基于极端梯度提升算法的滑坡易发性评价模型

赵晓东 ， 徐振涛 ， 刘福 ， 杨华 ， 张泰丽

(1.大连大学建筑工程学院， 大连 116622； 2.中国地质调查局南京地质调查中心， 南京 210016 )

中国幅员辽阔，地质环境错综复杂，地质灾害发生的频度高、强度大，每年都会因此造成巨大损失[1-7]。目前，地质灾害(滑坡、崩塌、泥石流)已成为除地震外的第二大自然灾害[2-4]。其中，滑坡是几种破坏模式中危害最为突出、分布最为广泛的一种，在山区中为主要的地质灾害类型[5]。滑坡易发性评价用于预测滑坡可能发生的高危险区域，并最终绘制出关于研究区的地质灾害易发性分布图[4,6-7]。其主要目的是帮助决策部门制定土地利用规划，并为制订防灾减灾政策提供基础资料[6,8-9]。

现阶段的滑坡易发性分析模型一般分为物理模型、知识驱动模型和数据驱动模型三类[8,10]。其中，基于物理的模型分析结果虽然较为客观和准确，但是需要相当庞大的地质和水文数据，在特定边坡的易发性评估中更易发挥其效能[11]；基于知识驱动的模型往往更依赖专家自身的经验和知识储备，容易受到主观因素的影响[12]；目前，针对大规模的滑坡易发性快速分析，大多采用数据驱动模型[13-23]。而机器学习模型作为数据驱动模型中的主要分类，随着近年来人工智能的快速发展，已逐渐变成应用最普遍的滑坡易发性分析模型[13]。常见的机器学习模型主要包括决策树[14]、支持向量化[15-16]、随机森林[17-18]、逻辑回归[19]、人工神经网络[8,20]模型等。机器学习算法具有超强的自主学习能力，能充分挖掘出数据中各个特征属性之间存在的内在联系，不严重依赖于专家知识，并且能够重复执行目标结果[21]。XGBoost 是一种基于梯度提升决策树(gradient boosting decision tree，GBDT)的集成机器学习算法[24]，已被逐渐应用于金融[25]、医学[26]和工业制造[27]等各个领域，且都取得了较好的效果。与传统的机器学习模型相比，XGBoost 具有更快速的计算能力和更强大的泛化能力[22-24]。由于XGBoost 发展历程较短，目前国内外鲜有对其在地质灾害领域的应用研究，值得进一步探索。

现依托于浙江飞云江流域地质灾害调查数据，选取了地形地貌、气象植被、岩土性质等地理信息数据，应用空间分析、表面分析、插值分析等地理信息技术提取并整理出学习样本数据，基于XGBoost构建滑坡易发模型，并与支持向量机(support vector machine，SVM) 模型进行对比，以期建立更为准确有效的地质灾害易发性评价模型。

1 研究区概况及数据

1.1 研究区概况

研究区玉壶流域位于浙江省温州市文成县境内，面积约99.5 km2，研究区位置及高程图见图1。文成县地处浙江省的东南部，飞云江的上游区域，总范围面积约1 296.44 km2，地理坐标为119°46′43″～120°15′09″E、27°34′01″～27°59′16″N。

该地区位于雁荡山和洞宫山之间，域内山岭绵延，地势自西北往东南呈梯形倾斜，地貌类型主要表现为丘陵和山地；区域山地植被覆盖度高，水系发达，雨季多暴雨和持续降雨，属于亚热带季风气候。大部分河谷和缓坡都被开垦为农业用地或住宅建设用地，山区分布人口较为分散；境内人工活动密集，山体稳定性较差，是地质灾害发生的易发区和多发区。

1.2 数据来源

本研究所使用的数据和数据来源见表1。地形数据采用美国国家航空航天局(National Aeronautics and Space Administration, NASA)全球数字高程数据中的30 m 数字高程模型(digital elevation model，DEM)；岩土物理力学参数，如内摩擦角、黏聚力、风化层厚度，来自中国地质调查局“浙江飞云江流域地质灾害调查”项目。

图1 研究区位置及高程图Fig.1 The location and elevation map of the study area

表1 数据及数据来源Table 1 Data and source of data

1.3 滑坡影响因子

对于斜坡坡体，无论是自然生成的还是人工活动产生的，都不会静态不变。由于自然环境和人为干预，斜坡一直处于动态变化中。结合研究区域的特点以及相关数据的获取情况，选取了坡度、坡向、坡形、地表覆盖、极端小时降雨量、地形湿度指数、内摩擦角、黏聚力、容重、风化层厚度10 个地理信息因子。其中坡度、坡向和坡形属于地形地貌因子，极端小时降雨量、地表覆盖和地形湿度指数属于气象植被因子，内摩擦角、黏聚力、容重、风化层厚度属于岩土性质因子。影响因子的空间分布如图2所示。

1.3.1 地形地貌

坡度是斜坡稳定的先决要素，太低无法提供充足的下滑动力，太陡又不利于斜坡沉积物的堆积，两者都无法为滑坡提供物质基础。使用ArcGIS 软件Spatial Analyst Tools 下的表面分析工具计算出研究区的坡度，如图2(a)所示。

坡向与降雨以及太阳辐射情况密切相关，并对地表覆盖、地形湿度指数(topographic wetness index, TWI)等因子产生影响。利用GIS 工具生成坡向图，并依次划分为9 个方向，如图2(b)所示：平地(坡向值为-1，表示不具有下坡方向的平坦区域)、北(0°～22.5°，337.5°～360°)、东北(22.5°～67.5°)、东(67.5°～112.5°)、东南(112.5°～157.5°)、南(157.5°～202.5°)、西南(202.5°～247.5°)、西(247.5°～292.5°)、西北(292.5°～337.5°)。

图2 影响因子的空间分布Fig.2 The spatial distribution of influence factors

坡形一般指剖面曲率，用于描述斜坡地形的复杂度，是沿最大坡降方向的斜率大小[28]。坡形数值越高，斜坡在垂直方向上的弯曲变化程度越高，地形越复杂。利用表面分析下的曲率工具计算出研究区坡形，如图2(c)所示。

1.3.2 气象植被

地表覆盖是影响滑坡产生的一个关键因子，区域较高的植被覆盖度，表明该区植被发育良好，对水土的保持能力强；区域较低的植被覆盖度，说明该区植被发育得一般，对水土的保持能力弱。结合国情普查数据，对不同地表覆盖单元，分别划分为建筑和其他、道路-草地、林地、人工堆掘地和耕地-园地五类，如图2(d)所示。

TWI反映土壤水分含量和地下水的分布情况，滑坡常在土壤湿度高的地区发生。利用水文工具下的填洼、流向和流量工具进行栅格计算生成TWI，如图2(e)所示。

极端降雨情况与滑坡的发生密切相关，是诱发滑坡灾害发生的一个重要因子。极端降雨作用下会使斜坡体变形在短时间内激增，造成坡体失稳，进而发生滑坡。根据温州市范围雨量站采集的数据，插值生成研究区内百年一遇小时降雨量作为极端小时降雨量数据，如图2(f)所示。

1.3.3 岩土性质

内摩擦角和黏聚力反映土或岩石内部的作用力，两者与坡体稳定呈正比，值越大坡体越稳定；容重表示土的压实效果，容重越大，表示土的密度越大，坡体越稳定；风化层越厚，地面下的疏松层越厚，坡体越不稳定。利用克里金法插值生成内摩擦角[图2(g)]、黏聚力[图2(h)]、容重[图2(i)]和风化层厚度[图2(j)]的栅格数据。

2 XGBoost评价模型

2.1 XGBoost模型基本原理

XGBoost 是一种基于树的集成算法，它把具有偏好的弱评估器(决策树)作为基学习器，并将其组合起来进行训练学习，由此得到一个集成的强评估器。XGBoost 是GBDT 的高效实现，不同于传统的 GBDT，XGBoost 算法使用Taylor 二阶展开式来优化损失函数，同时加入正则化项用于控制模型的复杂度。与其他机器学习算法相比，大大提高了其运算效力和泛化能力。

XGBoost 模型可以表示[22-25]为

(1)

其目标函数可表示为

(2)

(3)

(4)

进一步简化得到

(5)

式中：Ij={i|q(xi)=j}，表示ft(xi)这棵树中第j个叶节点的样本集合；γ和λ为预先设置的超参数。

(6)

(7)

2.2 模型实现

利用ArcGIS 软件从数据源中提取致灾因子，并将其转为栅格数据(共110 894 个像元点)。在scikit-learn 机器学习框架下，基于Python 编程语言构建多分类XGBoost 滑坡易发性评价模型，并选取70%的数据作为训练集进行模型学习和训练。将得出的结果与SVM 模型进行比对，通过计算多分类混淆矩阵的评估指标来对模型精度进行分析，模型构建流程见图3。

2.3 模型验证

模型构建完成后，使用混淆矩阵对模型的精度进行检验。混淆矩阵是机器学习分类问题中应用广泛的评价指标体系，又名误差矩阵，是将算法性能可视化的一种特殊矩阵。评估指标包括准确率、精确率、召回率和F1等。其中，如果一个样本的真实类别和预测结果都为正，则为TP(true positive)；如果真实类别和预测结果都为负，则为TN(true negative)；如果负类样本预测为正，则为FP(false positive)；如果正类样本预测为负，那么其为FN(false negative)。

精确率P表示预测值为正的样本中，与真实值相符的比例，计算公式为

(8)

图3 模型构建流程图Fig.3 Model building flow chart

召回率R表示预测为正的样本在所有真实为正的样本中所占的比例，计算公式为

(9)

F1同时兼顾精确率和召回率，将两者的调和平均作为一个综合性指标来考量两者之间的平衡，计算公式为

(10)

3 模型评价与应用

3.1 模型的结果评价

对研究区的地质灾害易发性指数进行计算，所得结果采用自然断点分级法将其划分为极低易发、低易发、中易发、高易发、极高易发5 个等级，绘制出分类标签真值滑坡易发区划图[图4(a) ]。数据集按照7∶3 的比例分为训练数据和测试数据，分别输入XGBoost 、SVM 机器学习模型，对模型进行多次迭代的训练、测试、参数优化，最终根据全数据对模型进行验证，验证结果见表2。将验证结果通过ArcGIS 可视化处理，效果对比如图4所示。

从图4 可以看出，极高易发和高易发分区主要分布在河谷、低山区和丘陵地带。此区域内飞云江支流发育、地质环境较为脆弱，并且此区域多为人工堆掘地、耕地-园地，这间接反映了该地区频繁的人类活动，以及植被和斜坡遭到严重的人为破坏。而低易发区和极低易发分区，主要分布在海拔高于500 m以上的地区和人类住区，一是高海拔的地区远离水源河流，蓄水能力差，斜坡体的含水量较低，不利于滑坡发育；二是这些地区的人类活动较少，自然状态下受到的人类干扰较少。此外，人类聚居区域虽然海拔不高，但区内地势平坦、建筑林立，不具备滑坡发育的条件。

表2 各易发区分布及模型验证情况Table 2 Distribution of each susceptible area and model validation

3.2 精度对比

利用XGBoost 建立滑坡易发分区识别模型，模型对测试集识别的多分类混淆矩阵如表3所示。对于整个研究区，我们最为关注的是极高易发区的识别情况，3 661 组极高易发区数据中，被模型正确识别出来的栅格点有3 585 个,召回率为97.92%；模型识别的极高易发分区栅格点总数量为3 656 个，精确率为98.06%；F1为97.99%。

图4 模型预测结果对比Fig.4 Comparison of model prediction results

SVM 是以统计学习理论为发展基础的有监督学习方法，它能较好地解决非线性、高维模式识别问题，广泛应用于滑坡易发性评价研究中。为了比较对比XGBoost 算法与SVM 算法在滑坡易发分区识别模型中的精度，建立了基于SVM 的滑坡易发分区识别模型，用于识别测试集的多分类混淆矩阵如表4所示。3 661 组极高易发区数据中，被模型正确识别出来的栅格点有3 571 个，召回率为97.54%；模型识别的极高易发分区栅格点总数量为3 649 个，精确率为97.86%；F1分别为97.70%。

由于评价滑坡易发最重要的是将高易发区域尽可能的都识别出来，因而相较于精确率，召回率的重要性尤为显著。精度对比结果表明，基于XGBoost 的滑坡易发区识别模型在召回率和精确率评价指标上都略优于SVM ，XGBoost 算法模型在滑坡易发区识别中可以获得较高的精度。

表3 基于XGBoost 的滑坡易发区识别混淆矩阵Table 3 Confusion matrix for landslide prone area identification based on XGBoost

表4 基于SVM 的滑坡易发区识别混淆矩阵Table 4 Confusion matrix for landslide prone area identification based on SVM

4 结论

以浙江省温州市飞云江流域地质灾害的调查数据为依托，选取坡度、坡向、坡形、起伏度、极端降雨、地表覆盖、TWI 等地理信息因子，结合GIS 技术，建立基于XGBoost 的滑坡地质灾害易发性评价模型，对易发分区的多分类问题进行识别分析，得到以下结论。

(1)GIS 技术可以有效地对致灾因子进行提取、分析以及可视化展示，基于Python语言的机器学习模型有开源、模型库广泛，两者结合能极大提高模型建模的效率。

(2)使用浙江省温州市飞云江流域地质灾害数据，基于XGBoost 构建了滑坡易发多分类评价模型，将5 类1 维分类数组映射到2 维空间，生成秩为5 的分类矩阵，通过多分类混淆矩阵对模型精度进行评价。模型极高易发区的召回率和精确率达到了97.92%和98.06%，F1为97.99%，均高于SVM算法。

(3)由于不同地质和气候条件的影响，文中模型仅对飞云江流域滑坡较为有效，将模型应用于其他地区时，需要利用样本训练重新学习，以得到最优参数和最优模型。