《Geomatics, Natural Hazards and Risk》:Multi-geohazard susceptibility assessment and influencing factors in Zhejiang Province, China: a machine learning approach
编辑推荐:
摘要:诸如崩塌、滑坡和泥石流等地质灾害是由人类活动与环境条件之间的复杂相互作用所导致的。然而,对它们耦合机制的定量理解仍然具有挑战性。本研究开发了一个基于机器学习的分类框架,用于中国浙江省的多地质灾害易发性制图(GSM),以填补这一空白。研究人员采用XGBoo
摘要:诸如崩塌、滑坡和泥石流等地质灾害是由人类活动与环境条件之间的复杂相互作用所导致的。然而,对它们耦合机制的定量理解仍然具有挑战性。本研究开发了一个基于机器学习的分类框架,用于中国浙江省的多地质灾害易发性制图(GSM),以填补这一空白。研究人员采用XGBoost、AdaBoost和随机森林(Random Forest)为每种地质灾害构建了独立模型,使用了包括地貌、地质、环境、水文和人为因素在内的综合因素集。XGBoost模型对所有地质灾害的受试者工作特征曲线下面积(AUC)值均大于0.9,并被选为GSM的最优模型。结果表明:(1)地形位置指数(TPI)和距道路距离是最具影响力的因素,其主导作用因地质灾害类型而异——TPI主要控制泥石流,而崩塌更受距道路距离驱动。(2)人为因素在不同地质灾害中的重要性占比为15.9%–33.8%。(3)依赖图和交互值热图揭示了人-自然因素耦合机制对地质灾害的影响。本研究提供了人-自然环境耦合的定量和可解释性分析,为气候变化下人口稠密沿海地区的风险管理和空间规划提供了见解。
**论文解读:中国浙江省多地质灾害易发性评估与影响因素——基于机器学习方法**
**一、研究背景、问题与意义**
地质灾害(如崩塌、滑坡、泥石流)对人类安全和基础设施构成重大威胁,造成大量生命财产损失和社会经济破坏。这些灾害主要由地理环境、水文条件与人类活动之间的相互作用所驱动,而各因素间的复合效应和交互作用往往比单一因素更能决定灾害的空间格局与严重程度。例如,道路建设等人类活动可破坏坡体稳定性,并与易发环境条件相互作用,从而放大灾害风险。在气候变化背景下,台风等极端天气事件频率增加,加之人类活动加剧,预计将进一步提升全球地质灾害易发性。因此,定量分析这些影响因素的地质灾害效应,特别是季风影响的沿海地区,是一个亟待解决的紧迫问题。
浙江省是中国东南部典型的沿海省份,因其复杂地形、季风气候和密集人类活动而呈现高风险背景。历史记录显示,该省地质灾害主要由夏季(6-8月)强降雨和台风触发,极端降水是主要驱动因素,放大了地质、地形和人为干预的影响。2010年至2023年,浙江省地质灾害相关死亡人数占全国总数的24%,凸显了该地区进行有效风险评估的迫切需求。
地质灾害易发性制图(GSM)是评估地质灾害空间概率的关键技术。传统方法包括经验模型、物理模型和统计模型,各有局限。机器学习(ML)方法作为统计模型的一个强大子集,在揭示灾害与影响因素间的复杂非线性关系方面表现出色,但以往研究常将ML模型视为“黑箱”,未能明确量化交互效应,尤其是人类活动与环境条件的耦合机制。为填补这一空白,本研究开发了一个可解释的ML框架,用于浙江省多地质灾害易发性评估。该研究的创新性在于:增强了对人类活动的表征(引入建筑体积、不透水面等因子);从预测转向解释(结合多种ML算法与SHAP分析);进行多灾害对比分析。研究旨在回答两个关键问题:(1)人类活动如何与其他因素相互作用驱动地质灾害?(2)易发性的空间分布如何,与密集人类活动有何关联?研究假设H1:人类活动与环境条件的相互作用增加地质灾害易发性;H2:崩塌、滑坡、泥石流的高易发区空间分布存在显著差异,并与不同的主导驱动因素相关。本论文发表在《Geomatics, Natural Hazards and Risk》期刊。
**二、主要关键技术方法**
研究人员构建了2000-2016年浙江省地质灾害数据库,包含1132次崩塌、1891次滑坡和715次泥石流记录(地面沉降因样本量不足被排除)。采用30米半径缓冲区划定正样本,并在1公里缓冲区外随机选取负样本(比例为1:1),保持最小距离以避免空间自相关。影响因素包括地貌、地质、环境、水文和人类活动5大类共20个因子(经多重共线性检验剔除冗余变量)。主要技术方法包括:1)三种集成学习算法——随机森林(RF)、AdaBoost、极端梯度提升(XGBoost),分别针对每种地质灾害建模;2)网格搜索结合5折交叉验证进行超参数优化;3)基于SHAP(Shapley Additive exPlanations)量化特征重要性和交互效应;4)使用受试者工作特征曲线下面积(AUC)、F1分数等指标评估模型性能。
**三、研究结果**
**4.1 影响因素的多重共线性分析**
通过变异膨胀因子(VIF)和皮尔逊相关系数(CC)评估22个初始因子,发现RDLS(起伏度)和FVC(植被覆盖度)因VIF或CC超标被剔除。坡度虽VIF较高但因其关键作用被保留,最终保留20个因子用于后续建模。
**4.2 评估模型精度评价**
在阈值0.5下,XGBoost模型在崩塌、滑坡、泥石流测试集上平均AUC分别为0.90、0.90、0.94,平均F1分数分别为0.81、0.82、0.86,均优于RF和AdaBoost。基于约登指数验证,最优阈值接近0.5,确认了XGBoost为最优模型。
**4.3 地质灾害空间分布的影响因素**
**4.3.1 特征重要性分析**
SHAP分析显示:距道路距离是崩塌的最重要影响因子;地形位置指数(TPI)是滑坡和泥石流的最重要因子,且对泥石流的影响远超其他因素。总体而言,TPI和距道路距离是三大地质灾害模型中最显著的贡献因子。人为因素(距道路距离、人口密度、建筑体积、不透水面)的综合重要性在崩塌、滑坡、泥石流中分别占33.8%、21.3%、15.9%,表明人类活动对浙江省地质灾害易发性具有显著影响。
**4.3.2 因子非线性效应分析**
以“距道路距离”为例,依赖图显示其对地质灾害的影响呈现非线性特征(如崩塌呈多峰波动,泥石流连续振荡)。SHAP交互值表明,“距道路距离”与自然因子的交互作用(如与坡长的拮抗作用)是其主要影响机制,而非简单的主效应。例如,在崩塌模型中,“距道路距离”与坡长呈拮抗交互(-0.0104),在泥石流模型中与坡度呈强拮抗(-0.0227),证实了人类活动通过复杂交互改变地质灾害形成机制。
**4.4 地质灾害易发性空间分布格局**
XGBoost模型生成的易发性图显示,高易发区集中在浙南和浙西的丘陵山区。崩塌高易发区主要分布在温州、台州、舟山;滑坡高易发区集中在温州、绍兴、杭州、湖州山区;泥石流高易发区与滑坡相似,但金衢盆地相对较低。统计结果表明,易发性等级从极低到极高,地质灾害密度随易发性等级递增而增加,与历史记录分布高度一致。
**四、讨论与结论**
讨论部分指出,本研究揭示了不同地质灾害驱动机制的共性与差异,证实了人类活动与环境条件的非线性交互作用。研究也承认局限性:人类活动强度表征可能不全面;TPI对泥石流的高重要性可能受训练样本分布影响;缺乏独立测试集;多重共线性分析对分类变量处理不足;SHAP解释本质上是统计相关,不能揭示物理机制。未来工作需开发复合人类活动指数、整合物理模型、采用更精细分析技术并更新数据库。
**研究结论**:
该研究比较了三种机器学习模型,并选择最优的XGBoost模型生成了浙江省多地质灾害易发性图。基于SHAP,分析了多地质灾害的主要影响因素以及人类活动与这些影响因素之间的交互作用。主要结论如下:
XGBoost模型生成的易发性图显示,高和极高易发区集中在浙南和浙西的丘陵和山区,其空间格局与各地质灾害的形成条件高度一致。GSM结果可为浙江省地质灾害风险分区和针对性防控提供科学依据。
该研究揭示了浙江省内不同地质灾害类型驱动机制的共性与差异。SHAP分析阐明,地形位置指数(TPI)和距道路距离是三种地质灾害最关键的驱动因子。然而,不同地质灾害类型的主导因子和响应模式存在显著差异:崩塌主要受道路建设活动控制,而滑坡和泥石流首先受TPI支配,且后者对TPI表现出极高的依赖性。此外,人为因子对模型输出有重要贡献,在三种地质灾害中其重要性占比为15.9%–33.8%。
该研究揭示了人为因子与自然因子之间复杂的非线性交互作用。以“距道路距离”为例,研究表明人类活动对地质灾害风险的影响并非简单的线性叠加,而是通过与自然因子的非线性协同或拮抗交互作用共同塑造。研究证实,人类活动深刻改变了地质灾害的易发模式,且这种效应表现出灾害特异性。