利用多源数据和决策融合技术，结合机器学习方法，提升沟蚀易感性地图的制图精度

《Geomatics, Natural Hazards and Risk》：Multi-source data and decision fusion for enhanced gully erosion susceptibility mapping using machine learning

　　摘要
沟蚀敏感性地图（GESMs）对环境应用至关重要，例如土地管理和侵蚀控制。然而，许多现有的GESMs依赖于单一来源的数据，导致预测的准确性和可靠性较低。为了解决这个问题，我们提出了一种新颖的融合方法，该方法在机器学习方法中整合了数据级和决策级融合技术。线性回归（LR）用于数据级融合，有效权重并整合了异构环境变量，而Dempster–Shafer理论则用于决策级融合，以处理不确定性并协调随机森林（RF）和极端梯度提升（XGBoost）之间的冲突预测。使用1042个沟蚀存在和不存在点以及各种环境变量，构建了伊朗戈勒斯坦省的空间数据库。数据集被分为训练集（70%）和测试集（30%），并使用内部验证集来控制过拟合并微调模型。评估了四种情况：单独模型、数据级融合、决策级融合和数据-决策级融合。结果显示，结合数据级融合的XGBoost达到了最高的准确率（AUC = 0.933），而组合融合（AUC = 0.927）提供了更稳定和可解释的敏感性地图。这些改进的GESMs可以帮助政策制定者和土地管理者优先考虑易受侵蚀的地区。

关键词：沟蚀；数据融合；空间预测；多源数据；机器学习

1. 引言
土壤是生态系统的重要组成部分，有助于植物生长、调节水流和维持生物多样性（Telo da Gama引用2023）。然而，土壤容易受到侵蚀的影响，这种自然过程会严重损害地貌和生态系统（Bettoni等人引用2023）。在不同类型的侵蚀中，沟蚀（GE）尤为常见且具有破坏性，其特征是由集中水流形成的深沟或峡谷（Fashae等人引用2022；Wen等人引用2021）。这些侵蚀特征会极大地改变地形，降低肥沃土壤的质量，并降低农业生产力及水质（Chen等人引用2024；Kar等人引用2020；Mor-Mussery和Laronne引用2020）。
沟蚀的影响在局部和全球范围内都有体现。在局部范围内，沟蚀会耗尽表土，减少农业产量，并危及食品安全，特别是在像伊朗这样的脆弱地区，那里60%的土地是干旱或半干旱的，极易发生沙漠化（Mohammady和Davudirad引用2024）。在全球范围内，它通过增加河流中的沉积物负荷、提高水体的浑浊度和盐度来破坏生态系统（Kar等人引用2020）。例如，覆盖地球表面41%的半干旱和干旱地区特别容易受到沟蚀的影响，某些国家的土壤损失每年可达每公顷1550吨（Rahmati等人引用2022）。沟蚀还会通过导致水库淤积、堵塞道路和污染水源来损坏基础设施，从而需要昂贵的维护和修复费用（Anderson等人引用2021）。
沟蚀敏感性预测具有重要意义。首先，它能够评估土壤侵蚀、土地退化和地貌演变的潜在影响（Douglas-Mankin等人引用2020；Hancock和Willgoose引用2021；Wen等人引用2021）。了解驱动沟蚀形成和发展的因素有助于通过有效的土地管理策略和土壤保护措施来减轻侵蚀风险。其次，预测沟蚀有助于识别最易受侵蚀的地区。这使得利益相关者能够识别脆弱区域，优先安排保护工作，并实施适当的缓解措施（Rahmati等人引用2022）。然而，准确模拟沟蚀本质上是复杂的，涉及众多环境、气候和人为因素的相互作用。
沟蚀敏感性通常通过研究侵蚀点与条件因素之间的关系来进行建模。虽然传统的统计方法（如基于概率和熵的方法）被广泛使用（Soleimanpour等人引用2021；Tesfaye等人引用2024），但最近的应用仍在使用传统的侵蚀模型，如修订后的通用土壤流失方程（RUSLE）结合频率比分析，进行土壤和侵蚀风险评估（Pal和Jana引用2025）。然而，最近的研究指出，机器学习（ML）在捕捉复杂非线性关系方面更为有效。其中，随机森林（RF）和极端梯度提升（XGBoost）在提高决策树的性能、减少过拟合和提升预测准确性方面表现出色（Giri等人引用2023a；Li等人引用2024；Ren等人引用2024）。它们的鲁棒性和识别关键环境驱动因素的能力使其非常适合用于沟蚀建模。
尽管在预测建模方面取得了进展，但仍存在两个关键限制。首先，许多现有模型依赖于来自单一来源的数据——如地形图、卫星图像或实地测量——这可能导致见解不完整或不一致。依赖单一来源的数据往往无法捕捉环境变量之间的复杂相互作用，而这些相互作用对于准确预测至关重要（Abdollahi和Pradhan引用2023）。其次，大多数研究仅应用单一的机器学习方法，而没有跨模型整合预测结果，这限制了模型的鲁棒性和准确性。此外，单个模型在某些区域可能会高估或低估敏感性，从而限制了它们的可靠性。
为了解决这些限制，提出了数据融合技术。数据融合通过整合异构数据集并减少预测中的不确定性提供了有希望的解决方案（Zhang等人引用2021）。融合可以在三个层面上实现：（1）数据级融合，在分析之前合并来自多个来源的原始输入；（2）特征级融合，将提取的特征合并成统一的数据集；（3）决策级融合，整合来自不同模型的预测（Salcedo-Sanz等人引用2020）。每个层面都有其优势，但在沟蚀敏感性制图中同时使用数据级和决策级融合的研究仍然不足。
在这项研究中，我们提出了一个双融合框架，以解决输入异质性和预测不确定性问题。由于线性回归（LR）的可解释性和其为异构输入提供明确权重的能力，因此选择了数据级融合（Bai等人引用2020），确保了多个环境因素的平衡整合。与黑箱模型不同，LR提供了透明度，使得更容易识别每个因素对融合数据集的贡献，这在需要可解释性的环境应用中至关重要，因为可解释性支持决策制定。决策级融合采用Dempster–Shafer理论（DST）实现，这是一种成熟的证据理论，有效管理模型之间的不确定性和冲突信息（Boloorani等人引用2022；Tehrany和Kumar引用2018）。DST特别适合沟蚀预测，因为它可以协调高性能模型（如RF和XGBoost）之间的差异，生成更可靠的最终敏感性地图。
总体而言，本研究的目标是通过使用数据级和决策级融合来提高沟蚀敏感性地图的准确性、可靠性和实际效用。因此，本研究的核心研究问题是：结合使用LR的数据级融合和使用DST的决策级融合是否能在沟蚀敏感性制图中胜过传统的单一来源或单一模型方法。为了回答这个问题，本研究追求以下目标：（1）使用LR实现数据级融合，将异构环境数据集整合为统一输入；（2）使用DST实施决策级融合，结合RF和XGBoost模型的输出，以管理不确定性和冲突结果；（3）比较融合模型和非融合模型在预测准确性、鲁棒性和空间可靠性方面的表现；（4）分析影响沟蚀敏感性的各个条件因素的贡献和重要性。
通过使用先进的融合技术提高GESMs的准确性，本研究为土地利用规划、流域管理和保护工作提供了更可靠的基础。这些结果可以帮助政策制定者、土地管理者和工程师优先考虑干预区域，优化资源分配，并设计更有效的侵蚀控制措施，特别是在受沙漠化和土壤退化影响的脆弱地区。

2. 材料与方法
图1展示了本研究的方法论。本研究包括五个主要步骤：（1）创建一个空间数据库，包括从两个数据源提取的沟蚀清单地图和条件因素，然后将数据分为训练集（70%）和测试集（30%）；（2）使用RF检查两个数据集的条件因素的重要性；（3）基于ML方法（RF和XGBoost）进行沟蚀敏感性的空间建模；（4）在数据级和决策级使用LR和Dempster–Shafer方法实施数据融合，包括四种情况：第一种情况（无融合）、第二种情况（数据级融合）、第三种情况（决策级融合）和第四种情况（数据级和决策级融合）；（5）基于RMSE、R2和AUC评估RF、XGBoost和GESMs。
图1. 生成沟蚀敏感性地图的流程图。
**沟蚀敏感性制图流程图：数据库、条件因素、四种情况和验证。**
数据库：“沟蚀清单地图”到“空间数据库”。**条件因素：**海拔、坡向、坡度、SPI、TWI、TPI、剖面和计划曲率、岩性、土壤质地、土地利用/土地覆盖、降雨量、NDVI、距断层距离、道路、河流。**情况1和2使用“数据源1”（SRTM、Landsat 8、Sentinel-2、Open Land Map-USDA、地面测量、GSI、自然资源和流域管理组织）。情况2添加了“数据源2”（ASTER、MODIS、CHIRPS）。这两种情况都通过线性回归提取融合地图。然后分别应用RF和XGBoost模型，每个模型显示敏感性地图（低、非常低、中等、高、非常高）。**图a：RF-SC1，b：XGBoost-SC1，c：RF-SC2，d：XGBoost-SC2。**接着是“使用RF的两个数据集的特征重要性”。**情况3：“使用Dempster-Shafer（决策级）融合两个RF和XGBoost地图”，图面板e（SC3）。**情况4：“使用Dempster-Shafer（数据和决策级）融合两个RF和XGBoost地图”，图面板f（SC4）。**图e和f使用相同的敏感性图例。**验证：“RMSE、R2、ROC曲线”，包含四个ROC曲线。**面板a：RF（AUC 0.864），XGBoost（AUC 0.911）。**面板b：RF（AUC 0.91），XGBoost（AUC 0.933）。**面板c：SC3（AUC 0.93）。**面板d：SC4（AUC 0.93）。**

2.1. 研究区域
伊朗戈勒斯坦省的研究区域纬度范围为37°23′至37°47′，经度范围为55°18′至56°04′（图2）。虽然该地区的西北部大部分为裸露地带，但南部、中部和东北部主要用于农业。值得注意的是，戈勒斯坦森林位于该地区的南部和东南部。其余区域包括草地、住宅区和水体。海拔高度从海平面以上57米变化到最大2174米。研究区域具有半干旱气候，年平均降雨量为370毫米，气温为19°C。在戈勒斯坦省，沟蚀受其半干旱气候的影响，植被不足导致地表径流增加，进而造成严重的土壤流失和沉积物在水库、河床和农田中的沉积，加剧了土地退化（Kariminejad等人引用2019）。
图2. 研究区域和沟蚀训练及测试数据集的空间分布。
该双面板地图显示了研究区域和沟蚀数据集。图a显示了伊朗及其周边国家的地图。里海位于顶部，波斯湾位于底部。伊朗用绿色标出，较小的戈勒斯坦地区用洋红色突出显示。图b显示了戈勒斯坦研究区域的详细地形图。地图使用亮度梯度表示海拔，较亮的区域表示高海拔2174米，较暗的区域表示低海拔57米。地图上叠加了众多圆形标记。红色圆圈代表测试数据集，黄色圆圈代表训练数据集。红色和黄色圆圈在整个研究区域都有分布，但在地图的右上部分更为集中。比例尺表示公里距离，标记为0、6.5和13公里。

2.2. 沟蚀清单地图
本研究的沟蚀数据包含1042个表示沟蚀发生的点。这些数据集是通过广泛的实地调查和其他来源获得的，包括解释Google Earth图像、存档的组织数据和本地信息，点的确切坐标通过全球定位系统（GPS）确定。为了提供没有沟蚀的点，在沟蚀点周围设置了最大距离为500米的缓冲区，并在缓冲区外随机创建了相同数量的1042个点。最后，使用保留法将数据分为70%用于训练集，30%用于测试集。这种方法涉及将数据分为不同的训练、验证和测试集。Hold-out方法用于评估机器学习（ML）方法在新数据上的性能。训练集和测试集的空间分布如图2.2.3所示。为了开发准确的地质灾害敏感性（GESM）模型，有必要评估不同因素的影响。许多研究已经认识到对GE有显著贡献的因素，包括地形特征、地质组成、水文条件、土壤性质、土地利用/覆盖类型以及人类活动。在这项研究中，因素的选择基于数据的可获得性以及对现有关于GE敏感性评估文献的广泛回顾（Bettoni等人，引用2023；Chowdhuri等人，引用2021；Garosi等人，引用2018；Gayen等人，引用2019；Gholami等人，引用2023）。选定的因素包括海拔、坡向、坡度、溪流能量指数（SPI）、地形湿润指数（TWI）、地形位置指数（TPI）、剖面和平面曲率、岩性、土壤质地、土地利用/覆盖类型、距离断层的距离、距离道路的距离、距离河流的距离、降雨量以及归一化差异植被指数（NDVI）。为了在数据层面融合这些条件因素，考虑了两个数据源（表1）。值得注意的是，某些因素，如岩性、土地利用/覆盖类型、距离断层的距离、距离道路的距离和土壤质地，没有第二个数据源。因此，这些因素在所有场景中都未经修改或融合地直接使用。

岩性是地质灾害中的重要因素，因为不同材料的透水性和抗剪强度各不相同（Rahmati等人，引用2022）。岩性图由伊朗地质调查和矿产勘探局（GSI）提供，像素大小为30×30米。研究区域中的砂岩和石灰岩岩石来自中生代到新生代。图3c展示了Qsw（沼泽）、Qm（沼泽和湿地）、Ksn（灰色至块状页岩和薄层粉砂岩和砂岩）、Ksr（含菊石的页岩与orbitolin石灰岩的相互作用）和Kat（橄榄绿色туфельний砂岩和页岩）的分布，它们分别占研究区域的60.96%、13.63%、7.64%、5.48%和4.74%。其余六类总共只占7.55%的面积。土壤质地对地质灾害有很大影响，因为不同的土壤质地对侵蚀过程的敏感性不同（Wang等人，引用2021）。在这项研究中，基于美国农业部（USDA）系统的Open Land Map土壤质地分类在Google Earth Engine（GEE）中构建了土壤质地图（30厘米深度）（图3a）。土壤质地类型包括粘土、粘壤土、粉粘壤土、壤土和粉砂壤土，其中壤土和粉砂壤土分别占地区的52.5%和47.2%。该图的分辨率为250米，并投影到WGS84-UTM Zone 40，然后在ArcGIS 10.8中重新采样为30×30米的像素大小。

土地利用/覆盖类型的变化通过改变土壤稳定性、地表径流模式和水文过程显著影响地质灾害的发生和严重程度（Bettoni等人，引用2023；Valentin等人，引用2005）。土地利用图是通过在GEE平台上使用监督随机森林分类器从Sentinel-2多光谱图像中获得的。Sentinel-2多光谱图像的空间分辨率为20米，然后重新采样为30米的像素大小的地图。土地利用/覆盖类型被划分为农业、住宅、森林、水体、草地和裸地（图3b）。研究区域的土地利用/覆盖类型包括37%的裸地、29.8%的农业用地、16.4%的草地、10.2%的森林、6.5%的住宅区和0.1%的水体。距离道路的距离、距离断层的距离和距离河流的距离这些地图的来源是OSM、GSI和NRWMO。这些图层是使用ArcGIS 10.8中的欧几里得距离工具创建的（图3d、e和f）。

海拔（图3h）、坡向（图3i）、坡度（图3j）、TWI（图3n）、TPI（图3o）、SPI（图3p）、剖面和平面曲率（图4a和b）这些因素是从数字高程模型（DEMs）中提取的，并使用ArcGIS 10.8和SAGA GIS 8.2.1软件进行处理，每个像素的大小为30×30米。最初，这些因素是从Shuttle Radar Topography Mission（SRTM）DEM中提取的，其空间分辨率为30米。随后，同一组因素也通过SRTM和Advanced Spaceborne Thermal Emission and Reflection Radiometre（ASTER）DEM（30米）的融合使用LR模型提取（图3k-m、q-s、4d和e）。因此，这项研究包括两组从DEM提取的因素：一组仅来自SRTM DEM，另一组来自融合的DEM数据。

图3. 条件因素：(a) 土壤质地，(b) 土地利用/覆盖类型，(c) 岩性，(d) 距离道路的距离，(e) 距离断层的距离，(f) 距离河流的距离，(h) 海拔，(i) 坡向，(j) 坡度，(k) 融合海拔，(l) 融合坡度，(m) 融合坡度，(n) 地形湿润指数，(o) 地形位置指数，(p) 溪流能量指数，(q) 融合地形湿润指数，(r) 融合地形位置指数，(s) 融合溪流能量指数。

图4. 条件因素：(a) 平面曲率，(b) 剖面曲率，(c) 降雨量，(d) 融合平面曲率，(e) 融合剖面曲率，(f) 融合降雨量，(g) 归一化差异植被指数，(h) 融合归一化差异植被指数。这个八面板地图分为两列，每列四个面板，展示了各种地理数据可视化。面板a显示了平面曲率，图例指示的值范围从-12.8到21.65。面板b显示了剖面曲率，值范围从-0.57到0.57。面板c显示了降雨量，值范围从357到超过594。面板d显示了融合平面曲率，值范围从-0.76到0.87。面板e显示了融合剖面曲率，值范围从-0.02到0.022。面板f显示了融合降雨量，值范围从322到超过351。面板g显示了NDVI，值范围从-0.07到0.28。面板h显示了融合NDVI，值范围从-0.88到0.43。每个面板都包含一个以公里为单位的刻度尺。

TWI、SPI和TPI是使用以下公式计算的：
1. TPI = T0 - ∑(n-1)Tnn
2. TWI = ln(Astan)β
3. SPI = As × tan(β)

其中As代表集水区面积，β代表坡度角。TPI的表达式如公式3所示：
TPI = T0 - ∑(n-1)Tnn

两个卫星图像来源，Landsat 8和MODIS，被用于使用以下公式计算NDVI：
NDVI = NIR - RedNIR + Red

其中NIR和Red分别是近红外和红色波段的反射率值。第一张NDVI图（图4g）是使用Landsat 8数据计算的，而第二张图（图4h）是通过Landsat 8（30米空间分辨率）和MODIS NDVI的融合使用LR模型生成的。Landsat 8和MODIS的空间分辨率分别为30米和250米，时间分辨率分别为16天和1天。这两张地图都是使用2022年的平均NDVI值创建的，覆盖了1月1日至12月30日的期间。这两张NDVI地图的像素大小在GEE中的LR过程中进行了重新缩放。

降雨量是径流产生的关键因素，进而影响地质灾害（Chen等人，引用2024）。戈勒斯坦省的降雨量图是使用十个雨量站8年（2014-2022年）的数据生成的，测量间隔为3小时。基于地面数据的地图是使用逆距离加权方法（IDW）创建的。此外，气候灾害中心红外降水与站点（CHIRPS）数据（具有每日时间分辨率和0.05度空间分辨率）也与基于地面数据的降雨量图使用LR模型融合。在融合之前，这两张地图被重新缩放到30米的像素大小。这种融合过程得到了一个具有3小时时间分辨率和0.05度空间分辨率的融合地图。

2.4. 多重共线性评估
回归分析通常对条件因素之间的共线性敏感，当两个因素之间存在强相关性时，可能会导致分析中的潜在错误。这个问题被称为多重共线性。为了评估多重共线性，研究人员通常使用方差膨胀因子（VIF），使用以下公式计算：
VIF = 1 / (1 - R?2)

其中R?2是每个因素基于其他所有变量进行回归的决定系数（Tehrany和Kumar引用2018）。在多重共线性评估中，VIF值大于10表明与评估因素相关的多重共线性问题显著（Zeng等人，引用2024）。

2.5. 场景开发
在这项研究中，融合在两个级别上进行：数据级融合和决策级融合。为了检查和分析不同级别的融合及其对算法（RF和XGBoost）效率的影响，考虑了四种场景。在第一种场景（SC1）中，条件因素是从第一个数据源中提取的，这些因素在以前的研究中最为常用。这些因素被用作GE建模的输入数据，最终使用RF和XGBoost算法生成了两张地图。在这种场景中，没有使用任何融合级别。在第二种场景（SC2）中，卫星图像和地面测量数据作为第二个数据源，使用LR将它们与第一个数据源结合。然后使用这些融合的独立数据来预测并生成RF和XGBoost模型的两张地图。在实现数据级融合之后，本研究的主要目标是在接下来的场景中实现决策级融合。在第三种场景（SC3）中，使用Dempster–Shafer方法融合了SC1中的GESMs。在第四种场景（SC4）中，为了使用数据级和决策级融合，使用Dempster–Shafer方法融合了第二种场景中的RF和XGBoost地图。场景开发的主要目的是检查不同级别的数据融合对GESMs建模效果的影响。

2.6. 沟蚀建模技术
2.6.1. 随机森林算法
RF是一种强大的ML方法，广泛用于分类和回归任务（Breiman引用2001）。它在训练阶段创建许多决策树，每棵树都在数据的随机子集上进行训练。这种随机性有助于防止过拟合，并提高模型对新数据的泛化能力（Nguyen等人，引用2022）。RF使用了一种称为bagging的技术，其中随机选择特征来构建每棵树，每棵树都做出自己的预测。该算法结合所有树的预测来产生最终输出。换句话说，使用了一组树预测器h(x;θk)，其中k=1,...,K。这里，x表示输入变量向量，θk是独立同分布的随机向量。每个θk对应于原始数据的不同子集，并用于拟合回归树。对于树中的每个节点，随机选择一小部分输入变量，并选择基尼指数最低的变量来分割节点。最终预测是每棵树的预测平均值或响应（Giri等人，引用2023a）。

2.6.2. XGBoost算法
XGBoost是一种先进的ML方法，以其在高性能和预测建模任务中的效率而闻名（Chen和Guestrin引用2016）。它是一种梯度提升算法，通过结合多个弱模型的预测来构建强大的预测模型（Ye等人，引用2023）。XGBoost通过引入正则化技术来增强传统的梯度提升方法，以减少过拟合并优化计算效率。在每一步中，算法最小化损失函数（L(t) = ∑(i=1}^n l(yi, y?i(t-1) + ft(xi) + Ω(ft)），该函数衡量真实值和预测值之间的差异，同时惩罚模型复杂性（Nguyen等人，引用2022；Ye等人，引用2023）。

2.7. 数据融合技术
在这项研究中，使用了两个级别的融合：数据级和决策级融合。### 3.1 多共线性评估
表2展示了针对影响地质侵蚀（GE）的十六个不同条件因素进行的多共线性分析结果。这些独立因素的方差膨胀因子（VIF）值范围大约在1.02（SPI）到3.61（TPI）之间，意味着所有因素的VIF值都低于10。由于没有发现这些条件因素之间存在共线性，因此它们都被用于生成地质侵蚀模型（GESM）中。

### 3.2 数据融合（场景1和2）性能
为了预测地质侵蚀模型，使用了两种机器学习方法（RF和XGBoost），并在google colab平台上通过Python编程语言实现。每种模型的超参数是通过GridSearch CV进行优化的。XGBoost的最优超参数设置为：估计器数量=600，学习率=0.015，最大深度=4；RF的参数设置如下：估计器数量=100，最大深度=无，最大特征数=1，最小叶子节点数=1。首先，整个数据集被分为70%的训练集和30%的测试集。
为了评估RF和XGBoost模型的性能，采用了两种评估指标：RMSE和R2。评估结果显示，在训练阶段，RF和XGBoost算法的RMSE分别为0.113和0.170，R2分别为0.949和0.884；在测试阶段，RMSE分别为0.312和0.315，R2分别为0.611和0.604。结果表明，在SC1场景下，RF和XGBoost的性能相当；而在SC2场景下，XGBoost的性能稍优于RF。因此，根据前两个场景的性能，可以得出以下排序：RF（SC2）> RF（SC1）> XGBoost（SC2）> XGBoost（SC1）。
图5中的误差直方图展示了RF和XGBoost模型在不同场景下使用训练集和测试集预测结果的能力。所有直方图显示，两种模型的误差都集中在零附近，表明模型的预测相对准确，且错误在过高预测和过低预测之间分布均匀。通过比较两种模型在两个场景下的误差直方图可以看出，XGBoost在训练阶段的误差分布更广，这意味着其预测准确性相对较低；而在测试阶段的误差分布几乎相同。

### 3.3 决策融合（场景3和4）性能
在数据级融合阶段（SC1和SC2）对地质侵蚀进行空间建模后，RF和XGBoost的地图在决策级融合阶段（SC3和SC4）进行了融合。然后使用AUC来评估四种情况下结果的准确性。图6和表4展示了四种情况下生成的GESMs的结果。XGBoost-SC2的AUC最高（0.933），其次是SC4（0.927）， followed by XGBoost-SC1（0.911）和RF-SC1（0.91）。结果表明，这两种算法在四种情况下的准确性都在0.8到1之间，表明它们在生成GESMs方面是有效的。数据融合水平分别将RF-SC2和XGBoost-SC2的准确性提高了5.3%和2.4%。此外，与SC1相比，SC4生成的地图准确性提高了3.3%。总体而言，数据和决策层面的融合提升了地质侵蚀地图的预测效果。

### 3.4 GESM预测
RF和XGBoost算法被用来预测地质侵蚀模型。图7展示了根据ArcGIS 10.8中的自然断裂方法将地理侵蚀地图分为五个易感性级别的结果。其中，0.0表示最低易感性，1.0表示最高易感性。每个面板展示了同一地理区域的地图，水平坐标范围从东经55度27分50秒到东经55度54分10秒，垂直坐标范围从北纬37度20分32秒到北纬37度40分48秒。比例尺表示20公里。标记为RF-SC1的面板显示了从非常低到非常高的敏感度水平。标记为XGBoost-SC1的面板也显示了从非常低到非常高的敏感度。标记为RF-SC2的面板显示了从非常低到非常高的敏感度。标记为XGBoost-SC2的面板同样显示了从非常低到非常高的敏感度。标记为SC3的面板展示了从非常低到非常高的敏感度。标记为SC4的面板也显示了从非常低到非常高的敏感度。所有面板都使用了类似的视觉方案，其中较亮的区域表示较低的敏感度，较暗的区域表示较高的敏感度，地图上可以看到大量中等到高敏感度的区域。

根据表5，RF将研究区域划分为非常低（19.55%）、低（19.0%）、中等（18.94%）、高（22.64%）和非常高敏感度（19.87%），而XGBoost在情景1中将它划分为非常低（23.12%）、低（21.76%）、中等（22.51%）、高（19.31%）和非常高敏感度（13.30%）。在情景2中，RF结果显示13%的区域为非常高风险，19.22%为高风险，18.33%为中等风险，27.97%为低风险，21.48%为非常低风险；而XGBoost的结果显示14.69%为非常高风险，17.72%为高风险，17.84%为中等风险，26.01%为低风险，23.73%为非常低风险。情景3使用Dempster–Shafer方法，结果显示22.7%为非常高风险，11.48%为高风险，20.89%为中等风险，9.15%为低风险，35.8%为非常低风险。情景4中，Dempster–Shafer的结果显示28.4%为非常高风险，3.6%为高风险，4.5%为中等风险，18.9%为低风险，44.5%为非常低风险。

表5. 每个沟蚀敏感度地图中五种不同类别的比例（%）。

下载CSV

表3.5. 条件因素的重要性

在这项研究中，使用随机森林特征重要性（图8）确定了两个数据集中的特征重要性。研究结果表明，预测沟蚀敏感度的最佳指标分别是距离道路的距离（0.267，0.269）、降雨量（0.183，0.194）以及距离河流的距离（0.119，0.124）。在第一个数据集中，其次是距离断层的距离（0.075）、TPI（0.068）、海拔（0.057）和NDVI（0.055）。然而，在第二个数据集中，距离断层的距离（0.076）之后，海拔（0.067）对预测沟蚀敏感度的影响大于TPI（0.046）和NDVI（0.037）。

图8. 使用随机森林确定的两个数据集的特征重要性。

这个双面板条形图左侧显示了第一个数据集的特征重要性，右侧显示了第二个数据集的特征重要性。两个面板在结构上相同，横轴标记了从0.00到0.25的数值，间隔为0.05。纵轴列出了16个特征：土壤质地、土地覆盖类型、岩性、剖面曲率、坡度、SPI、朝向、TWI、平面曲率、NDVI、海拔、TPI、距离断层、距离河流、降雨量和距离道路。在两个面板中，“距离道路”的条形最长，表示其重要性最高，其次是“降雨量”，然后是“距离河流”和“距离断层”。特征“土壤质地”、“土地覆盖类型”和“岩性”的条形最短，表示其重要性最低。两个数据集中的整体趋势是特征重要性从“土壤质地”逐渐增加到“距离道路”，特征之间的相对重要性排名保持一致。

土壤质地（0.003，0.005）是预测沟蚀的最不显著因素，其次是岩性（0.007，0.008）和土地利用/覆盖类型（0.007，0.009），分别在第一个和第二个数据集中。土壤类型的缺乏变异性，加上数据集相对粗糙的空间分辨率（250米），限制了土壤质地解释沟蚀空间模式的能力。

4. 讨论

4.1. 数据和决策融合的贡献

本研究表明，在数据和决策层面应用融合技术显著提高了沟蚀敏感性地图的预测准确性和可靠性，相比单一模型方法有了显著改进。与以往仅依赖RF或XGBoost等单一模型的研究不同，这些模型往往导致沟蚀敏感度的局部高估或低估（例如由于条件因素的影响不均匀或模型偏差），我们的研究表明融合策略可以大大减少这些不一致性。具体来说，使用逻辑回归（LR）的数据级融合能够更有效地对异构环境变量进行加权，防止较弱的预测因子不成比例地影响结果。此外，LR还提高了数据源的时间和空间准确性（Bai等人，引用2020；Tian等人，引用2018）。另外，使用Dempster–Shafer的决策级融合利用了RF和XGBoost的互补优势，同时减少了冲突预测，从而降低了不确定性并提高了最终敏感度地图的可靠性。例如，尽管RF-SC1和XGB-SC2的输出（图7a和b）在GESM中显示出相似的整体模式，但也揭示了显著的不一致性。在东北部地区，XGB-SC2分配了多个敏感度类别，而RF-SC1将同一地区的大部分分类为高或非常高，可能导致高估。相比之下，SC3的融合输出（图7e）主要将该地区重新分类为中等类别，提供了更加平衡的评估。RF-SC2和XGB-SC2之间也存在类似的分歧（图7c和d）；然而，SC4的融合输出（图7f）给出了更明确的判断，几乎将该地区完全分类为非常高或非常低敏感度。

与基线XGBoost-SC1（AUC=0.911）和RF-SC1（AUC=0.864）相比，应用数据级融合后性能分别提升到了0.933和0.910。这一改进不仅在我们的实验中显著，也超过了Chuma等人（引用2023；RF AUC=0.82）和Hasanuzzaman和Shit（引用2024；XGBoost AUC=0.855）报告中提到的值。以往的研究已经单独应用了数据级融合（例如多源连接）或决策级融合（例如投票和堆叠），显示出在GESM方面的改进（Breunig等人，引用2025；Nwazelibe等人，引用2025）。然而，这些方法仍然在不同区域存在准确性不一致或输出冲突的问题。与我们使用的策略不同，我们的方法通过捕捉互补的数据关系和模型优势，展示了额外的价值。

此外，融合技术在其他自然灾害情境中也成功提高了预测效果，包括洪水风险敏感性（Arabameri等人，引用2019）、地下水潜力测绘（Razavi-Termeh等人，引用2019）和雪崩敏感性（Akay，引用2021），支持了我们的方法在沟蚀制图中的可行性。与主成分分析或多数投票等替代融合方法相比，我们的基于LR和Dempster–Shafer的融合方法明确考虑了变量的重要性，并解决了模型冲突，产生了更稳健和可靠的敏感度地图，适用于土地管理、土壤保护和侵蚀缓解等实际应用。

4.2. 特征重要性分析

特征重要性分析的结果表明，数据级融合（SC2）后地形条件因素的影响略有变化。具体来说，平面曲率和TPI的重要性水平下降，而SPI、TWI和海拔的影响水平有所提高。海拔对GESM预测的影响增加可能是由于SRTM和ASTER之间的差异。然而，坡度、朝向和剖面曲率显示出相同的重要性水平。此外，从单一数据源（第一个数据集）提取的因素，如土壤质地、岩性、土地利用/覆盖类型、距离道路的距离、距离河流的距离和距离断层的距离的重要性水平没有变化。在这些变量中，距离道路的距离对预测沟蚀敏感度的影响最为显著，这一发现与其他研究结果一致（Jaafari等人，引用2022；Soleimanpour等人，引用2021）。原因是道路建设形成的不透水表面导致水分积聚，削弱了地基。加上重型交通，这会导致路面损坏，如车辙和裂缝，从而促进沟蚀的形成（Soleimanpour等人，引用2021）。道路是通过集中地表径流、改变流向和扩大集水区而促进沟蚀发展的关键因素（Jaafari等人，引用2022；Rahmati等人，引用2022）。此外，在第二个数据集中融合的降雨量对预测GESM的影响也没有变化，仍然是第二重要的因素。另一方面，土壤质地在条件因素中的影响最小。其他研究如Zhou等人（引用2021）和Wei等人（引用2022）也得出了同样的结果。由于研究区域主要覆盖着壤土和粉壤土，分别占52.5%和47.2%，并且由于250米的粗糙空间分辨率，土壤质地对沟蚀的影响最小。

5. 结论

本研究提出了一种融合框架，通过将数据级和决策级融合方法整合到机器学习方法中来改进GESM。具体来说，使用LR进行数据级融合以结合多个条件因素，而在决策层使用DST整合RF和XGBoost的模型输出。这种组合融合策略在GESM中尚未得到广泛应用，因此是本研究的关键贡献。四种融合情景的结果表明，数据级和决策级融合显著提高了模型的预测准确性。具体来说，比较情景1（无融合）和情景2（数据级融合）发现，使用LR整合特征可以提高模型性能，这体现在RF和XGBoost的R2和RMSE值都有所提高。尽管RF在训练阶段的性能更好，但XGBoost在某些测试阶段显示出稍好的泛化能力，展示了模型的互补优势。此外，在情景4中应用决策级融合进一步提高了分类性能。曲线下面积（AUC）的结果排序如下：SC4 > SC3，RF-SC2 > RF-SC1，XGBoost-SC2 > XGBoost-SC1，证实了使用DST结合模型输出可以获得更准确的敏感度地图。这些发现突显了使用双级融合框架的价值。数据融合有助于形成更稳健的输入表示，而决策融合则细化了最终预测。在空间预测方面，RF倾向于将更大比例的研究区域分类为高风险，而XGBoost识别出更多非常低风险的区域。这种对比表明，通过融合结合它们的输出可以平衡过度预测和低估的问题。就特征重要性而言，对沟蚀影响最大的因素是距离道路的距离、降雨量和靠近河流的距离，因为它们在集中径流和驱动侵蚀中的作用。相比之下，土壤质地的影响最小，这可能是由于土壤类型均匀和空间分辨率粗糙所致。

从实际应用的角度来看，改进的GESM对土地利用规划、环境管理和侵蚀控制具有重要意义。这些地图为实现可持续发展目标（SDGs）提供了重要支持，特别是SDG 15（陆地生命）、SDG 2（零饥饿）和SDG 13（气候行动）。能够更准确地识别高风险区域使决策者能够优先考虑干预区域，更有效地分配资源，并实施特定的缓解策略，如重新造林、梯田建设或改进排水系统。农业机构、城市规划者和保护组织可以利用这些地图来减少土地退化，保护基础设施，并确保可持续的土地利用实践。

这项研究有几个局限性。首先，手动识别沟蚀位置可能会引入空间不准确性，影响模型性能。未来的研究应使用无人机和实地验证来获取更精确的侵蚀数据。其次，MODIS和CHIRPS数据集的低空间分辨率可能限制了降雨量和NDVI等环境变量的准确性。更高分辨率的商业卫星数据可以解决这一问题。第三，特征选择的缺失可能包含了一些冗余变量；应用这些技术可以提高模型性能和可解释性。最后，使用单一保留方法进行数据分割限制了模型的泛化能力。未来的研究应应用交叉验证并考虑可解释的AI，以更好地支持规划者和决策者的决策。

致谢

这项工作部分得到了ITRC支持计划（Grant IITP-2025-RS-2022-00156354）和Metaverse支持计划（Grant IITP-2025-RS-2023-00254529）的支持，后者由韩国科学与ICT部及信息通信技术规划与评估研究所（IITP）资助。

数据可用性声明

当前研究生成的数据集可在https://github.com/FS-Hosseini/Gully-Erosion-Susceptibility-Mapping.git上获取。