基于機器學習協同長時序主被動遙感數據的地質災害易發性評價

馬梓程, 陳 思, 熊忠招, 謝 菲, 孫天成, 沈 鵬, 張思琦, 田曉月, 劉 飛

(1.湖北省國土測繪院,湖北 武漢 430014; 2.中國地質大學(武漢),湖北 武漢 430074;3.資源與生態環境地質湖北省重點實驗室,湖北 武漢 430034)

地質災害包括自然因素或人為活動引發的山體崩塌、滑坡、泥石流、地面塌陷、地裂縫、地面沉降等與地質作用有關的災害[1]。地質災害具有突發性、破壞性大等特點,嚴重威脅著生態資源環境及人民生命財產安全[2]。因此,摸清區域地質災害發育條件,厘清地質災害發育概率,科學有效地預測地質災害易發性,對區域地質災害風險評估和管理具有重要意義[3]。

以往單體地質災害的研究工作已經難以滿足地質災害的評價要求,必須進行區域性、群體性的地質災害研究[4]。隨著相關學科技術的進步和數學模型的完善,各種區域性的地質災害評價模型得以應用。國內外諸多學者廣泛采用數學模型進行地質災害易發性評價,如層次分析(AHP)[5-6]、信息量[7-8]、邏輯回歸信息量(I-LR)[9-10]、邏輯回歸確定性系數(CF-LR)[11]等模型,這些模型在早期的地質災害易發性評價工作中占有重要地位。近年來,人們逐漸意識到這些經驗模型更多地依賴專家自身的經驗和知識結構,容易受主觀因素影響,而統計模型的劃分依據也缺乏標準指導。隨著人工智能算法的不斷發展與成熟,為地質災害易發性評價提供了新思路,決策樹分類(DTA)[12-13]、隨機森林(RF)[14-16]、支持向量機(SVM)[17-21]、反向傳播神經網絡(BPNN)[22]、卷積神經網絡(CNN)[23-25]等眾多機器學習模型被學者們應用,其相較于傳統的數理統計模型,不僅能摒棄主觀思維的影響,還能更好地適應地質災害復雜的非線性特征。

為了給綠春縣的防災減災工作提供依據,實現有側重的綜合治理,極大程度地減少地質災害所造成的損失,同時也為進一步的地質災害監測提供基礎資料。本文以長時序主被動遙感數據為數據源,充分挖掘遙感信息,結合地質環境背景信息,開展區域地質災害易發性評價研究。為了提高地質災害易發性評價的精度,解決傳統數理模型主觀性較強、遙感因子較弱等缺點,試圖利用機器學習模型建立易發性評價體系,從而形成較為客觀且準確的區域地質災害易發性評價結果。

1 研究區與數據源

1.1 研究區

綠春縣位于云南省紅河州南部邊境,是云南省25個邊境縣之一,與越南萊州省勐諜縣接壤。2020年完成的《綠春縣1∶5萬地質災害詳細調查報告》顯示:綠春縣域內發育地質災害432處,類型有滑坡、崩塌和泥石流等3類,其中以滑坡最為發育,共有377處,占比87.27%;泥石流次之,共有50處,占比11.57%;崩塌弱發育,僅有5處,占比1.16%。區內地質災害規模以小型為主,共有397處,占比91.90%;中型次之,共有32處,占比7.41%;大型最少,僅有3處,占比0.69%。

研究區位于綠春縣東南部(圖1-a),介于東經102°17′～102°30′、北緯22°44′～22°54′之間,面積為411.59 km2。全境為山地,地勢南北高東西低,整體上群山蜿蜒,河谷深切,多陡坡少平地(圖1-b)。境內降雨充沛,年降雨量為2 890.7 mm,80%的降雨集中在雨季,月最大降雨量為96.6 mm,為多雨地區。資料顯示研究區地形地貌復雜,降雨量高且不均勻,地層巖性復雜且工程力學屬性分布不均勻,新構造運動強烈,使得區內地質災害極其發育,多發育溝谷型滑坡及泥石流。經地質調查,研究區共發育地質災害110處。

圖1 研究區地理位置及地勢圖

1.2 基礎數據

基于野外地質災害調查與收集的地質資料,用于研究區地質災害易發性評價的數據主要有:12.5 m分辨率DEM數據,用于提取高程、坡度、曲率、河網密度等信息;1∶5萬地質圖,用于提取工程地質巖組和地質構造;1∶5萬GF-2遙感影像地質災害解譯數據與野外查證資料等;土地利用類型數據等。

1.3 遙感數據

用于植被指數提取的光學遙感影像數據為2019年2—5月的8期Sentinel-2A遙感影像。雷達遙感數據為2018—2019年的30期Sentinel-1A雷達數據,每期1景,用于監測研究區形變信息。

2 方法

2.1 技術路線

選擇綠春縣東部(平河鎮、騎馬壩鄉、三猛鄉交匯處)坡面型泥石流典型發育區,在全面收集區內地質災害分布、孕災地質環境資料的基礎上,深入分析該區孕災地質條件,利用高精度DEM數據提取高程、坡度、坡向、平面曲率、剖面曲率、水流強度指數、復合地形指數等地形因子;結合遙感數據和地形數據,提取水系分布、河網密度等水文因子,獲取InSAR形變量、植被覆蓋度等長時序遙感因子。然后結合巖性、構造、氣象等孕災環境因子,以已有地質災害點為訓練樣本和驗證樣本,利用支持向量機、隨機森林等機器學習模型構建地質災害易發性評價體系,其主要研究內容和技術路線如圖2所示。

圖2 地質災害易發性評價的研究內容和技術路線

2.2 評價因子選取

2.2.1傳統地質環境背景因子選取

對研究區進行影響因子的選取和分析是地質災害易發性評價的重要環節。基于研究區的地質環境背景和人類活動現狀,選取高程、坡度、坡向、平面曲率、剖面曲率、水流強度指數、復合地形指數、距水系距離、河網密度、年降雨量、距斷裂距離、地層巖性、土地利用類型等13個因素作為評價因子,運用GIS軟件的空間疊加功能提取各因子與地質災害點的分布關系數據,從而確定研究區的評價因子指標體系。研究區各因子提取結果如圖3所示,地質災害在各因子中的分布特征見表1。

表1 地質災害在各評價因子分級中的分布情況

表2 地質災害在各植被概率分級中的分布情況

圖3 各評價因子提取結果

2.2.2時序植被概率因子提取

本次研究在分析研究區典型地質災害發育特征,并基于長時序Sentinel-2遙感數據反映的植被特征開展泥石流動態演化研究過程中,發現地質災害從產生到變形,直至強烈形變期不是一個一蹴而就的過程,它在逐漸演變的過程中,會伴隨植被覆蓋度的變化,逐漸形成植被稀疏面,甚至植被剝離面。而通過歸一化植被指數或植被覆蓋度的計算,可以很好地反映出這一動態變化過程[23]。

基于表現較好的長時序植被特征(圖4),本次研究提出了用于地質災害隱患動態監測的植被概率(PO)公式:

圖4 基于長時序數據的植被概率分布圖

PO=∑PD/∑VO

(1)

式中:PD為有植被覆蓋的期次;VO為投入分析的數據的總期次。

獲取研究區大面積地質災害發生前(2018年8月—2019年8月)的10 m分辨率Sentinel-2數據,作為光學遙感數據源。利用2019年8期無云數據分別提取歸一化植被指數并計算植被概率(圖5-圖6)。下載研究區數據后,在ENVI5.3平臺上對其進行輻射定標、大氣校正、圖像拼接裁剪工作,用于后續的植被概率計算。

圖5 長時序歸一化植被指數提取結果

圖6 植被概率與地質災害分布關系圖

研究發現,將近50%的地質災害位于長時序植被覆蓋區,地質災害的發生沒有引起植被覆蓋的變化,而有50處地質災害的發生伴隨著植被覆蓋的變化,說明利用植被覆蓋判斷地質災害的發育情況具有一定的可行性。

2.2.3時序InSAR形變量因子提取

獲取研究區大面積地質災害發生前(2018年8月—2019年8月)的10 m分辨率Sentinel-1數據,作為雷達遙感數據源。采用小基線集干涉測量(SBAS-InSAR)方法進行時間序列InSAR分析,該方法的主要原理是通過對SAR數據進行組合,得到一系列較短空間基線的差分干涉圖,能夠較好地克服空間去相干,然后基于形變速率的最小范數準則,通過矩陣的奇異值分解方法解算參數,即可獲取相干目標的平均形變速率或位移時間序列[26-27]。在ENVI5.3中利用SBAS-InSAR方法,提取該時間段內研究區長時序的形變量,得到工作區形變量圖(圖7)。結果顯示研究區總體處于輕微形變狀態,地質災害主要發育在形變量為-10～10 mm的區域內,分布有地質災害100處,占比為90.91%。

圖7 InSAR形變量與地質災害分布關系圖

2.3 樣本的選擇與投入

以研究區80處地質災害和50處非地質災害作為訓練樣本(圖8),剩余的30處地質災害作為驗證樣本,投入到上述模型中開展地質災害易發性評價。

圖8 訓練樣本示意圖

為了確定時序特征因子對地質災害易發性評價的精度提升效果,分別設置了不加入時序特征因子、加入InSAR形變量因子、加入植被概率因子、加入植被概率因子與InSAR形變量因子等4組試驗,采用隨機森林模型進行計算。另外為了驗證模型的優越性,設置了加入時序特征因子的支持向量機模型進行對照試驗。

在各種試驗分類結束之后,利用剩余的30處地質災害作為驗證樣本,驗證地質災害易發性評價模型的精度。

2.4 機器學習模型

2.4.1隨機森林模型

隨機森林模型是一種基于分類樹的回歸算法,其實質是將樣本不斷放回并進行多次取樣形成訓練集,通過決策樹的組合對預測結果求平均來進行預測,主要考慮決策樹數量和分割節點數量這2個參數。通常情況下,隨著決策樹數量的增加,模型預測的誤差會逐漸下降并趨于平穩。本次研究通過繪制決策樹數量與模型預測誤差之間的曲線圖來確定最優決策樹數量。經過不斷調參,最終確定決策樹數量為100,分割節點數量為1。

2.4.2支持向量機模型

支持向量機模型在解決小樣本、非線性及高維模式識別中表現出許多特有的優勢,并能夠推廣應用到函數擬合等其他機器學習問題中。支持向量機模型建立在統計學習理論的VC維理論和結構風險最小原理基礎上,根據有限的樣本信息在模型的復雜性(即對特定訓練樣本的學習精度)和學習能力(即無錯誤地識別任意樣本的能力)之間尋求最優選,以期獲得最好的推廣能力。

2.5 精度評價方法

模型精度評價采用受試者工作特征(ROC)曲線,縱坐標代表靈敏度,該指標越高代表準確率越高;橫坐標代表特異度,該指標越低代表誤判率越低。ROC曲線下方面積(AUC)一般介于0.5～1之間,可以作為評價模型精度高低的標準值,值越大,說明模型精度越高[28-29]。

3 結果

利用機器學習算法進行建模分析,在其他評價因子不變的情況下,設置了①加入植被概率因子與InSAR形變量因子、②加入植被概率因子、③加入InSAR形變量因子、④不加入時序特征因子的隨機森林模型和⑤加入植被概率因子與InSAR形變量因子的支持向量機模型等5種情況進行對比,利用30處地質災害樣本進行驗證,利用ROC曲線分析這5種情況的精度,結果如表4和圖9所示。結果表明,在相同的評價因子條件下,隨機森林模型比支持向量機模型獲取的評價精度更高,隨機森林模型在地質災害易發性評價的模型精度上有顯著的提升。

表4 各試驗組分類評價精度

圖9 ROC曲線評價結果

3.1 加入InSAR形變量因子的隨機森林模型分類結果

加入InSAR形變量因子的隨機森林模型的評價精度達到了0.881。該評價體系中高程的貢獻度最為顯著,InSAR形變量的貢獻度中等(圖10),這說明長時序InSAR特征因子在地質災害易發性評價過程中只較部分傳統孕災背景因子有優勢。

圖10 加入InSAR形變量因子的隨機森林模型分類結果和貢獻度排序

3.2 加入植被概率因子的隨機森林模型分類結果

加入植被概率因子的隨機森林模型的評價精度達到了0.879。該評價體系中植被概率的貢獻度最為顯著(圖11),這說明長時序植被特征因子對于地質災害易發性分區評價有著至關重要的作用。

圖11 加入植被概率因子的隨機森林模型分類結果和貢獻度排序

3.3 不加入時序特征因子的隨機森林模型分類結果

不加入任何時序特征因子的隨機森林模型的評價精度為0.869,在隨機森林模型中最低,這說明時序特征因子的投入對地質災害易發性評價結果精度有明顯的正向促進作用。該評價體系中高程的貢獻度最為顯著(圖12),這說明高程是影響地質災害發育的最重要因子之一。

圖12 不加入時序特征因子的隨機森林模型分類結果和貢獻度排序

3.4 加入植被概率因子與InSAR形變量因子的隨機森林模型分類結果

加入植被概率因子和InSAR形變量因子的隨機森林模型的評價精度達到了0.889,取得了最高的評價精度。該評價體系中植被概率和InSAR形變量的貢獻度均比較高(圖13),這說明長時序特征因子對于地質災害易發性評價有著至關重要的作用。圖13中紅色區域為地質災害極高易發區,主要沿河谷分布,面積分布最廣,達到了169.25 km2,占比為41.12%;綠色區域為地質災害極低易發區,分布面積其次,為149.76 km2,占比為36.39%。

圖13 加入植被概率因子和InSAR形變量因子的隨機森林模型分類結果和貢獻度排序

4 討論

從地質災害易發性評價結果來看,研究區地質災害高易發區和極高易發區主要分布在勐曼河及其支流形成的河谷地貌地區,區內海拔高程相對較低,平均坡度在30°左右,河流水系極其發達,植被覆蓋率中等,溝谷兩邊邊坡地層巖性主要為砂巖與板巖互層,多條近EW向的斷裂橫穿該區域,巖體整體較為破碎,有將近90%的地質災害分布在此區域(圖14)。

圖14 地質災害易發性評價結果與現場確認

從地質災害易發性評價的因子來看,本文研究在傳統地質環境背景因子的基礎上,投入了長時序主被動遙感因子,使得地質災害易發性評價結果精度明顯提高,其中植被概率的貢獻度高于InSAR形變量,一方面是因為植被變化是地質災害發生前后地表光譜特征最為顯著的表現特征,在分類過程中更容易被識別;另一方面是因為高植被覆蓋區的InSAR技術手段的受限性,但受到SAR成像幾何畸變、地表植被引起的失相干、對流層和電離層產生的大氣誤差和相位解纏誤差等影響,導致存在一定比例的漏判和錯判現象,所以InSAR形變量的貢獻程度在一定程度上弱于植被概率。此外,部分InSAR影像的變形區并不一定是地質災害導致的,這還要結合光學影像和實地調查進行篩選。

從地質災害易發性評價的遙感因子數據源來看,由于受到植被覆蓋、災害體空間尺度和時間活動性等影響,識別分類過程中還有一定的局限性。用于長時序植被概率因子提取的多光譜影像為Sentinel-2A,分辨率為10 m,導致部分地質災害點被茂密植被遮擋,遙感影像未呈現地質災害特征,從而未被識別和提取。而用于長時序InSAR形變量因子提取的數據源為Sentinel-1A,對于規模較小的地質災害,其形變特征的識別過程更容易被忽略。下一步將嘗試運用分辨率更高的光學影像和雷達影像作為遙感因子的數據源,力求能提升遙感因子的精度,從而提高分類評價的準確性。

從地質災害易發性評價的機器學習模型上看,本次研究僅選取了單一區域有限的數據樣本,對于不同模型的比較存在一定的不確定性,隨機森林模型顯示出較好的分類結果,這也反映出該模型應用于地質災害易發性評價的穩定性。但在評價過程中受限于投入因子的精度以及樣本的數量,仍存在少量的分類誤差,在類似區域研究中,可以通過補充訓練樣本方式來提升模型的泛化能力。本次研究對比了不同機器學習模型應用于地質災害易發性評價的效果,下一步將嘗試運用更多的模型并投放更多的評價因子,探索評價精度提升的更優辦法。

5 結論

(1) 選取傳統地質環境背景因子和長時序主被動遙感因子,基于隨機森林模型和支持向量機模型開展地質災害易發性評價,結果表明在相同的評價因子條件下,隨機森林模型相對于支持向量機模型具有更高的分類精度;在傳統地質環境背景因子基礎上投入植被概率、InSAR形變量等長時序遙感因子,能進一步提高地質災害易發性評價的準確度。

(2) 在各評價因子中,高程對評價模型的貢獻度最大。高程對地質災害的影響是間接的,它主要與植被及其覆蓋率、降雨量、人類工程活動等因子相關聯,造成研究區地質災害中70%分布于高程1 100 m以下區域,并隨著高程的增加逐漸減少。