基于RF-RUSLE模型的水土流失性公路自然灾害风险评估——以重庆市巴南区为例

牟凤云，杨 猛，余 情，刘振涛

(1. 重庆交通大学 建筑与城市规划学院，重庆 400074； 2. 重庆交通大学 土木工程学院，重庆 400074；3. 贵州省科技信息中心，贵州 贵阳 550001)

0 引 言

山区公路所处地理环境复杂、地形崎岖，常常遭受自然灾害的破坏，导致区域水土流失，并引发滑坡和泥石流等次生灾害。自然灾害的评定标准不一加大了山区公路自然灾害治理难度。目前，关于灾害风险评估的研究多从灾害指标体系构建和模型方法应用两方面展开。G.CONTRERAS-ZARAZG等[1-4]从水文学和地学方面进行了指标体系构建；杨乐等[5]考虑地缘环境和区域地形地貌特征，构建了区域地质灾害环境评估指标体系；李家春等[6]考虑社会经济和区域地理环境，建立了区域抗灾能力评估指标体系，对中国公路自然灾害易损性进行了评估；熊俊楠等[7]选取地形地貌、指标覆盖和人口等因素，构建了较为全面的泥石流灾害评估体系；周仲礼等[8]建立了泥石流评估指标理论体系，基于决策树理论构建模型，研究了我国泥石流灾害发生现状和发展趋势；黄明奎等[9]考虑地质环境特点，构建了灾害诱发评估指标体系；牟凤云等[10]在机器学习算法模型方面，选用临近算法(KNN)、随机森林算法(RF)和自回归滑动平均模型(ARMA)算法建立洪水评估模型，分析了巫山县洪灾危险程度；史培军等[11]利用数值分析方法，对区域泥石流易发程度进行了分析；杨猛等[12]、郭良等[13]结合水动力学和气象学模型，建立区域泥石流灾害危险评估模型，评估了区域洪水灾害危害程度。以上研究，对于洪灾指标的选取，多从社会经济、人类活动和自然环境方面开展，而对于模型构建，则多从水文学、气象学和地学等方面进行，缺乏对指标间相关性、合理性和适用性等的研究，研究层面囿于数据统计与分析。

笔者采用多准则、多属性决策理论方法，结合机器学习算法，从水土流失性公路自然灾害产生的角度，构建了重庆市巴南区水土流失性公路自然灾害风险指标体系，采用距离分析法和相关性分析法分析了指标选取的可靠性和合理性；构建了区域随机森林-水土流失(RF-RUSLE)模型，以分析评价重庆市巴南区水土流失程度，并进行风险预测与致灾因素识别，研究得到了重庆市巴南区水土流失性公路自然灾害风险区划与评估结果。

1 研究方法

1.1 随机森林-水土流失(RF-RUSLE)模型

随机森林(RF)模型利用多个决策树进行因素识别，在数据挖掘与分类等方面具有突出效果[14-17]。笔者基于随机森林(RF)模型和水土流失(RUSLE)模型，建立的随机森林-水土流失(RF- RUSLE)模型既融入了RF模型集成度高、预测结果准确的特性，又结合了RUSLE指标体系全面的特点，可有效识别水土流失性公路自然灾害。RF- RUSLE模型具体构建步骤如下：

1)结合重庆市巴南区地理环境，考虑气象、地质和人类活动等因素，构建水土流失(RUSLE)模型，以分析巴南区水土流失程度。

2)参照自然灾害类型划分标准[18-19]，并咨询专家意见，选择降雨量、土壤类型、植被覆盖度、坡度、坡位和整治力度等6个因素指标。

3)建立RF-RUSLE模型，对重庆市巴南区水土流失性公路自然灾害进行风险评估，并分析致灾因素。

1.2 RF-RUSLE模型因子测算

RF-RUSLE模型是表示坡地水土流失量与主要影响因子间定量关系的数学模型，表达式如式(1)：

S=Q·T·D·P

(1)

式中：S为区域水土流失量；Q为降雨侵蚀强度因子；T为土壤侵蚀强度因子；D为地形地貌影响因子；P为区域整治力度因子。

各因子的获取方式如下：

1)降雨侵蚀强度因子Q。降雨量的大小直接影响降雨侵蚀强度，以及降雨-径流的产流和汇流过程，考虑区域植被覆盖度和土壤类型，利用ArcGIS栅格计算工具得到巴南区降雨侵蚀强度因子Q。

2)土壤侵蚀强度因子T。利用土地类型、坡位、植被覆盖度、土壤类型及年均降雨量等数据，计算得出土壤侵蚀强度因子T。

3)地形地貌影响因子D。重庆市巴南区以丘陵低山地貌为主，考虑坡度与坡位因素，对于地形复杂地区，增加地形地貌因素如起伏度、地形粗糙指数等，得到地形地貌影响因子D。

4)整治力度因子P。区域整治力度主要是人类活动对环境改造程度，可通过人类活动强度和对区域建设的投入进行计算。

2 结果分析

2.1 水土流失性公路自然灾害风险区划分析

结合区域实地环境，考虑气象、地质和人类活动等因素，得出不同因素影响下重庆市巴南区水土流失性公路自然灾害风险区划结果，见表1。

利用GIS空间可视化技术，得到不同因素影响下重庆市巴南区水土流失性公路自然灾害风险区划示意，如图1。由图1可见：

1)气象因素中，降雨量达到100 mm以上的区域主要为巴南区西南部与东北部，如图1(a)，该地区易发生水土流失性公路自然灾害。地质灾害主要诱发因素为土壤类型、植被覆盖度、坡度和坡位等，易发区域的土壤类型主要为砂质土、壤土和黏质土等，如图1(b)。

2)植被覆盖度对水土流失性公路自然灾害影响主要为低覆盖区域，选择覆盖度低于0.5为灾害易发区域，以及覆盖度大于0.5且覆盖面积不足500 m2为水土流失性公路自然灾害易发区域，主要影响区域为巴南区西南部与中部，如图1(c)。

3)根据历史灾害数据的统计结果，坡度大于14°区域为水土流失性公路自然灾害主要发生区域；地形起伏区域更易发生地质灾害，平坦低洼区域相对安全；在坡位微地貌中，山坡易发生水土流失性公路自然灾害，平地和谷底区域相对稳定，如图1(d)、(e)。

4)整治力度对公路的影响主要为人类活动强度及区域建设投资，整治力度系数f< 0.4的区域为水土流失性公路自然灾害易发区域，主要位于巴南区中部与东北部，如图1(f)。

2.2 指标选取准确性分析

笔者利用历史灾害点与选择训练样本之间的相关性，判断选择指标准确性。从历史灾害数据库中提取数据并进行统计，得到巴南区历史灾害点共648个。为避免灾害点过于密集或稀疏导致精度判断，笔者在研究区均匀选取样本点，确保每个区域或每个乡镇都能够覆盖，最终选取35个取样点为精度验证样本点。基于ArcGIS10.6软件平台，对选择的指标进行相关性分析，以判断所选指标的准确性与可靠性，如图2。由图2可见，各指标拟合趋势线集中在样本编号15～20之间，表明所选取的指标合理，可靠程度高。其中，降雨量、坡度和坡位指标相关性较高。

2.3 巴南区水土流失程度分析

2.3.1 水土流失模型因子分析

通过对巴南区水土流失模型因子测算，利用GIS空间分析工具，得到巴南区水土流失模型因子空间影响范围，如图3。由图3可见，各因子对重庆市巴南区的影响为：降雨侵蚀强度因子Q影响西部和西南部，侵蚀等级在中度以上；土壤侵蚀强度因子T影响东南部及西部，侵蚀强度介于较轻～较强；地形地貌影响因子D影响南部与东部地区，侵蚀强度为中度；整治力度因子P主要影响中部地区，侵蚀强度为中度以下。

2.3.2 巴南区水土流失程度分析

将测算的水土流失模型因子，代入水土流失模型RF-RUSLE(1)中，得到巴南区水土流失程度空间区划，如图4。

由图4可以看出：重庆市巴南区西南部水土流失最为严重，水土流失强度多处于中度以上；东北地区属于中度流失程度，为灾害发生易发区域；西北地区水土保持最好，高危流失区域较少。整体上，巴南区水土流失程度介于轻度～中度。

2.4 巴南区水土流失性公路自然灾害风险预测

2.4.1 RF-RUSLE模型构建

首先，利用RF算法对构建的指标体系进行风险识别与预测，得到巴南区公路水土流失性自然灾害风险等级；然后，结合GIS空间可视化技术，得到巴南区水土流失性公路自然灾害风险评估结果。

2.4.2 精度检验

1)空间验证

利用巴南区历史灾害数据和2000—2010年公路灾害监测数据，将评估结果进行空间精度认证和预测结果可靠性认证，得到研究结果精度检验，如图5。由图5可见，高风险区域分布位置与历史灾害数据空间位置相吻合，表明评估结果准确性高，与实际情况相符，表明RF-RUSLE模型不仅能够有效识别水土流失性公路自然灾害，而且还能预测水土流失性公路自然灾害发生概率，且评估结果能够有效地通过精度检验。

2)统计分析验证

空间验证虽能从空间上验证其准确性，但其判断较为模糊，存在着一定误差，因此，笔者对评估结果进行了统计分析验证，如图6。

由图6可以看出：

1)历史灾害数据与样本数据曲线整体走势基本一致，表明历史灾害点集中位于评估结果中度危险以上区域。

2)历史灾害数据与样本数据的拟合线走势基本保持平行，表明RF-RUSLE模型评估结果准确，且精度高，与实际情况相符。

2.4.3 风险评估与致灾机制识别

结合区域路网格局，将RF-RUSLE评估结果进行水土流失性公路自然灾害风险区划和风险评估，结果如图7。

由图7可见，重庆市巴南区南部区域灾害发生概率较大，尤其是在各乡镇交界处，灾害发生的概率最大。

1)从空间尺度上分析得出：巴南区公路多处发生中度及以上风险水土流失性自然灾害，灾害路段多集中于巴南区南部和中北部。

2)从行政区划尺度分析得出：一品街道、安澜镇、跳石镇等区域内，发生水土流失性公路自然灾害概率极大，南泉街道、届石镇、南彭街道和惠民街道4条街道交界处为高风险区域；麻柳镇、双河口镇和丰盛镇等区域，为水土流失性公路自然灾害高风险区域。

基于已构建的灾害评估指标体系，及RF-RUSLE模型，进行巴南区水土流失性公路自然灾害致灾机制分析，结果如图8。

由图8可见，中风险区致灾因素主要为降雨量、坡度和坡位指标，高风险区致灾因素为降雨量和植被覆盖度。

综上，重庆市巴南区发生水土流失性公路自然灾害风险等级为中度～轻度；在降雨量较大、坡度较陡区域，公路灾害防治薄弱，需要重点监测与整治。

3 巴南区水土流失性公路自然灾害防治与应对措施

针对重庆市巴南区水土流失性公路自然灾害空间分布特点，在公路维修与设计中，建议重点考察危险区域气象、地质和地貌等因素，同时实时监测低风险区域岩体变化、地质发育与水土流失程度等因素。

针对降雨量、植被覆盖度和坡度等因素为主要致灾因素这一现象，在公路维修时，应该重点监测区域边坡变化、排水情况和路基变形程度等因素；在公路选线设计时，应尽量避开水土流失较为严重区域，可采用架设桥梁、稳固边坡、增设挡土墙和建设完善的排水系统等措施。

4 结 论

由于RF-RUSLE模型可有效地预测出区域水土流失性公路自然灾害危害程度，精确识别致灾因素，笔者以RF-RUSLE模型对重庆市巴南区公路进行风险预测与致灾因素识别。得到主要结论如下：

1)巴南区西南部及西部主要为降雨侵蚀，侵蚀等级在中度以上；东南部及西部部分区域土壤侵蚀严重。巴南区水土流失程度属于中度～轻度，水土保持较好，但降雨侵蚀严重。

2)巴南区多处发生中度以上风险水土流失性公路自然灾害。在各乡镇交界处，水土流失性公路自然灾害发生概率最高，而南部和中北部为灾害主要发生区域。

3)巴南区水土流失性公路以中低风险自然灾害为主，降雨量和坡度因素为主要致灾因素。巴南区南部与西南部为水土流失性公路自然灾害多发地区，需要重点防治；各乡镇交界处为水土流失性公路自然灾害防治薄弱区域。整体上，巴南区南部为高风险区水土流失性公路自然灾害主要发生区域。