留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

确定性系数与随机森林模型在云南芒市滑坡易发性评价中的应用

郑迎凯 陈建国 王成彬 程潭武

郑迎凯, 陈建国, 王成彬, 程潭武. 确定性系数与随机森林模型在云南芒市滑坡易发性评价中的应用[J]. 地质科技通报, 2020, 39(6): 131-144. doi: 10.19509/j.cnki.dzkq.2020.0616
引用本文: 郑迎凯, 陈建国, 王成彬, 程潭武. 确定性系数与随机森林模型在云南芒市滑坡易发性评价中的应用[J]. 地质科技通报, 2020, 39(6): 131-144. doi: 10.19509/j.cnki.dzkq.2020.0616
Zheng Yingkai, Chen Jianguo, Wang Chengbin, Chen Tanwu. Application of certainty factor and random forests model in landslide susceptibility evaluation in Mangshi City, Yunnan Province[J]. Bulletin of Geological Science and Technology, 2020, 39(6): 131-144. doi: 10.19509/j.cnki.dzkq.2020.0616
Citation: Zheng Yingkai, Chen Jianguo, Wang Chengbin, Chen Tanwu. Application of certainty factor and random forests model in landslide susceptibility evaluation in Mangshi City, Yunnan Province[J]. Bulletin of Geological Science and Technology, 2020, 39(6): 131-144. doi: 10.19509/j.cnki.dzkq.2020.0616

确定性系数与随机森林模型在云南芒市滑坡易发性评价中的应用

doi: 10.19509/j.cnki.dzkq.2020.0616
基金项目: 

国家重点研发计划项目 2017YFC0601500

国家重点研发计划项目 2017YFC0601500

中国地质调查局地质调查项目 2016008121

国土资源部公益性行业科研专项项目 201511079-02

详细信息
    作者简介:

    郑迎凯(1994-), 男, 现正攻读矿产普查与勘探专业硕士学位, 主要从事地学信息处理方面的研究工作。E-mail:zhengyingkai@163.com

    通讯作者:

    陈建国(1964-), 男, 教授, 博士生导师, 主要从事地球探测与信息技术、GIS应用与三维地学建模等方面的教学与科研工作。E-mail:jgchen@cug.edu.cn

  • 中图分类号: P642.22

Application of certainty factor and random forests model in landslide susceptibility evaluation in Mangshi City, Yunnan Province

  • 摘要: 编制科学的滑坡易发性分区图,可以有效降低灾害带来的损失。以云南省芒市为研究区,利用确定性系数模型(certainty factor,简称CF)方法计算各个因子的敏感值,作为随机森林(random forests,简称RF)的分类数据,选取合适的训练数据和最优化的模型参数进行模型预测,从而对研究区进行滑坡易发性评价分区。采用频率比方法将连续性因子离散化,从而通过确定性系数计算因子不同区间的滑坡易发性,同时利用CF先验模型,对研究区负样本进行选取。通过计算袋外误差得到最优化的RF参数,随后利用RF模型对研究区模型进行训练及预测。绘制ROC曲线和三维遥感影像对预测模型结果分别进行定量和定性评价,结果表明,所得到的模型精度为91%,优于随机抽样得到的结果。最后,采用平均基尼不纯度减少和平均准确度下降两种计算方法计算、评价了研究区各个因子的重要性。基于以上对研究区进行的滑坡易发性评价结果,可以为该区灾害风险评估和管理提供依据。

     

  • 图 1  随机森林算法示意图

    Figure 1.  Random forest algorithm

    图 2  研究区地理位置及滑坡点示意图(Landsat 8,真彩色合成)

    Figure 2.  Geographical location and landslide point of the study area

    图 3  连续因子分级曲线

    Figure 3.  Grading curves of continuity factor

    图 4  研究区滑坡影响因子图

    a.岩性;b.地貌;c.坡度;d.坡向;e.高程;f.剖面曲率;g.断层缓冲距;h.道路缓冲距;i.地形起伏度;j.植被覆盖度

    Figure 4.  Landslide influencing factors of the study area

    图 5  基于CF模型的非滑坡点抽样图

    Figure 5.  Non-landslide point sampling based on CF model

    图 6  不同特征数下RF模型的袋外误差(OOB error)分布

    Figure 6.  OOB error distribution of RF models with different characteristics number

    图 7  OOB误差迭代图

    Figure 7.  OOB error iteration

    图 8  基于CF-RF模型预测结果

    a.研究区易发性概率图;b.研究区易发性分级图

    Figure 8.  Prediction results based on CF-RF model

    图 9  ROC曲线结果

    Figure 9.  Results of ROC curve

    图 10  易发区叠加三维遥感影像

    Figure 10.  Stacking 3D remote sensing images in vulnerable areas

    图 11  典型滑坡验证

    Figure 11.  Typical landslide validation

    图 12  各因子重要性分布图

    Figure 12.  Distribution of importance of factors

    表  1  数据类别及特性

    Table  1.   Data categories and features

    数据类型 空间分辨率和比例尺 数据用途
    GF-1 多光谱8 m,全色2 m 对道路进行补充和校正
    Landsat 8 多光谱30 m,全色15 m 通过计算NDVI,计算植被覆盖度
    地形图 1:50 000 生成数字地形高程(digital elevation model,简称DEM),计算坡度、坡向等
    地质图 1:50 000 提取地层岩性
    构造纲要图 1:50 000 提取断层
    地貌图 1:50 000 提取研究区地貌
    下载: 导出CSV

    表  2  各因子离散化结果

    Table  2.   Discretization results of factors

    因子 离散化
    地貌类型 湖积台地地丘地形、火山锥地形、垄背槽谷地形、山间河谷冲积平原、岩溶中山峡谷地形、中山中切割地形、中山中切割陡坡地形、中山中切割垄状地形
    岩性 薄-中层状较坚硬碎屑岩岩组、薄-中层状弱风化碳酸盐岩岩组、薄-中层状较软中等风化碎屑岩岩组、薄层状强风化变质岩岩组、块状较软强风化花岗岩岩组、块状弱风化花岗岩岩组、松散类土体、中厚层状弱风化变质岩岩组、中厚层状坚硬碳酸盐岩岩组
    坡度/(°) [0, 9],(9, 18],(18, 21],(21, 30],(30, 68]
    坡向 北、东北、东、东南、南、西南、西、西北
    高程/m [528,900],(900, 1 200],(1 200, 1 600],(1 600, 2 000],(2 000, 2 865]
    断层缓冲距/m [0, 300],(300, 600],(600, 900],(900, 1 200],(1 200, 1 500],(1 500, +∞]
    道路缓冲距/m [0, 300],(300, 600],(600, 900],(900, 1 200],(1 200, +∞]
    剖面曲率 [-3, -1.5],(-1.5, -0.5],(-0.5, 0],(0, 1],(1, 3]
    植被覆盖度 [0, 0.3],(0.3, 0.5],(0.5, 0.75],(0.75, 0.9],(0.9, 1.0]
    地形起伏度/m [0, 10],(10, 30],(30, 40],(40, 70],(70, 170]
    下载: 导出CSV

    表  3  多重共线性检查

    Table  3.   Multicollinearity check

    因子 坡度 地质构造 岩性 地貌 海拔 坡向 剖面曲率 植被覆盖度 地形起伏度 道路
    容忍度T 0.776 0.934 0.711 0.665 0.743 0.831 0.969 0.810 0.752 0.988
    方差膨胀因子VIF 1.289 1.071 1.407 1.505 1.346 1.204 1.032 1.234 1.331 1.012
    下载: 导出CSV

    表  4  混淆矩阵

    Table  4.   Confusion matrix

    数量/个 预测 分类误差/%
    0 1
    实际 0 316 1 3
    1 15 91 14
    下载: 导出CSV

    表  5  易发性结果分区统计

    Table  5.   Regional statistics of susceptibility results

    易发性等级 滑坡点/个 分级栅格数 分级滑坡比例/% 分级栅格比例/% 滑坡比率
    低易发区 4 141 923 1.13 47.74 0.023 7
    较低易发区 38 64 075 10.76 21.55 0.499 4
    中易发区 95 46 742 26.91 15.72 1.711 6
    较高易发区 99 28 904 28.05 9.72 2.884 5
    高易发区 117 15 639 33.14 5.26 6.300 5
    下载: 导出CSV
  • [1] 刘勇, 秦志萌, 刘曼, 等.基于状态划分的滑坡位移预测方法研究[J].地质科技情报, 2018, 37(1):184-189.
    [2] 王念秦, 王永锋, 罗东海, 等.中国滑坡预测预报研究综述[J].地质论评, 2008, 44(3):355-361.
    [3] 王芳, 殷坤龙, 桂蕾, 等.不同日降雨工况下万州区滑坡灾害危险性分析[J].地质科技情报, 2018, 37(1):190-195.
    [4] 杜谦, 范文, 李凯, 等.二元Logistic回归和信息量模型在地质灾害分区中的应用[J].灾害学, 2017, 32(2):220-226. http://d.wanfangdata.com.cn/Periodical/zhx201702039
    [5] Pawluszek K, Borkowski A.Impact of DEM-derived factors and analytical hierarchy process on landslide susceptibility mapping in the region of Roznow Lake, Poland[J].Natural Hazards, 2017, 86(2):919-952. doi: 10.1007/s11069-016-2725-y
    [6] Hong H, Pradhan B, Sameen M I, et al.Improving the accuracy of landslide susceptibility model using a novel region-partitioning approach[J].Landslides, 2018, 15(4):753-772. doi: 10.1007/s10346-017-0906-8
    [7] 王卫东, 钟晟.基于GIS的Logistic回归模型在地质灾害危险性区划中的应用[J].工程勘察, 2009, 37(11):5-10. http://www.cnki.com.cn/Article/CJFDTotal-GCKC200911003.htm
    [8] Patriche C V, Pirnau R, Grozavu A, et al.A comparative analysis of binary logistic regression and analytical hierarchy process for landslide susceptibility assessment in the Dobrovat River Basin, Romania[J].Pedosphere, 2016, 26(3):335-350. doi: 10.1016/S1002-0160(15)60047-9
    [9] Chen W, Xie X, Peng J, et al.GIS-based landslide susceptibility modelling:A comparative assessment of kernel logistic regression, Naive-Bayes tree, and alternating decision tree models[J].Geomatics Natural Hazards & Risk, 2017, 8(2):950-973.
    [10] 安凯强, 牛瑞卿.信息量支持下SVM模型滑坡灾害易发性评价[J].长江科学院院报, 2016, 33(8):47-51. http://d.wanfangdata.com.cn/Periodical/cjkxyyb201608011
    [11] 郭天颂, 张菊清, 韩煜, 等.基于粒子群优化支持向量机的延长县滑坡易发性评价[J].地质科技情报, 2019, 38(3):236-243. http://www.cqvip.com/QK/93477A/20193/7002215554.html
    [12] 李远远, 梅红波, 任晓杰, 等.基于确定性系数和支持向量机的地质灾害易发性评价[J].地球信息科学学报, 2018, 20(12):1699-1709.
    [13] 田春山, 刘希林, 汪佳.基于CF和Logistic回归模型的广东省地质灾害易发性评价[J].水文地质工程地质, 2016, 43(6):154-161. http://www.cqvip.com/QK/90596X/20166/670705557.html
    [14] Breiman L.Random forests[J].Machine Learning, 2001, 45(1):5-32.
    [15] Verikas A, Gelzinis A, Bacauskiene M.Mining data with random forests:A survey and results of new tests[J].Pattern Recognition, 2011, 44(2):330-349. doi: 10.1016/j.patcog.2010.08.011
    [16] 方匡南, 吴见彬, 朱建平, 等.随机森林方法研究综述[J].统计与信息论坛, 2011, 26(3):32-38. http://www.cnki.com.cn/Article/CJFDTotal-TJLT201103007.htm
    [17] 马海荣, 程新文.一种处理非平衡数据集的优化随机森林分类方法[J].微电子学与计算机, 2018, 35(11):28-32. http://d.old.wanfangdata.com.cn/Periodical_wdzxyjsj201811006.aspx
    [18] Ling P, Niu R, Bo H, et al.Landslide susceptibility mapping based on rough set theory and support vector machines:A case of the Three Gorges area, China[J].Geomorphology, 2014, 204(1):287-301.
    [19] 于宪煜, 胡友健, 牛瑞卿.基于RS-SVM模型的滑坡易发性评价因子选择方法研究[J].地理与地理信息科学, 2016, 32(3):23-28. http://www.cqvip.com/QK/92655A/201603/668985173.html
    [20] Behnia P, Blais-Stevens A.Landslide susceptibility modelling using the quantitative random forest method along the northern portion of the Yukon Alaska Highway Corridor, Canada[J].Natural Hazards, 2018, 90(1):1-20. doi: 10.1007/s11069-017-3105-y
    [21] 戴福初, 姚鑫, 谭国焕.滑坡灾害空间预测支持向量机模型及其应用[J].地学前缘, 2007, 14(6):153-159.
    [22] Shortliffe E H, Davis R, Axline S G, et al.Computer-based consultations in clinical therapeutics:explanation and rule acquisition capabilities of the MYCIN system.[J].Computers and Biomedical Research, 1975, 8(4):303-320. doi: 10.1016/0010-4809(75)90009-9
    [23] Heckerman D.Probabilistic interpretations for MYCIN's Certainty Factors[M].:, 1990.
    [24] 武晓岩, 李康.基因表达数据判别分析的随机森林方法[J].中国卫生统计, 2006, 23(6):491-494. http://d.wanfangdata.com.cn/Periodical/zgwstj200606004
    [25] 李亭, 田原, 邬伦, 等.基于随机森林方法的滑坡灾害危险性区划[J].地理与地理信息科学, 2014, 30(6):25-30. http://www.cqvip.com/QK/92655A/20146/663026138.html
    [26] 王奕森, 夏树涛.集成学习之随机森林算法综述[J].信息通信技术, 2018, 12(1):49-55.
    [27] 王佳佳, 殷坤龙, 肖莉丽.基于GIS和信息量的滑坡灾害易发性评价:以三峡库区万州区为例[J].岩石力学与工程学报, 2014, 33(4):797-808.
    [28] 张俊, 殷坤龙, 王佳佳, 等.三峡库区万州区滑坡灾害易发性评价研究[J].岩石力学与工程学报, 2016, 35(2):284-296.
    [29] 罗盛锋, 刘永丽, 巩时源.基于TM影像的焦作市植被覆盖度时空动态监测[J].河南农业科学, 2015, 44(4):177-180. http://www.cqvip.com/QK/93996X/20154/664855823.html
    [30] 武雪玲, 任福, 牛瑞卿.多源数据支持下的三峡库区滑坡灾害空间智能预测[J].武汉大学学报:信息科学版, 2013, 38(8):963-968. http://d.wanfangdata.com.cn/Periodical/whchkjdxxb201308018
    [31] Liu X, Wu J, Zhou Z.Exploratory undersampling for class-imbalance learning[J].IEEE Transactions on Systems Man and Cybernetics Part B-cybernetics, 2009, 39(2):539-550. doi: 10.1109/TSMCB.2008.2007853
    [32] 高惠璇.处理多元线性回归中自变量共线性的几种方法:SAS/STAT软件(6.12)中REG等过程增强功能的使用[J].数理统计与管理, 2000, 19(5):49-55.
    [33] Tzeng C H.A mathematical formulation of uncertain information[J].Annals of Mathematics & Artificial Intelligence, 1991, 4(1/2):69-87.
    [34] Chen W, Chai H, Zhao Z, et al.Landslide susceptibility mapping based on GIS and support vector machine models for the Qianyang County, China[J].Environmental Earth Sciences, 2016, 75(6):1-13.
    [35] Myronidis D, Papageorgiou C, Theophanous S.Landslide susceptibility mapping based on landslide history and analytic hierarchy process (AHP)[J].Natural Hazards, 2016, 81(1):1-19. doi: 10.1007/s11069-015-2063-5
    [36] 黄发明.基于3S和人工智能的滑坡位移预测与易发性评价[D].武汉: 中国地质大学(武汉), 2017.
    [37] 武雪玲, 任福, 牛瑞卿, 等.斜坡单元支持下的滑坡易发性评价支持向量机模型[J].武汉大学学报:信息科学版, 2013, 38(12):1499-1503.
    [38] Pourghasemi H R, Kerle N.Random forests and evidential belief function-based landslide susceptibility assessment in Western Mazandaran Province, Iran[J].Environmental Earth Sciences, 2016, 75:1851-18517.
  • 加载中
图(12) / 表(5)
计量
  • 文章访问数:  1033
  • PDF下载量:  3836
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-24

目录

    /

    返回文章
    返回