基于PS-InSAR变形强度的滑坡易发性动态制图

该研究成果发表在国际期刊 Environmental Science and Pollution Research 上，详细内容见：Bijing Jin, Taorui Zeng, Kunlong Yin, Lei Gui*, Zizheng Guo, Tengfei Wang 2024. Dynamic landslide susceptibility mapping based on the PS-InSAR deformation intensity. Environmental Science and Pollution Research [J].

原文链接：https://doi.org/10.1007/s11356-023-31688-x

【研究概述】

中国地质大学（武汉）的Gui Lei等人以三峡库区的万州航道（图1）为实验地点，进行了两个阶段的新研究。(1) 使用五个机器学习模型 logistic 回归 (LR)、多层感知神经网络 (MLPNN)、支持向量机 (SVM)、随机森林 (RF) 和决策树 (DT) 基于详细的滑坡边界，探讨了滑坡易发性分布。(2) 基于 PS-InSAR 技术，获得了变形强度的动态因素。随后，将动态因素与提出的静态因素（地形条件、地质条件、水文条件和人类活动）结合起来生成动态滑坡易发性图（DLSM）。使用ROC曲线、准确度、精确度、召回率和 F1 分数作为评估指标。与忽略动态因素相比，考虑动态因素时某些模型的预测准确性进一步提高。特别是 DT 模型，ROC 曲线下的面积 (AUC) 值提高了 2%，并获得了最高的 AUC 值（93.1%）。表明引入动态因素的易发性结果更符合实际滑坡的空间分布。

图 1. 研究区域的地理位置和滑坡分布

【研究方法】

该研究的主要目标是利用来自InSAR的精确且长期的变形强度动态因素，然后生成动态滑坡易发性图（DLSM）。所提出的方法（图2）包括五个主要步骤：（1）收集有关历史滑坡点、地形、地层岩性等信息；（2）利用PS-InSAR技术基于地表变形强度获得动态因素；（3）结合收集的静态因素并分析所有条件因素的多重共线性和频率比（FR）；（4）结合静态和动态因素来训练模型，基于选择的五个机器学习模型；（5）使用训练好的模型生成DLSM结果并评估建模性能。

图 2. 研究方案流程图

【研究结果】

基于研究区获得的动静态因子，对5种机器学习算法进行进一步组合，最终生成DLSM结果。然后，利用ROC曲线下的AUC值比较不同机器学习模型对滑坡易发性预测的准确性，五种机器学习模型的AUC结果（分别是在考虑了动态因素和没考虑动态因素下的）如图3所示。根据AUC值，可以发现机器学习模型：LR、MLPNN、SVM和RF具有优异的性能，而DT模型取得了最优的评估结果。同时，与忽略动态因素相比，RF和MLPNN模型中动态因素的建模结果都有所改善。其中，在考虑动态因素的情况下，DT模型的AUC增加了2%。模型的准确率、精确度、召回率和F1得分均高于0.5，表明滑坡易发性评估模型具有较好的准确率和预测能力，可用于滑坡易发性制图研究。

图 3. 五种机器学习模型的AUC结果，左图考虑了动态因素，右图忽略了动态因素

对于具有滑坡边界的区域，统计值是评估模型性能的另一种有效方法。在滑坡易发性指数分类中，自然断点法应用广泛，能较好地满足易发性结果的分类。因此，在采用自然断点法对易发性结果进行分级后，进一步采用统计方法对滑坡分布进行分析。图4显示了考虑和忽略动态因素的各易发性等级的滑坡比例和FR。

图 4. 各易发等级的滑坡比例和FR值，a考虑动态因素，b忽略动态因素

考虑动态因素的DT模型具有最佳的模型性能。因此，利用DT模型的结果制作了最终的易发性图（图5）。可以看出，研究区滑坡高和极高易发等级主要分布在长江两岸及其支流附近。考虑动态因素的滑坡易发性结果比忽略动态因素的滑坡易发性结果具有更真实的空间分布，且与极高等级的现有滑坡边界吻合较好。高易发和极高易发的滑坡表现出聚集特征。在InSAR变形结果中，变形严重的人类活动区域，普遍分布在滑坡易发性低和极低的水平上，说明InSAR变形结果的分类是有效的，且与实际情况相符。

图 5. DT模型滑坡易发性图a考虑动态因素，b忽略动态因素，c极高易发区Waziping滑坡变形破坏

【研究结论】

该研究提出了一种新的动态易发性耦合模型，利用PS-InSAR技术识别的地表变形强度作为滑坡易发性建模的动态因素。并将其应用于万州航道。结果表明，基于详细的滑坡边界数据，可以有效评估易发性结果。此外，引入动态因素后，DT模型在空间预测准确性和整体准确性方面表现最佳，易发性空间等级分布更符合实际情况。这突显了在构建合理模型时动态因素的重要性，并为未来研究提供了重要的参考价值。

虽然使用InSAR数据已被证明可以提高滑坡易发性的准确性，使结果更符合实际情况。但该研究也承认存在一些局限性，例如，对于InSAR技术，由于植被等因素，一些滑坡可能没有足够数量的连续散射点，难以识别滑坡的变形区域。然而，对于那些变形较大、易发性水平较高的滑坡，可以通过现场调查进一步进行区分。总之，该研究是对动态易发性建模的初步探索，仍有进一步改进和深入研究的空间。

来源： 复合链生自然灾害

转自：“测绘学术资讯”微信公众号

如有侵权，请联系本站删除！