地质灾害危险性研究起源于20世纪70年代，最早的危险性研究主要服务于重大工程项目，采用的手段也以人工现场调查为主。20世纪80年代，遥感技术被引入到地质灾害研究领域，用于地质灾害识别与辅助调查，这一时期对遥感的应用仅限于光谱信息和空间纹理信息。随着计算机性能的提升以及地理信息系统行业的不断发展，GIS+RS+其他数据的配合在地质灾害调查以及地质灾害危险性评价领域得到了广泛应用，形成了一系列卓然的成果，极大促进了地质灾害防治工作（Wu S et al.，2004；Nichol J E et al.，2006；李曼等，2015；Pavlova I et al.，2017；张茂省等，2019a，2019b；王小浩等，2020）。

前人尝试用各种方法对灾害风险进行评价，例如，唐亚明等（2012）采用层次分析法，在已有的黄土滑塌灾害风险评价指标体系的基础上，建立危险性递阶层次模型和危害性递阶层次模型，指导黄土滑塌风险评价。俞布等（2012）运用证据权法，结合气候、地形等因素进行权重计算，建立杭州市滑坡地质灾害危险性分布图。张麒麟（2016）通过统计分析结合地质特征，建立评价体系，进行了巴中市平昌县地质灾害危险性评估研究。张晓东（2018）运用GIS和RS技术对宁夏盐池县地质灾害风险评价研究，并编制了该区的地质灾害风险区划图。封建明等（2021）采用DEM数据、地质图、土地利用类型数据及其他基础地理数据和地质灾害详细调查等专题数据，基于GIS的信息量模型的计算，建立略阳县地质灾害危险性区划评估。综上所述，采用GIS+遥感技术进行滑坡的危险性评价是可行的，但传统工作对要素的考虑往往不足，且在方法选择上较为单一（唐亚明等，2015）。

勉略宁地区是陕西省汉中市勉县、略阳县和宁强县的合称，地处秦巴山地，面积 8 817 km²，处于秦岭-大别缝合带和扬子板块西北缘龙门–锦屏缝合带的交汇区（王雁林等，2011），受大巴山弧形褶皱带和秦岭纬向构造的作用，山势陡峻、沟谷深切。勉略宁地区出露的地质单元主要为新太古代结晶基底、新元古代碧口群火山岩系组成的过渡基底及南华纪—震旦纪沉积盖层（杨运军等，2020），区域构造线以北东向、北西–东西向为主，也有规模较小的仅南北向构造，研究区工程地质岩组主要为较坚硬块状碎屑岩类、坚硬–较坚硬碳酸盐岩类、软硬相间碎屑岩类、坚硬–较硬浅变质岩类、坚硬侵入岩类、坚硬–较坚硬火山岩类、一般粘性土及膨胀土8种类型，研究区与地质灾害关系紧密的工程活动主要有工程建设、矿产开发和开垦种地3种（强菲等，2015；王西安，2017）。该区域特殊的自然地理环境和地质构造背景，导致该地区存在并发育独特的地质环境问题，其中，滑坡、崩塌、泥石流等地质灾害最为严重（（封建民等，2021；苏晓军等，2021），《全国“十三五”地质灾害防治规划》与《陕西省地质灾害防治“十三五”规划》中均将勉略宁地区列为地质灾害最易发区和防治重点工作区，因此对该地区进行地质灾害危险区划分，就显得十分必要和迫切。

笔者拟采用12类与地质灾害发生密切相关的因子，构建训练样本集，采用5种主流的机器学习算法进行评估，并进一步完成勉略宁地区的地质灾害危险性评价区的划分，为地质灾害防治工作提供技术支撑（马寅生等，2004；Van Westen C J et al.，2006；乔伟，2015；焦玉国，2016）。

1.   地质灾害危险性评价因子选择

通过文献调研，并结合勉略宁地区实际情况，选择了12类三级因子作为机器学习建模特征（表1）。一级因子包括孕灾因子和诱发因子，其中孕灾因子包括地形地貌、地质工程条件、地质条件、水文条件和环境条件5类二级因子；诱发因子由人类工程活动和气候条件2类二级因子构成。三级因子包括高程、坡度、坡向、曲率、工程地质岩组、距断层距离、距河流距离、归一化植被指数、土地利用类型据农村居民点距离、距路网距离、降雨量等12类因子。未选择地震因子的原因是该数值在研究区内方差很小，对建模意义不大。

表  1  评价因子表

Table  1.  Evaluation Factors

一级因子	二级因子	三级因子	获取方式
孕灾 因子	地形地貌	高程	DEM数据处理
		坡度	DEM数据处理
		坡向	DEM数据处理
		曲率	DEM数据处理
	地质条件	地质工程分区	原始资料矢量化
		距断裂带距离	距离分析
	气候条件	降雨量	多年年平均 降雨量
	水文条件	距河流距离	距离分析
	环境条件	归一化植被指数（NDVI）	遥感数据处理
诱发 因子	人类工程 活动	土地利用类型	栅格图
		距离农村 居民点距离	距离分析
		距路网距离	距离分析

下载: 导出CSV 

| 显示表格

2.   数据、样本与建模

2.1   数据获取与预处理

对勉略宁地区进行地质灾害危险性评价的前期是充分结合多源数据对该地区的评价因子参数进行处理，即进行多源异构数据的归一化和标准化处理，12类因子的表征见图1。

图  1  12类评价因子表征图

Figure  1.  Characterization charts of twelve types of evaluation factors

下载: 全尺寸图片 幻灯片

具体包括①地形地貌数据的获取及处理：由12.5 m的ASTER DEM数据处理得到勉略宁地区高程图、坡度图、坡向图及曲率图。②工程地质数据的获取及处理：将勉略宁地区工程地质岩组图进行矢量化，获得研究区各类工程地质岩组展布范围。③基础地质数据的获取及处理：将勉略宁地区基础地质图件进行矢量化，并绘制距断层距离图，对断层的影响进行定量刻画。④水文数据的获取及处理：对勉略宁地区河网展布进行矢量化，并绘制距河网距离图，对河网的影响进行定量表征。⑤环境数据的获取及处理：在NASA官网下载到MODIS遥感影像图，对遥感影像进行处理，得到归一化植被指数（NDVI），以此定量表征植被的覆盖程度。⑥人类工程活动数据的获取及处理：利用2018年陕西省土地利用类型栅格图，对该图进行了属性提取，得到农村居民点图斑，并以此制作距农村居民点距离图。⑦气候数据的获取及处理：根据全国839个气象站点2015～2019年降雨总量数据，通过插值分析，得到勉略宁地区2015～2019年年均降雨量。此外，地质灾害点普遍分布在农村居民点附近，因此将其作为预测因子。搜集到勉略宁地区路网（包括高速公路、省道、县道、铁路）矢量图，绘制距路网距离图，定量表征路网与地质灾害点之间的距离。

2.2   样本集构建及特征工程

2.2.1   正负样本的选择

以2014～2020年发生在勉略宁地区的地质灾害点作为正样本，样本空间尺度为90 m× 90 m，共223个正样本。在进行负样本选择之前，首先需要对正样本的空间分布特征进行统计分析。任意两相邻地灾点之间的最大距离为9 917.17 m，从“相邻地灾点距离概率累计曲线图”可以看出（图2），选取5 000 m作为缓冲半径时，缓冲区内有94%的概率会存在邻近的地灾点。因此，以5 000 m作为缓冲半径，缓冲区之外为作负样本的取样空间。之所以不选9917.17 m作为缓冲区半径的原因是，若以此作为半径，则留给负样本的取样空间范围会很小，影响了负样本的代表性。正负样本的分布见图3所示。

图  2  相邻地灾点距离概率累计曲线图

Figure  2.  Cumulative curve of distance probability of neighboring ground disaster points

下载: 全尺寸图片 幻灯片

图  3  正负样本分布图

Figure  3.  Positive and negative samples distribution chart

下载: 全尺寸图片 幻灯片

2.2.2   样本集的构建

在缓冲区外随机选取了723个负样本点，结合已有的223个正样本点，构建样本集，以12类二级预测因子作为12个特征，对数据进行提取与融合，构建样本特征矩阵。对整个研究区按照90 m×90 m划分栅格，共103 473 3个栅格，待判别样本的数据量为12416796个。

2.2.3   特征工程的开展

需注意的是：笔者构建的特征矩阵中，“土地利用类型”和 “工程地质分区”这两类特征为名义变量，即数值只是代表了其类别的不同，而没有数量上的大小关系，因此要进行特征工程，将其转换为名义变量。利用OneHot编码对上述两类特征进行重新编译，其中“土地利用类型”编码为18维稀疏矩阵，“工程地质分区”编码为8维稀疏矩阵。处理后特征矩阵总共为36维。考虑到预测模型的通用性，未对数据进行进一步的标准化或归一化等处理。由于选取的负样本数量远大于正样本的数量，所以使用了过采样（SMOTE）保证正负样本数量的均衡。

2.3   机器学习建模及模型优选

2.3.1   建模

选用随机森林（RF）、逻辑回归（LR）、支持向量机（SVM）、朴素贝叶斯（NB）和梯度提升决策树（GBDT）5种机器学习算法。选取样本集中70%的样本作为训练集，30%的样本作为测试集，以训练集中的样本训练模型，以测试集中的样本评价模型的性能。

笔者选用了准确率、精确度、召回率、F1和AUC等5种评价指标对模型在测试集上的表现进行评估。准确率（Accuracy）是所有预测正确的（包括正类和负类）占总的比例。精确率（Precision）即正确预测为正类的占全部预测为正类的比例。召回率（Recall）即正确预测为正类的占全部实际为正类的比例。F1值为2×精确率×召回率÷（精确率+召回率）。AUC（Area Under Curve）为受试者工作特征曲线（ROC）曲线下与坐标轴围成的面积，AUC的取值范围在0.5和1之间。AUC越接近1.0，检测方法真实性越高；等于0.5时，则真实性最低，无应用价值。

利用随机森林（RF）、逻辑回归（LR）、支持向量机（SVM）、朴素贝叶斯（NB）和梯度提升决策树（GBDT）5种算法建立的机器学习模型在测试集上的表现，如表2所示。AUC值见图4。

表  2  模型测试结果对比表

Table  2.  Comparison of model test results

RF模型		预测值		准确率	0.95
		1	0	精确度	0.96
真实值	1	216	11	召回率	0.95
	0	10	221	F1值	0.95
LR模型		预测值		准确率	0.83
		1	0	精确度	0.82
真实值	1	193	34	召回率	0.85
	0	42	189	F1值	0.84
SVM模型		预测值		准确率	0.78
		1	0	精确度	0.73
真实值	1	198	29	召回率	0.87
	0	74	157	F1值	0.79
NB模型		预测值		准确率	0.81
		1	0	精确度	0.75
真实值	1	205	22	召回率	0.90
	0	67	164	F1值	0.82
GBDT模型		预测值		准确率	0.95
		1	0	精确度	0.94
真实值	1	215	12	召回率	0.95
	0	13	218	F1值	0.95

下载: 导出CSV 

| 显示表格

图  4  5种机器学习模型的ROC曲线

Figure  4.  ROC curves for five machine learning models

下载: 全尺寸图片 幻灯片

2.3.2   模型优选与定量研究

从AUC、准确度、精确度、召回率和F1值5类指标可以看出，随机森林模型的性能最优，同时，其各类指标已经接近1，因此未对其进行更进一步的超参数优化。

对模型中特征的重要性进行了定量研究。针对已训练好的随机森林模型，进行了特征重要性的排序。图5显示，最重要的特征为降雨量，其余依次为与农村居民点的距离，土地利用类型、高程等。研究结果表明，勉略宁地区控制地质灾害发生的最重要的因素为降雨，其次是与农村居民点的距离和土地利用类型，指示了农村地区的房屋建设也是引发地质灾害的一大诱因。

图  5  评价因子重要性排序图

Figure  5.  Evaluation factor importance ranking chart

下载: 全尺寸图片 幻灯片

3.   预测结果及危险性评价

利用最优的随机森林模型作为预测模型，对整个研究区1034733个栅格进行了预测，并以概率的形式给出了预测结果，其中概率越接近1，表明地质灾害的危险性越高，反之则越低。根据《地质灾害风险调查评价技术要求》，将地质灾害风险区划分为：极高危险区、高危险区、中危险区和低危险区。采用自然间断法对将全区概率值划分为4个区间，分别对应于极高危险区、高危险区、中危险区和低危险区，绘制出勉略宁地区地质灾害危险性评价图（图6）

图  6  勉略宁地区地质灾害危险性评价结果图

Figure  6.  Map of geological disaster hazard evaluation results in Mianlvening area

下载: 全尺寸图片 幻灯片

由已发生地质灾害点与评价结果叠加图（图7）可以看出，所有已知地质灾害点几乎全部分布于极高和高危险区，表明了应用模型评价的有效性。

图  7  已发生地质灾害点与评价结果叠加图

Figure  7.  Overlay map of occurred geological disaster sites and evaluation results

下载: 全尺寸图片 幻灯片

4.   结论

（1）构建了各类原始数据获取—数据处理—数据融合—机器学习建模—模型评价—预测—成果表达的整个流程。在分析了勉略宁地质灾害成灾机理的基础上，选取了降雨、植被覆盖、人类工程活动影响等12类因子，采用GIS手段进行了定量表征。

（2）基于5种机器学习算法开展了建模对比，优选以随机森林作为最终预测模型并开展地质灾害危险性评价，评价结果显示绝大多数已发生的地质灾害点位于评价的极高和高危险区，表明了本次研究结果的有效性。

（3）降雨量是机器学习建模中最为重要的一类特征，在现阶段只能以年平均降雨量作为替代，这无法有效的表征地质灾害发生前的有效降雨，若后续能收集到地质灾害发生时的当日降雨、前5日降雨、前10日降雨等数据，可为模型提供更有效的数据支撑。

（4）受限于原始数据分辨率影响，划分的栅格精度为90 m × 90 m，明显低于一般工作区栅格精度（25 m × 25 m）和重点工作区栅格精度（10 m × 10 m），后期在解决原始数据分辨率的基础上可开展精度更高的预测研究。