基于隨機森林的地質災害氣象風險防御服務的研究

曹巧云，李 劉，周 璇，潘奉樂，張 龍，劉素平

1.郴州市氣象局，湖南郴州 423000；2.嘉禾縣氣象局，湖南嘉禾 424500

在全球氣候變暖的背景下，極端降水事件強度和頻次加劇，滑坡、泥石流等地質災害對人類和社會的影響已成為一個不可忽視的環境災害，其危害程度僅次于地震。2021年，湖南省已查明各類地質災害在冊隱患點18 311處，威脅71.2萬人，威脅財產299.2億元。按照《湖南省地質災害防治管理辦法》，相關部門應加強降雨型地質災害定時、定點精細化風險預警服務，全面提升地質災害防災減災救災能力，最大限度地避免或減輕地質災害造成的人員傷亡和財產損失，科學防范地質災害，減少人員傷亡和財產損失。

1 現狀分析

2006年，陳建平[1]調查發現了地質災害隱患點，劃分了重點防治區域，還提出了全縣地質災害防治規劃和重要地質災害點防治預案建議稿，協助當地政府建立了群測群防網絡?；跉庀笠蜃?，結合GIS技術，利用隨機森林模型，對研究區進行地質災害易發性評價，為嘉禾縣未來的地質災害氣象風險防御奠定基礎。

2 基于隨機森林的地質災害氣象風險防御研究

2.1 研究區域與研究數據

2.1.1 研究區域概況 嘉禾縣隸屬于郴州市，位于湖南省郴州市西南部，南嶺北麓，舂陵水（鐘水河）中上游。地處112°14′E～112°35′E，25°26′N～25°47′N。東部與郴州市桂陽縣為鄰，南部與郴州市臨武縣、永州市藍山縣接壤，西部與永州市寧遠縣相接，北部與永州市新田縣交界。轄區土地總面積為699.33 km2，占郴州市總面積的3.61%、占湖南省總面積的0.3%，是湖南省地域面積最小的縣。2020年末，轄珠泉、晉屏、塘村、袁家、龍潭、行廊、石橋、坦坪、廣發9個鎮，普滿1個鄉，共10個鄉鎮政區（圖1）。

圖1 研究區域及地質災害隱患點分布

2.1.2 研究數據 在地質災害的影響因素中，地形有著決定性的作用。提取地形的基本數據是數字高程模型（Digital Elevation Model，DEM）[2]。本次研究的因子有高程、坡度、坡向、剖面曲率。坡度是評價地質災害的重要因子[3]。降水和太陽輻射受坡向影響大，植被、土地利用、土壤情況也受坡度影響，滑坡的發生與上述因子聯系密切[4]。水流速造成土壤侵蝕和沉積，而剖面曲率影響著水的流速，說明水流速與滑坡有著密切的聯系[5]。地質斷層的構造斷裂常常會影響低圍巖的硬度[6]。植被覆蓋對土壤侵蝕有著直接影響，也是評估生態環境質量的重要指標[7]。

本研究收集了嘉禾縣地質災害隱患點數據和與地質災害相關的因子數據，包括地形地貌、距河流距離、地質構造、降雨等。地質災害隱患點數據從嘉禾縣自然資源局獲取。DEM數據利用ASTER衛星的GDEM數據，空間分辨率為30 m，用于產生坡度、坡向、剖面曲率等數據。原始的地質資料數據通過中國科學院資源環境科學數據中心資源環境數據云平臺下載獲取。在OpenStreetMap下載嘉禾縣河流數據，通過地理空間數據云平臺下載2020年10月22日的Landsat8 OLI數據，進而得到NDVI數據。為了統一降雨數據的尺度，從NASA下載2020年的降雨數據。

2.2 基于隨機森林的滑坡易發性的模型構建

2.2.1 樣本數據選取與處理 滑坡樣本與非滑坡樣本組成了需要的樣本數據。研究區共有34個滑坡點。研究表明，在進行易發性區劃中，樣本滑坡點與非滑坡點的比例在（1∶5）～（1∶10）之間構建的模型效果最好[8]。本研究選取比例為1∶5，通過隨機抽樣的方法抽取170個樣本作為非滑坡樣本數據。

2.2.2 模型建立與評價 采用R語言，邏輯回歸模型通過glm()函數構建，隨機森林模型通過randomForest()函數構建。為了減小袋外誤差，通過循環迭代計算不同的隨機特征數，誤差越小，說明精度越高，模型預測越精準。

在混淆矩陣中，通過靈敏度曲線（Receiver-Operating Characteristic，ROC）和靈敏度曲線下的面積（Area Under Curve，AUC）來評價模型的效果[9]。模型通過對比靈敏度曲線下的面積來確定診斷的價值大小。當AUC=0.5時，診斷為無價值；當AUC=1時，診斷為最理想。本模型AUC=0.85，說明模型的判別效果非常好（圖2）[10]。

圖2 ROC曲線

2.2.3 結果分析 （1）模型識別。隨機森林算法在滑坡預測方面應用廣泛，基于隨機森立建立地質災害隱患點識別模型。在204個樣本點中，191個樣本點被正確分類，模型準確率為93.63%；在170個滑坡災害隱患點中，被模型識別為滑坡的有168個，識別為非滑坡的有2個，召回率為70.59%；在模型識別的188個滑坡災害隱患點中，實為滑坡的有168個，實為非滑坡的有20個，精確率為96%，模型識別OOB分數為0.813 6（表1）。

表1 基于隨機森林算法的滑坡災害隱患點識別混淆矩陣

（2）特征重要性分析。模型的解釋度根據因子的重要程度來反映。本模型中因子的重要性見圖3所示。重要性最高的因子是距河流距離，為41.46%；其次是坡度，為17.8%；植被覆蓋率的重要性指數為8.64%；降雨的重要性指數為4.29%，影響性較小，但不能忽略。

圖3 特征重要性排序

2.3 滑坡災害易發性劃分與日常服務

在ArcGIS軟件中將嘉禾縣分成2 524個格網，同時得到2 524個格網中心點，利用ArcGIS軟件工具將因子數據提取至點，將數據導入已訓練完成的隨機森林模型，從而確定格網的地質災害發生概率。根據GIS中的自然斷點方法，對地質災害易發性指數進行劃分。將研究區地質災害易發性區域劃分為5級區域，包括較低易發區、低易發區、中易發區、高易發區和極高易發區（圖4）。

圖4 嘉禾縣地質災害易發性分布圖

2022年以來，嘉禾縣啟動7次氣象災害Ⅳ級（暴雨）應急響應，一次氣象災害Ⅲ級（暴雨）應急響應，累計降水最多發生在5月22日00:00—23日18:00，過程降雨量累計92.2 mm，27個站點降雨量超過100 mm，其中最大降雨量出現在觀音山水庫（125 mm）；最大小時雨強發生在6月4日08:00—5日08:00，廣發鎮鄒山（38.4 mm）。

針對2022年汛期強對流強降水過程，結合地質災害易發性分布圖，在暴雨來臨之前，氣象部門通過手機短信、QQ、微信群發布針對性的地質災害提醒信息；在暴雨來臨之時，及時電話叫應服務，特別是行廊鎮、袁家鎮、坦坪鎮、晉屏鎮、珠泉鎮；暴雨之后，結合地質災害易發性分布圖，對行廊鎮、袁家鎮、坦坪鎮、晉屏鎮、珠泉鎮的鄉鎮負責人進行特別的電話警示，防范地質災害的滯后性。將服務從縣一級延伸至鄉鎮，甚至村一級，筑牢了氣象防災減災的第一道防線。

3 結束語

通過分析地形地貌、地質條件、環境條件等因素，構建了研究區地質災害易發性評價指標體系，研究了嘉禾縣的地質災害易發性，實現了氣象防災減災服務從縣延伸至鄉鎮、村的突破，并應用在2022年汛期服務中。但是此次研究依然存在不足之處：（1）因子的選取忽略了人類活動情況；（2）研究區域太小，容易出現耦合性；（3）地質災害的易發性分布圖屬于離線版，倘若能夠與雷達圖、降水實況圖相結合，氣象服務將會更加精細化、更加精準。