基于地理信息相似度的负样本...在泥石流易发性评价中的应用_刘国栋.pdf

书书书Journal of Engineering Geology工程地质学报10049665/2023/31(2)-0526-12刘国栋，秦胜伍，孟凡奇，等 2023 基于地理信息相似度的负样本采样策略在泥石流易发性评价中的应用J 工程地质学报，31(2):526537 doi:1013544/jcnkijeg20220317Liu Guodong，Qin Shengwu，Meng Fanqi，et al 2023 Application of geographic information similarity based absence sampling method to debris flow sus-ceptibility mappingJ Journal of Engineering Geology，31(2):526537 doi:1013544/jcnkijeg20220317基于地理信息相似度的负样本采样策略在泥石流易发性评价中的应用*刘国栋秦胜伍孟凡奇高峰熊良文潘宏宇姚靖宇乔双双(吉林大学建设工程学院，长春 130026，中国)(山东省国土空间生态修复中心，济南 250014，中国)(自然资源部黄河三角洲土地利用安全野外科学观测研究站，济南 250014，中国)摘要本文以吉林省永吉县为研究区，结合历史资料与现场实际情况，研究了基于地理信息相似度的负样本采样策略在泥石流易发性评价中的应用，并探索了不同取值范围下选取的负样本对最终易发性评价结果的影响。本次研究选取了高程、坡度、坡向、平面曲率、剖面曲率、年平均降水量、归一化植被指数、地形湿度指数、断层密度、道路密度、水系密度、人口密度、土地利用类型、岩土体类型等 14 个因子，依离散型与连续型两种分类采用不同方法计算单因子相似度，综合获得全区地理信息相似度后按其不同阈值进行负样本采样，并以支持向量机模型为基础模型，采用受试者工作特征曲线、正样本准确率和预报效率曲线 3 种评价方法进行了评价。结果显示:当负样本的地理信息相似度值逐渐增大时，模型精度和正样本准确率逐步降低，预报效率先增后降，易发程度由高估向低估变化;在地理信息相似度取值范围 00.5 内选取的负样本兼顾了模型准确性与土地利用价值，并具有最高的预测效率，是一种优秀的负样本取样策略。本次研究结果与实际较为相近，基于地理信息相似度的负样本采样策略有效提升了负样本质量，提高了预测效率，合理平衡了易发区划分与土地利用的矛盾，可为研究区防灾政策的制订、区域防灾的土地规划提供依据，也为区域泥石流易发性评价提供了一种新的思路。关键词泥石流;易发性评价;负样本采样;地理信息相似度中图分类号:P642.23文献标识码:Adoi:1013544/jcnkijeg20220317*收稿日期:20220611;修回日期:20221212基金项目:国家自然科学基金(资助号:41977221)This research is supported by the National Natural Science Foundation of China(Grant No 41977221)第一作者简介:刘国栋(1995)，男，硕士生，主要从事地质灾害防治研究 E-mail:liugd20 mailsjlueducn通讯作者简介:秦胜伍(1980)，男，博士，教授，博士生导师，主要从事工程地质、地质灾害治理方面研究与教学工作 E-mail:qinsw jlueducnAPPLICATION OF GEOGAPHIC INFOMATION SIMILAITY BASEDABSENCE SAMPLING METHOD TO DEBIS FLOW SUSCEPTIBILITYMAPPINGLIU GuodongQIN ShengwuMENG FanqiGAO FengXIONG LiangwenPAN HongyuYAO JingyuQIAO Shuangshuang(College of Construction Engineering，Jilin University，Changchun 130026，China)(Shandong Provincial Territorial Spatial Ecological estoration Center，Ji nan 250014，China)(Yellow iver Delta Land Use Security Field Scientific Observation and esearch Station，Ministry of Natural esources，Ji nan 250014，China)AbstractTaking Yongji County of Jilin Province as a study area，we investigated the application of the geographicinformation similarity based absence sample sampling method to debris flow susceptibility mapping，and exploredthe influence of the selected negative samples under different value ranges on the final susceptibility mapping re-sults We selected 14 factors including elevation，slope，aspect，plane curvature，profile curvature，mean annualprecipitation，normalized difference vegetation index，topographic wetness index，fault density，road density，watersystem density，population density，land-use，and geotechnical type Then，we used different methods to calculatesingle-factor similarity based on two classifications:discrete and continuous After synthetically obtaining the region-wide geographical information similarity，we sampled negative samples according to their different thresholds Sub-sequently，we chose the support vector machine model as the base model，and three methods(OC，positive sampleaccuracy and forecast efficiency curves)as evaluate system The results show that:Firstly，the geographical infor-mation similarity based absence sample sampling method can effectively improve the quality of negative samplesSecondly，when the value of geographical information similarity of negative samples gradually increases，the modelaccuracy and positive sample accuracy gradually decrease，the forecast efficiency first increases and then decreasesAt last，the negative sample selected within the geographic information similarity range of 0 to 0.5 balances modelaccuracy with land-use value and has the highest predictive efficiency，making it an excellent negative sample sam-pling strategy The sampling strategy of negative samples based on the similarity of geographical information effec-tively improves the quality of negative samples，enhances the prediction efficiency，reasonably balances the contra-diction between the division of susceptibility zones and land-use，and provides a new way of thinking on the evalua-tion of regional debris flow susceptibilityKey wordsDebris flow;Susceptibility assessment;Negative samples sampling;Geographic information similarity0引言随着全球气候变化与人类加剧对山区的开发建设，泥石流灾害的发生频率与日俱增，对人类的影响也愈加严重(陈荟竹等，2018)。泥石流往往具有突发性，这使得常规的手段难以准确判断其发生的空间位置，而泥石流易发性评价作为一种区域性的易发性预测手段，对防灾减灾工作显得尤为重要。自 20 世纪 70 年代以来，学者们对泥石流进行了系统研究。在泥石流易发性评价方向，总体上可划分为经验方法和数据驱动方法两个阶段。早期受各种条件的限制，易发性评价以经验方法(张文等，2010)、模糊推理系统(杨晨晨等，2020)为主，其主要是以专家的知识与历史经验为基础来判断泥石流易发程度。但这种方法主观性强，准确性难以保证。而数据驱动方法(Zezere et al，2017)作为一种定量分析方法在逐步发展起来。此方法主要是从已发生的泥石流样本中来获取泥石流易发性 影响因素关系，从而建立线性或非线性模型来预测研究区内未知区域的泥石流易发性。数据驱动方法种类繁多，如信息量法(张以晨等，2018)和频率比法(仉义星等，2019)等。近年来，随着人工智能技术及其硬件支持条件的发展，机器学习凭借其强大的非线72531(2)刘国栋等:基于地理信息相似度的负样本采样策略在泥石流易发性评价中的应用性建模能力受到专家学者的青睐，各种机器学习模型被广泛应用于泥石流易发性的评价中，如逻辑回归(于淼等，2021)、随机森林(高泽民等，2021)、人工神经网络(付锦涛，2020)、支持向量机(Xiong etal，2020)、深度学习(Chen et al，2020)以及各类耦合模型等。整体来看，数据驱动模型在一定程度上克服了经验方法的主观局限，可以更好地挖掘泥石流易发性与其影响因子之间的关系，为泥石流的易发性评价提供了新思路。无论使用哪种数据驱动方法，均需使用样本来训练模型。目前按照使用样本的类别可分为两类:一是仅使用泥石流样本点(以下简称“正样本”)的单分类方法，如单分类支持向量机(Mohammady etal，2012)等。另一种是使用泥石流样本点和非泥石流样本