研究背景与目的
滑坡灾害突发性强、分布范围广，对当地基础设施、生态环境和居民生命财产安全造成了巨大威胁。我国西部山区地形起伏较大、地质构造活跃、季节性降雨集中，滑坡灾害频发。国家减灾委员发布的《"十四五"国家综合防灾减灾规划》中提到，我国亟需提高灾害风险管理水平，提升防灾减灾科技支撑能力。
滑坡易发性评价是地质灾害风险防治的重要组成部分，通过准确、可靠的评价技术，识别滑坡高易发性区域，可为防灾减灾工作提供科学依据。目前，滑坡易发性评价理论方法主要分成知识驱动和数据驱动。
研究目的：本文提出一种将统计方法、机器学习模型和聚类算法结合的滑坡易发性综合评价方法。选用众多学者使用较多的IV、CF和FR统计方法，分别与RF进行结合，引入ISO聚类分级方法，得到3种耦合模型（IV-RF-ISO、CF-RF-ISO、FR-RF-ISO），并与自然断点法和Kmeans聚类进行对比，探究不同聚类方法对易发性评价结果的影响。
研究方法分类
知识驱动法
基于专家经验的主观判断和定性分析评价方法
数据驱动法
基于统计分析和机器学习等技术，从大量数据中挖掘滑坡发生的规律
集成模型
将统计方法与机器学习模型结合，创建混合评价模型
研究方法
技术路线
图1 耦合统计方法、机器学习模型与聚类算法的滑坡易发性评价技术路线
首先，在研究区内初选13种易发性评价指标并分级，通过皮尔逊相关性系数法对初选指标进行相关性检验，剔除强相关性因子，建立滑坡易发性评价指标体系。其次，将研究区376个滑坡点作为正样本，在滑坡点一公里缓冲区外选取376个随机点作为负样本，选取70%样本点作为训练样本，30%样本点作为验证样本，提取各影响因子的IV、CF和FR值，在R软件中构建RF滑坡易发性评价模型，对研究区1 865 178个格网进行预测，得到基于IV-RF、CF-RF和FR-RF 3种集成模型的宁南县滑坡易发性结果，再通过绘制ROC曲线使用准确率、精确率、召回率和F1分数对模型预测性能进行精度验证。最后，使用ISO聚类、自然断点法和Kmeans聚类对易发性进行分级，使用SCAI指数评估耦合模型的分级效果。
统计方法
- 信息量法(IV)：以信息论为基础计算研究区内影响滑坡的各因子信息量值
- 确定性系数法(CF)：根据滑坡点数据计算不同指标因子状态下滑坡发生的先验概率
- 频率比法(FR)：计算评价因子对滑坡发生的相对影响程度
随机森林模型(RF)
一种集成学习模型，由多个分类与回归树（CART）组成，可以应对高维数据和大量特征的情况，能够评估特征的重要性，具有良好的泛化能力和鲁棒性。
聚类算法
- K-means聚类：将数据集划分为K个不同的簇
- ISO聚类：基于自组织数据分析技术的聚类方法
- 自然断点法：根据数据分布特点进行分类
精度评价
混淆矩阵指标
- 准确率(Accuracy)：正确预测的样本比例
- 精确率(Precision)：正确预测的滑坡样本占所有预测为滑坡样本的比例
- 召回率(Recall)：正确预测的滑坡样本占所有实际滑坡样本的比例
- F1分数：精确率和召回率的调和平均值
其他评价指标
- ROC曲线：评价模型的分类性能
- AUC值：ROC曲线下的面积，值越大模型性能越好
- 种子单元面积指数(SCAI)：评估滑坡灾害易发性评价精度
研究区概况
宁南县地处于四川省西南部，位于102°27′44″E—102°55′09″E，26°50′12″N—27°18′34″N之间，总面积为1 670 km²，地形以山地为主，海拔高度531~3 865 m。气候类型为亚热带季风气候，季节干湿明显，年均降雨量约为1 074 mm。
宁南县地质环境十分复杂，地形地貌条件多变，地处于横断山东北部和青藏高原东南边缘，地势特点为两山夹一槽，地势西北高、东南低，沟壑纵横，崇山峻岭连绵不断。
研究区内断裂带主要包括则木河断裂、宁南-会理断裂、大桥河断裂、迴龙弯断裂等。宁南县2022年地质灾害普适型项目调查结果显示，宁南县地质灾害以滑坡为主，自然和人为因素导致的滑坡地质灾害隐患点高达376处。
图2 宁南县地理概况
评价指标体系
本文以30 m×30 m的栅格作为基础评价单元，从以下五个方面选取了13个滑坡影响因子：
地质环境
地层、断裂带
地形地貌
高程、坡度、坡向、剖面曲率、平面曲率
气象水文
年降水量、距水系距离
植被土壤
NDVI、土壤质地
人类工程活动
距道路距离、土地利用
对于连续性因子距道路距离、距水系距离、距断层距离、高程按等间距进行分级，离散型因子按实际状态分级，其余因子按自然断点法分级。
研究结果
在进行滑坡易发性评价时，需考虑滑坡影响因子之间的相关性，影响因子的相关性过强时会造成数据的冗余，从而对评价模型的准确性造成影响。本文使用皮尔逊相关性系数(r)确定影响因子之间的相关程度，r的取值在-1~1之间，r的绝对值越接近1，影响因子的相关性越强；若r的绝对值大于0.5，表明影响因子具有强相关性。
图3 相关性系数矩阵
相关系数计算结果显示，平面曲率和坡度的相关性系数为0.54，具有较强相关性，故在后续滑坡易发性建模过程中剔除平面曲率。
结果分析：统计方法耦合随机森林后的评价精度各方面表现均优于单一模型，准确率和F1分数均大于0.85，AUC值均大于0.9，表明3种集成模型具有良好的拟合精度和预测性能，均有效的评价了宁南县滑坡易发性。且IV模型和CF模型的精确率明显小于召回率，即预测正确的非滑坡样本比例明显小于预测正确的滑坡样本比例，说明模型对非滑坡样本进行了较多的错误分类，此情况在耦合随机森林模型后，得到较好解决。3种集成模型的准确率、F1分数和AUC值的大小排序均为FR-RF>IV-RF>CF-RF，其中FR-RF模型表现最优，其准确率、F1分数和AUC值分别为0.911、0.912和0.965，较单一模型分别提升了0.095、0.096和0.074。
结论
- 集成模型性能优势： IV-RF、CF-RF和FR-RF 3种集成模型性能均优于单一模型，其准确率和F1分数均大于0.85，AUC值均大于0.9，集成模型较好的解决了IV模型和CF模型对非滑坡样本进行了较多的错误分类问题。3种集成模型的综合性能排序为FR-RF>IV-RF>CF-RF，FR-RF模型预测效果最优，其准确率、F1分数和AUC值分别为0.911、0.912和0.965，较单一模型分别提升了0.095、0.096和0.074。
- 聚类算法优势： ISO聚类法的高低易发区SCAI值的比值更大，差异更为显著，综合分级效果优于自然断点法和Kmeans聚类法，其中FR-RF-ISO模型分级效果最好。
- 空间分布特征： IV-RF-ISO、CF-RF-ISO和FR-RF-ISO模型的评价结果在空间分布上大体类似，极高和高易发性区域主要集中在宁南县南部、东部和中部部分区域。评价结果可以为当地滑坡防治和灾害管理提供科学依据。
讨论
不确定性分析
集成模型由统计方法和机器学习模型耦合构成，统计方法能够定量计算影响因子对滑坡易发性的空间影响，将其作为机器学习模型的输入条件。不同统计方法中，CF比IV和FR预测精度更高（AUC=0.895），更能反映影响因子对滑坡发育的空间信息差异。
自然断点法是使用最多的易发性分级方法，它基于数据的分布特点，将数据按照自然分界点分成不同的组，本研究中SCAI值结果显示，它的分级效果具有较好的精度。ISO聚类算法表现出最优秀的分级能力，SCAI值的高低易发性等级差异最显著。
研究存在的问题及展望
由于滑坡的演化机制复杂，影响滑坡的因素众多，相关数据获取困难，本文所使用的易发性评价指标可能并不全面，后期可考虑气象、地下水、岩性、气温、地震等因子，建立更全面的指标体系，提高评价结果准确性。
未来的研究可以考虑引入更多种类的统计方法、聚类方法和机器学习模型，如证据权法、信息熵、回归模型、支持向量机、深度学习、期望最大化（EM）聚类、高斯混合模型（GMM）聚类等，开展相关模型对比研究。