基于LightGBM和多源观测数据的地震烈度预测模型研究——以门源地震为例

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Investigation of a seismic intensity prediction model using multisource observation data based on the LightGBM method

本文推荐研究人员针对传统地震烈度预测方法空间分辨率有限、准确性不足的问题，开展了基于LightGBM机器学习算法的地震烈度预测模型研究。通过集成InSAR同震形变场与高程、坡度、土地利用等静态环境因子，构建了门源地震区的烈度预测数据集。模型预测精度达0.87，验证均方根误差为0.43，显著提升了烈度评估的时空分辨率和可靠性，为地震应急响应提供了可靠技术支撑。

　　

我国地处环太平洋地震带与欧亚地震带交汇处，地质构造复杂，活动断裂发育，是世界上地震灾害最严重的国家之一。当前地震预测技术尚不成熟，震后灾害评估与应急响应成为减轻人员伤亡和经济损失的关键环节。地震烈度作为衡量地震破坏程度的核心指标，其快速准确获取对应急救援决策具有重大意义。然而，传统烈度预测方法主要依赖地震台网记录或单一形变数据，存在空间分辨率低、时效性差等局限，难以满足震后紧急响应的需求。

针对这一挑战，长安大学与中国地震局地震研究所的联合研究团队在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》发表最新研究成果，首次将合成孔径雷达干涉测量（InSAR）获取的同震形变场与静态环境因子相结合，建立了基于LightGBM（Light Gradient Boosting Machine）算法的地震烈度预测模型。研究以2016年门源M_w5.9地震和2022年门源M_w6.7地震为案例，开创性地将空间连续的形变场与地形、地质、环境等多源观测数据融合，突破了传统方法的时空限制。

研究团队采用多项关键技术方法：首先利用Sentinel-1A卫星C波段SAR数据，通过差分InSAR（D-InSAR）技术提取同震形变场；结合30米分辨率SRTM数字高程模型（DEM）衍生地形因子，基于NEHRP标准进行场地分类，整合GlobeLand30土地利用数据、1:50万地质图岩性数据和土壤液化敏感性数据；最后通过地理信息系统（GIS）技术将多源数据统一至WGS_1984_UTM_Zone_47N坐标系，建立100米网格分辨率的烈度预测数据集。

地震烈度数据预处理

研究团队对同震形变场、静态影响因子和烈度参考数据进行了系统预处理。针对2016年和2022年两次门源地震，分别利用升降轨Sentinel-1A影像，通过两轨法D-InSAR技术获取视线向（LOS）同震形变场。结果显示2022年M_w6.7地震形变场呈明显NWW-SEE向展布，最大形变量达70毫米，与冷龙岭-托莱山断裂带走向一致。

静态因子处理包括：基于DEM提取高程、坡度、坡向数据；根据坡度与Vs30（30米平均剪切波速）关系进行场地分类；对GlobeLand30土地利用数据重分类为6类；将岩性划分为硬岩组、较硬岩组等5类工程地质岩组。所有数据统一采用双线性插值（连续变量）和最邻近插值（分类变量）方法重采样至100米网格。

地震烈度评估数据集构建

将预处理后的栅格数据转换为点数据，建立包含125,653个样本的烈度预测数据集。对离散数据进行分类编码，如场地分类（I-IV类编码为1-4）、土壤液化（5级敏感性编码为1-5）、岩性（6类编码为1-6）等。对同震形变场中的缺失值采用均值法填补，确保变形信号的时空连续性。

地震烈度预测模型

采用LightGBM算法构建预测模型，通过网格优化方法确定最优参数组合：num_leaves=40, max_depth=15, n_estimators=40, learning_rate=1等。数据集按8:2比例划分为训练集和测试集，采用三折交叉验证优化参数，五折交叉验证评估泛化能力。

模型在测试集上准确率达0.87，宏平均F1分数0.88。混淆矩阵显示，VI度、VII度、VIII度烈度的召回率分别为0.87、0.88、0.94，表明模型对高烈度区预测性能更优。特征重要性分析揭示同震形变场影响最大（重要性值≈1200），其次为高程（962）、坡度（484）、岩性（317）等因素，坡向和土壤液化贡献较小。

讨论与结论

将训练好的模型应用于2022年门源M_w6.7地震预测，结果显示IX、VIII度区呈蝶形分布，与形变场空间模式高度一致；VII、VI度区因静态因子影响增强呈现交错分布。经外包络椭圆拟合优化后，预测结果与中国地震局官方烈度图空间一致性高，均方根误差（RMSE）0.43，平均绝对误差（MAE）0.41。

误差分析表明预测偏差均值μ=-0.30，标准差σ=0.58，误差分布集中且无系统偏差。对比2016年逆冲型地震和2022年走滑型地震的烈度分布特征，发现震源机制对烈度空间模式具有主导影响：逆冲地震产生近圆形高烈度区，走滑地震形成沿断裂带的条带状分布。

研究证实了集成InSAR形变场与静态环境因子的LightGBM模型在地震烈度预测中的有效性，为区域地震应急响应提供了高时空分辨率的解决方案。未来可针对不同震源机制和植被覆盖区优化模型，并结合GPU加速计算提升大范围应用能力。该框架为发展智能化的地震灾害快速评估体系奠定了重要基础。