斜坡單元反之。

表9 不同評(píng)價(jià)單元下易發(fā)性概率均值與標(biāo)準(zhǔn)差Tab.9 Mean and standard deviation of probability of Susceptibility under different evaluation units

4 結(jié)論

（1）結(jié)合研究區(qū)孕災(zāi)特征，選取了坡度、坡高、坡面形態(tài)、斜坡結(jié)構(gòu)類型、堆積層厚度、道路、礦區(qū)、區(qū)域地質(zhì)斷裂等8 個(gè)孕災(zāi)因子作為模型特征因子，柵格單元、斜坡單元兩種評(píng)價(jià)單元的預(yù)測(cè)結(jié)果，均發(fā)現(xiàn)模型主要根據(jù)道路、斜坡結(jié)構(gòu)等因素區(qū)分滑坡、非滑坡區(qū)域。據(jù)各因子頻率比值可知，研究區(qū)內(nèi)，在距道路100 m 內(nèi)的順向淺層堆積層斜坡中，最易發(fā)生滑坡。

（2）在柵格單元、斜坡單元兩種評(píng)價(jià)單元下，研究區(qū)95.49%、96.42% 的滑坡落在隨機(jī)森林模型預(yù)測(cè)分區(qū)出的高、極高易發(fā)區(qū)內(nèi)；通過(guò)AUC 值、易發(fā)性概率均值、易發(fā)性概率標(biāo)準(zhǔn)差對(duì)比表明：隨機(jī)森林是一種可靠、全面的滑坡易發(fā)性預(yù)測(cè)模型，評(píng)價(jià)單元為斜坡單元時(shí)預(yù)測(cè)精度更高、準(zhǔn)確性更強(qiáng)。

（3）滑坡易發(fā)性評(píng)價(jià)中，柵格單元與斜坡單元在評(píng)價(jià)結(jié)果上，兩種評(píng)價(jià)單元的預(yù)測(cè)結(jié)果都有良好的表現(xiàn)。柵格單元的樣本數(shù)遠(yuǎn)高于斜坡單元，意味著樣本數(shù)據(jù)中滑坡樣本比例減小，樣本的不均衡性增大，使得隨機(jī)森林模型的預(yù)測(cè)結(jié)果性能變?nèi)?，但以柵格單元為評(píng)價(jià)單元可減少特征因子的數(shù)據(jù)損失，在災(zāi)害防治具體空間部署上有著更精細(xì)的參考；斜坡單元在特征因子賦值時(shí)，會(huì)造成部分?jǐn)?shù)據(jù)損失，但其能更好體現(xiàn)滑坡災(zāi)害的地形空間屬性，相較于柵格單元其樣本的不均衡性更小，使得其基于隨機(jī)森林模型的預(yù)測(cè)性能高于柵格單元。