Page 195 - 《武汉大学学报（信息科学版）》2025年第6期
P. 195

第 50 卷第 6 期         陈学业等：结合 SBAS-InSAR 技术与深度神经网络的滑坡早期识别                              1217


                最大坡度方向向下运动。因此，需要将最大坡度                           单元的起伏程度，对斜坡应力分布、地表水径流
                向形变速率为正值的部分剔除。                                  与冲刷、地下水、松散物质堆积、人类工程活动等
                    此外，当斜坡最大坡度向与卫星视线向接近                         都有不同程度的影响，进而影响斜坡稳定性。坡
                垂直时，C 的绝对值会很小，即使斜坡的变形较                          长的大小对周围环境的水土流失、土壤侵蚀等会
                大，在视线方向测得的变形值也非常小。综合考                           产生影响；曲率则反映了斜坡的凹凸形态；斜坡
                虑三峡库区过往的研究经验以及秭归县的实际                            形态则对分析斜坡稳定性条件和滑坡的产生条
                情 况，提出将 C 的阈值定为 0.5：当 C 值取［− 0.5，0）             件具有重要作用。工程岩组的不同会影响岩土
                时，取 C=−0.5；当 C 值取［0，0.5］时，取 C=0.5。              体的强度、结构、胶结状态，造成风化、构造等节
                                                                理的差异；断层不仅会破坏斜坡体的稳定性，也
                3 滑坡早期识别结果                                      为滑坡的发育提供了条件；石漠化会导致土壤层
                                                                薄弱，水土流失加剧；斜坡结构类型不同会导致
                3.1 滑坡易发性评价指标体系
                                                                滑坡规模和强度存在差异。河流水系对沿岸具
                    滑坡灾害的发生与其所处的地质环境条件
                                                                有侵蚀作用，破坏坡脚，影响坡体稳定；TWI 综合
                有着密不可分的联系，且这种联系是十分复杂的
                                                                考虑了地形和土壤特性对土壤水分分布的影响；
                非线性关联     ［36］ 。通过阅读大量文献再结合秭归
                                                                SPI 则能反映坡脚侵蚀和河流下切作用。不同土
                县地质灾害发育的基本规律，初步筛选出 16 个评
                                                                地利用类型可以代表人类工程活动的强弱差异；
                价因子，包括 6 个地形地貌因子（坡度、坡长、曲
                                                                NDVI 表征植被覆盖情况，植被通过根系可以提
                率、斜坡形态、地表粗糙度、地形起伏度）、4 个地
                                                                高斜坡的抗剪强度，叶片蒸腾作用同时可以促进
                质 构 造 因 子（工 程 岩 组 、距 断 层 距 离 、石 漠 化 演
                                                                地下水排泄，具有固土护坡的功效；道路建设会
                变、斜坡结构类型）、3 个水文因子（距水系距离、
                                                                直接改变坡体形态，从而影响稳定性。
                地 形 湿 度 指 数（topographic  wetness  index，
                                                                3.2 滑坡易发性评价结果
                TWI）、河 流 强 度 指 数（stream  power  index，
                                                                    选取经相关性分析后的 14 个滑坡致灾因素
                SPI））、3 个土地利用因子（土地利用类型、NDVI、
                                                                构建滑坡易发性评价指标体系。鉴于所用数据
                距道路距离）。
                                                                的分辨率大多为 30 m，故以 30 m 的栅格单元作
                    评价因子之间的相关性使得评价因子出现
                                                                为评价单元。在此基础上，研究选取 1 100 个滑
                数据的冗余，降低模型评价的精度，所以在建立
                                                                坡样本点和 5 500 个非滑坡样本点作为数据集，
                模型之前需要对因子进行指标相关性分析。皮
                                                                并划分为训练集（70%）与测试集（30%）。由于
                尔逊积矩相关系数是一种度量两个变量之间关
                                                                滑坡的正负样本点数量差距较大，故而采用合成
                系接近程度的统计方法，可用于给定空间环境中
                                                                少 数 类 过 采 样（synthetic  minority  over-sampling
                两个变量之间的空间相关性             ［37］ ，进而对变量之间
                                                                technique，SMOTE）、汤姆克链接欠采样（Tomek
                的关系提供客观的解释。皮尔逊积矩相关系数
                                                                Link）和 SMOTETomek 综 合 采 样 3 种 方 法 对 训
                的计算公式为：
                                                                练集的数据进行平衡处理，结果如表 2 所示。
                                        )
                               n
                              ∑( X i - X (Y i - Y ˉ )               使 用 CNN、MLP 和 LSTM 3 种 深 度 神 经 网
                                       ˉ
                      r =     i = 1                    （12）
                            n             n                     络模型对采样后的训练集进行训练，以开展滑坡
                                      2
                           ∑( X i - X ˉ ) ∑(Y i - Y ˉ )  2      易发性评价。需要说明的是，为确保结果的可重
                           i = 1         i = 1
                                            ˉ
                                        ˉ
                式中，X 和 Y 为评价指标；X 和 Y 分别为 n 个指标                  复性以及同一数据平衡方法之间不同神经网络
                的平均值。相关系数 r 的取值介于−1 和+1 之                       模型的可比性，研究在随机选取时均设置了相同
                间，其绝对值越大，表明两者相关程度越高。                            的随机种子参数（2 024）。各模型精度评定指标
                    各评价因子相关性如图 6 所示，地形起伏度和                      的结果如表 3 所示。
                地表粗糙度两个评价指标与坡度之间的 r 值分别达                            综 合 考 虑 各 精 度 评 价 指 标 ，MLP-Tomek
                到了 0.63 和 0.66，存在较强的相关性，又因坡度是                   Link 联合模型在准确率、精确率、F1 分数、真负率
                滑坡易发性评价中重要的地形地貌指标，因此，去                          指标上都达到了各模型中最大值，且 ROC 值达到
                除地形起伏度和地表粗糙度两个评价指标，用剩余                          了 80%。因此，MLP-Tomek Link 联合模型为滑
                的 14 个因子进行后续滑坡易发性评价。                            坡易发性评价的最佳模型，其评价结果按照自然
                    在上述 14 个评价因子中，坡度能反映出地表                      断 点 法 分 为 极 低 易 发 区 、低 易 发 区 、中 易 发 区 、
   190   191   192   193   194   195   196   197   198   199   200