《ISPRS International Journal of Geo-Information》:A GIS-Based Approach to Analyzing Traffic Accidents and Their Spatial and Temporal Distribution: A Case Study of the Antalya City Center
编辑推荐:
本研究系统评估了相关性分析、方差膨胀因子(VIF)和信息增益(IG)三种特征选择方法对加权叠加(WO)、多元线性回归(MLR)和逻辑回归(LR)三种传统滑坡敏感性模型性能的影响。研究发现,逻辑回归(LR)结合相关性分析在统计性能上最优(AUC-ROC达75.48%),而加权叠加(WO)与VIF结合则展现出最高的滑坡识别率(召回率达90.18%)。研究为不同应用目标(如区域规划、应急预警)下的模型选择提供了实用指南,并强调了统计优化与物理可解释性之间的权衡。
1. 引言
滑坡是全球最具破坏性的地质灾害之一,在陡峭地形、不稳定土壤和强降水地区造成重大生命财产损失和生态破坏。滑坡的发生很少归因于单一因素,而是地质构造、地形梯度和环境因素(如强降雨和人为活动)复杂相互作用的结果。滑坡敏感性制图(Landslide Susceptibility Mapping, LSM)是灾害风险削减的关键工具,侧重于基于地形条件的滑坡空间发生可能性。该领域已从可解释的传统模型(如加权叠加-WO、多元线性回归-MLR、逻辑回归-LR)发展到先进的机器学习技术。然而,传统模型因其可解释性和易于实施而在业务应用中仍高度相关。这些模型通过分析高程、坡度、降雨和地质等多种致灾因素的影响来预测敏感性,但其有效性常因对复杂非线性关系的过度简化以及更关键的多重共线性(即如高程、坡度和坡向等因素间的强统计互相关)而受到损害。多重共线性会增加模型变异性、降低可解释性,并可能导致不准确的敏感性图。
本研究旨在通过将特征选择作为关键的预处理步骤来解决传统模型的局限性。研究采用了三种公认的特征选择技术:相关性分析、方差膨胀因子(VIF)和信息增益(IG)。每种方法都发挥独特作用:相关性分析确定变量对之间的线性关系,VIF直接帮助量化多重共线性程度,而IG通过熵减少按预测能力对特征进行排序。与以往研究通常仅在不同背景下使用一两种此类方法不同,本研究特别对三种广泛接受和使用的模型(WO, MLR, LR)进行了系统定量比较,每种模型都与这三种特征选择技术以系统方式结合部署。这种直接比较允许对其相互作用进行独特分析,这是现有文献中很少探索的全面方法。
本研究不仅通过进行MLR、WO和LR模型与三种特征选择技术相结合的简单定量比较来填补方法学空白,还明确检验了以下假设:特征选择方法不仅影响模型性能,还影响滑坡敏感性图的物理一致性和可解释性,每种技术都会在如何表示地貌、水文和人为因素方面引入不同的偏差。此外,通过详细说明透明的因子选择原理,本研究旨在提供一个可转移的框架,以增强LSM在不同地质环境中的方法学一致性。
2. 材料与方法
2.1. 研究区
研究在尼泊尔辛杜利(Sindhuli)县北部的中喜马拉雅山滑坡易发区进行,地理坐标为27.016° S–27.394° N和85.709° W–86.304° E。该区域地质环境复杂,包括第四纪冲积层(未固结沉积物)、西瓦利克(Siwalik)群砂岩、昆查(Kuncha)群变质岩、努瓦科特(Nuwakot)群的混合碎屑岩、比姆菲迪(Bhimphedi)群的变质石英岩以及抗蚀的奥陶纪花岗岩。这些岩性单元的多样性和结构特征,特别是软弱未固结沉积物和剪切变质岩,是该地区斜坡失稳的主要贡献者。辛杜利县海拔范围300至3000米,形成了四个不同的生态带。该地区年平均降雨量超过1500毫米,导致土壤高度饱和,引发频繁的土壤侵蚀和物质蠕动过程。此外,道路开发和森林砍伐加剧了该地区的滑坡敏感性。因此,不稳定的土壤结构、广阔的海拔范围、过量降雨和人为影响使该地区成为滑坡敏感性建模的理想地点。
2.2. 数据与软件
研究使用了多组数据进行滑坡敏感性分析,可分为四类:滑坡清单数据、降雨数据、地质和土壤数据以及遥感数据。所有空间处理在ArcMap 10.7中完成,统计分析和建模在Python 3中进行。30米分辨率的ASTER数字高程模型(Digital Elevation Model, DEM)作为基础地形层。滑坡清单通过Google Earth影像和野外调查(2015–2020年)编制。地形参数(如高程、坡度、坡向)和次级地貌指数(如地形湿度指数-Topographic Wetness Index, TWI和河流功率指数-Stream Power Index, SPI)从DEM衍生。同时,使用2019–2020年旱季的Sentinel-2A影像计算植被和建筑指数(如MNDVI, ARVI, NDBI)。CHIRPS降雨数据(版本2.0,5公里分辨率,2015–2020年)被聚合为年平均降水量。土壤数据来自尼泊尔SOTER数据库(比例尺1:1,000,000),地质数据包括主要地质构造(如断层和逆冲断层)来自尼泊尔矿业与地质部(Department of Mines and Geology, DMG)发布的1:50,000比例尺地质图(2020年版)。研究区的道路网络从OpenStreetMap(OSM, 2020年下载)提取。更高分辨率的数据集(如10米Sentinel-2A指数,5公里CHIRPS)使用双线性插值重采样到30米DEM网格以确保空间一致性。样本选择包括作为多边形质心获取的380个滑坡点和通过稳定区域(坡度<5°,滑坡区外)的分层随机抽样生成的380个非滑坡点。在滑坡点和非滑坡点之间保持100米缓冲区以减少空间自相关。滑坡点和非滑坡点的组合数据集(总计760个点)随机分为70%训练集和30%测试集,分别用于模型开发和评估。
2.3. 滑坡敏感性制图(LSM)
本研究遵循结构化的四阶段方法:数据预处理、特征选择、模型选择与训练以及模型评估。
2.3.1. 滑坡致灾因子分类与归一化
研究利用了15个致灾因子进行LSM。每个连续因子使用自然断点(Jenks)法分为五类,阈值根据已建立的地貌学原理(如斜坡稳定性阈值、土壤饱和限度)进行调整。所有值使用最小-最大缩放归一化到0–1尺度。归一化过程创建一致的数据范围并保留原始数据关系。
2.3.2. 特征选择技术
在归一化和标准化15个滑坡致灾因子后,使用相关性分析、VIF和IG作为特征选择技术,结合70%的训练数据筛选出重要因子用于WO、MLR和LR建模。
- •
案例1(相关性分析):使用皮尔逊相关系数(r)和斯皮尔曼等级相关系数(ρ)分析因子间关系。当两个因子高度相关(|r| > 0.7)时,保留与滑坡清单绝对相关性更强且具有明确物理相关性的变量。所有排列均在严格统计显著性(p < 0.01)下检验。
- •
案例2(VIF分析):使用VIF量化预测变量间的多重共线性。采用迭代消除过程:逐步移除VIF值超过5的因子,直到所有保留因子的VIF < 5,确保预测变量统计独立。
- •
案例3(IG分析):IG通过测量因子减少滑坡发生不确定性的程度来评估其预测重要性。所有连续致灾因子使用分位数(等频)法离散化为五类以进行稳定的熵估计。IG值较高的因子被认为对滑坡预测更重要。
2.3.3. 模型选择
- •
加权叠加(WO):根据每个滑坡致灾因子的重要性赋予权重。权重直接源自每种特征选择技术的结果,并进行归一化处理,使得所有权重之和为1。通过线性求和结合加权因子生成连续的滑坡敏感性指数(0–1)。
- •
多元线性回归(MLR):采用普通最小二乘(Ordinary Least Squares, OLS)方法确定回归系数。将计算得到的系数代入线性模型方程生成滑坡敏感性图。
- •
逻辑回归(LR):使用逻辑函数估计滑坡发生的预测概率。β系数衡量每个标准化致灾因子的对数几率关系。连续预测变量转换为z分数,分类数据进行虚拟编码以确保可比性。
2.3.4. 模型评估
使用准确率(Accuracy)、精确率(Precision)、召回率(Recall)、F1分数(F1-score)和受试者工作特征曲线下面积(Area Under the Receiver Operating Characteristic Curve, AUC-ROC)评估每个LSM模型的性能。除了70/30随机分割验证外,还进行了补充的5折空间交叉验证,折次由流域子盆地划分以确保训练集和验证集间的空间独立性。
3. 结果
3.1. 特征(滑坡致灾因子)选择
- •
案例1:相关性分析:筛选出6个具有统计显著性(p < 0.05)的致灾因子,包括NDBI(r = 0.316)、MNDVI(r = 0.291)、ARVI(r = -0.343)、坡向(Aspect, r = -0.169)、SPI(r = -0.131)和TWI(r = -0.113)。权重分配基于相关性强度和统计显著性。
- •
案例2:VIF分析:从15个原始因子中选出8个VIF值均小于2的因子,表明无多重共线性问题。权重分配考虑了VIF值和地貌学意义。
- •
案例3:IG分析:评估了12个因子的预测能力,权重直接反映其IG值。降雨、NDBI、MNDVI和线状构造(Lineament)被确定为主要预测因子。
3.2. 滑坡敏感性图(LSMs)
生成的LSMs显示了由WO、MLR和LR方法结合三种特征选择技术得到的敏感性等级(极高、高、中、低、极低)空间分布。连续敏感性指数(0–1)使用分位数(等频)法分为五类。
3.3. 精度评估
- •
结合相关性分析的LR模型(LR-Correlation)表现出最优的综合预测性能,准确率为69.30%,精确率为64.47%,召回率为85.96%,F1分数为0.74,AUC-ROC为75.48%。其预测范围为0.06至1.00,平均预测值为0.67。
- •
结合VIF分析的WO模型(WO-VIF)表现出最高的滑坡识别能力,召回率达90.18%,但精确率较低(58.72%),预测范围较窄(0.22至0.60)。
- •
结合IG分析的MLR模型(MLR-IG)表现出中等但稳定的性能,准确率为62.11%,精确率为60.15%,召回率为70.70%,F1分数为0.65,AUC-ROC为64.76%。其预测范围为0.21至0.84。
- •
空间交叉验证结果证实了主要评估中模型排名的稳定性。
- •
滑坡点密度分析显示,LR-Correlation模型在空间上具有最强的判别能力,滑坡密度从极低风险区(0.06个点/km2)到极高风险区(0.73个点/km2)急剧增加。WO-VIF模型在极高风险类别中达到最高绝对密度(0.89个点/km2),支持其高召回率设计。IG模型显示出相对平坦的密度梯度,与其保守的风险分配一致。
4. 讨论
系统比较评估揭示了有效LSM的方法学要求,并凸显了最大化统计预测性能与保持物理机制一致性之间持续存在的权衡。
- •
LR-Correlation模型的成功验证了特征选择方法从根本上影响模型结果的核心前提。其统计上的优越性表明,在区域尺度制图中,平衡统计简约性与物理可解释性的选择策略是有效的。然而,相关性分析方法强调最大化线性关联,导致排除了地质和土壤等岩土工程上重要的因子,这可能在统计上合理,但可能损害模型表示结构弱点和地下物质属性的能力。
- •
WO-VIF模型极高的召回率使其在需要最小化漏报(False Negatives)的应急管理和预警等场景中具有特殊价值。
- •
MLR-IG模型提供了一种稳定、平衡的方法,适用于标准化的区域评估。
- •
研究采用的因素选择框架(机制、诊断价值、数据可用性)为从业者提供了超越特定因子列表的原则性指导,有助于提高LSM在不同研究区的可重复性和可移植性。
- •
研究承认所使用的特征选择方法本质上是非空间和非地貌的,可能忽略了空间自相关和地貌连续性的关键影响。但所有模型产生的高敏感性区都与已知的 preconditioning 因素(如陡坡、水文汇流、低植被覆盖)相关,表明统计优化并未导致物理上不合理的结果。
- •
未来研究需要整合统计高效的优化模型与基于物理机制或混合的敏感性框架,以增强评估的物理可解释性和实际适用性。
5. 局限性/挑战
5.1. 与输入数据精度和分辨率相关的局限性
1:50,000比例尺的地质图可能过于粗略,无法准确描绘小范围但关键的第四纪沉积物,导致岩性与预测高敏感性区不匹配。SOTER土壤数据库提供的是概化分类,可能无法捕捉土壤厚度、质地或水力特性的局部变化。这些分辨率和精度限制凸显了传统统计模型对输入数据质量的依赖性。
5.2. 清单与环境数据间的时序一致性
滑坡清单(2015–2020年)与动态环境因子(如年平均降雨量和卫星植被指数)之间缺乏精确的时间对齐。模型是在代表性而非同期 preconditioning 因子上训练的,这可能降低对由极端风暴等短期事件触发的滑坡的预测准确性。然而,对于旨在识别空间上持续存在的 predisposing 条件(如陡坡、软弱岩性、高降雨区)的区域敏感性制图,该方法仍然有效且被广泛采用。
6. 结论
本研究通过系统比较三种特征选择技术(相关性分析、VIF、IG)与三种传统建模方法(WO、MLR、LR),为滑坡敏感性模型选择提供了一个实用框架。
- •
对于综合性滑坡敏感性制图和规划应用,LR结合相关性分析能产生最统计稳健的预测。
- •
对于应急响应和预警应用,结合VIF分析的WO模型展现出卓越的检测能力。
- •
MLR结合IG为标准化区域评估提供了一种稳定、平衡的方法。
本研究的一个关键见解是统计优化并不一定能确保地貌真实性。例如,基于相关性分析的LR模型排除了岩性和土壤,尽管它们在斜坡稳定性中具有既定作用,这凸显了预测性能与物理代表性之间的内在权衡。因此,研究强调在实用模型中,需要将统计模型选择与领域专业知识和实地验证相结合,以确保高预测准确性和机制可信度。
本研究的主要贡献在于其经验比较和由此产生的操作指南,证明了既定特征选择技术的价值。未来的工作应探索将优化传统模型的统计效率与基于物理的方法的机制透明度相结合的混合框架,以增强可解释性和适用性。