将GIS-MCDA与机器学习相结合用于滑坡易发性制图，以支持可持续土地利用规划：以突尼斯科尔布斯（Korbous）为例

《Journal of African Earth Sciences》：Integration of GIS-MCDA and machine learning for landslide susceptibility mapping to support sustainable land use planning: a case study of Korbous, Tunisia

滑坡易发性评估在突尼斯东北部Korbous海岸地区应用GIS多准则决策分析（GIS-MCDA）和智能决策系统（IDS-MCDA），整合地形、地质、水文等15个因子，通过AUC（0.97和0.95）、交叉验证、自助法及敏感性分析验证模型。结果显示坡度、结构线近距和排水密度为关键控制因子，高敏感区集中在陡峭海岸悬崖及MC128公路走廊，为可持续土地利用和基础设施管理提供空间决策支持。

　　

Noamen Rebai | Rihem Mejdoub El Fehri | Mohamed Chebil | Rifaat Abdalla | Boutheina Farhat

突尼斯大学埃尔马纳尔分校（University of Tunis El Manar）土木工程系，地质工程与地质风险实验室（Geotechnical Engineering and Georisk Laboratory）

摘要：

由于地形陡峭、地质结构复杂以及人为压力不断增加，沿海山区越来越容易发生滑坡，这对可持续土地利用规划带来了重大挑战。本研究旨在利用综合空间建模框架评估突尼斯东北部Korbous地区的滑坡易发性。采用了两种互补的方法：基于GIS的多标准决策分析（GIS-based multi-criteria decision analysis）和智能决策系统（intelligent decision system），这两种方法均采用层次分析法（analytical hierarchy process）进行构建。研究整合了15个影响因素，包括地貌、地质、水文、结构和土地利用特征，以生成滑坡易发性地图。通过多种验证技术评估了模型的性能和稳健性，包括接收者操作特征分析（receiver operating characteristic analysis）、交叉验证（cross-validation）、自助重采样（bootstrap resampling）和敏感性分析（sensitivity analysis）。两种模型的预测性能均表现出色，基于GIS的多标准决策分析的曲线下面积（area under the curve）为0.97，智能决策系统的曲线下面积为0.95。自助重采样证实了模型的稳定性，而交叉验证表明由于研究区域的地质异质性，模型的空间泛化能力处于中等水平。敏感性分析指出，坡度梯度（slope gradient）、与构造线状物的距离（proximity to structural lineaments）和排水密度（drainage density）是控制滑坡发生的主要因素。高敏感区域主要集中在陡峭的沿海悬崖和MC128交通走廊沿线，其中大部分道路穿过高敏感区域。这些易发性地图为沿海山区环境中的风险意识土地利用规划和基础设施管理提供了有用的空间决策工具。

引言

滑坡是一种广泛存在的地貌灾害，通常由强降雨事件或人为干扰引发（Reichenbach等人，2018年；El Jazouli等人，2019年）。因此，绘制滑坡易发性地图（即坡体失稳的空间概率）对于风险管理、土地利用规划和灾害缓解至关重要。现有的滑坡易发性评估技术大致可以分为定性（基于知识）和定量（基于数据）方法（Kayastha等人，2013年；Shano等人，2020年）。

基于知识的方法依赖专家判断来选择和权重化影响因素。其中，层次分析法（Analytical Hierarchy Process，AHP）是最常用的半定量工具。该方法已在多种地质背景下成功应用，包括印度的达杰岭喜马拉雅山脉（Das等人，2022年）和伊朗的乌尔米亚湖盆地（Feizizadeh和Blaschke，2013年）。其他启发式方法包括地貌制图和基于清单的方法。定量方法建立了历史滑坡与诱发因素之间的统计或确定性关系。双变量方法，如信息价值法（information value method）和频率比法（frequency ratio method），在喜马拉雅山脉和东南亚地区得到了广泛应用（Sarkar等人，2013年；Silalahi等人，2019年）。多变量技术，特别是逻辑回归（logistic regression），在全球滑坡易发性研究中仍然很常见（Reichenbach等人，2018年）。最近，机器学习算法，如随机森林（random forest，RF）、支持向量机（Support Vector Machine，SVM）和人工神经网络（Artificial Neural Network，ANN），在滑坡易发性建模中表现出色（Bera等人，2021年；Dornik等人，2022年；Luo等人，2022年）。同时，将多标准决策分析集成到GIS环境中，通常称为基于GIS的多标准决策分析（GIS-MCDA），已在伊朗、印度和摩洛哥等地区生成了可靠的易发性地图（Feizizadeh和Blaschke，2013年；El Jazouli等人，2019年；Das等人，2022年）。智能决策系统（Intelligent Decision System，IDS）等补充工具为实施MCDA框架和基于计算机的易感性指数提供了另一种平台（Marinoni，2015年）。

突尼斯东北部的Korbous地区极易发生坡体不稳定和落石灾害（Zorgati等人，2017年）。该地区以陡峭的沿海悬崖、砂岩、砂质石灰岩和泥灰岩组成的复杂地质构造以及不断增加的人为压力为特征（Ben Hammouda等人，2015年）。这些条件对关键定居点和基础设施构成了反复的风险，尤其是在MC128公路走廊沿线（Brachen等人，2022年）。以往在Korbous的研究主要集中在地质制图、结构分析和初步易发性评估上（Ben Salem，1992年；Ben Mammou等人，2006年；Ben Hammouda等人，2014年；Ben Hammouda等人，2015年）。尽管这些研究强调了该地区的高地质灾害潜力，但仍缺乏一个由严格和全面验证支持的多模型滑坡易发性框架。

在Korbous地区及类似区域的大多数敏感性研究中，主要使用曲线下面积（Area Under the Curve，AUC）进行模型验证。然而，AUC本身无法充分捕捉模型的不确定性、空间稳健性或稳定性（Brenning，2005年；Goetz等人，2015年）。最近的方法学进展强调了交叉验证、自助重采样和敏感性分析等补充验证技术的重要性，以提高模型的可靠性和可解释性（Steger等人，2021年）。本研究通过开发Korbous地区的综合滑坡易发性评估来填补这些空白。具体目标包括：

(i)

应用并比较两种基于AHP的方法：GIS-MCDA框架和基于IDS的MCDA模型；

(ii)

建立一种结合AUC、k折交叉验证（k-fold cross-validation）、自助重采样不确定性估计（bootstrap uncertainty estimation）和敏感性分析的稳健验证策略；

(iii)

将专家确定的AHP权重与随机森林特征重要性得分（random forest feature importance scores）进行比较，以桥接基于知识和基于数据的方法。

本工作的创新之处在于其混合验证框架，该框架将基于专家的多标准决策分析与先进的统计评估和机器学习技术整合在一个连贯的地理框架内。通过明确将滑坡易发性模式与土地利用限制、基础设施暴露和土地管理挑战联系起来，所提出的方法将滑坡制图从灾害描述提升为可操作的空间决策支持。这种整合提高了易发性评估在可持续土地利用规划、基于风险的基础设施管理和Korbous等罕见且地质复杂的沿海山区系统中的人与环境互动分析中的相关性。更广泛地说，该框架提供了一种可转移的方法论，用于支持关注可持续性和风险缓解的地理规划。

研究区域描述

研究区域

突尼斯东北部的Korbous地区是本研究的重点，旨在制定微观尺度的滑坡易发性评估（KLS）。Korbous面积约为50平方公里，地理位置重要，位于突尼斯湾的东侧边界。它连接了从Cap Farina海角到Cap Bon海角的广阔沿海地带，距离接近150公里。像MC 128这样的基础设施对Korbous至关重要，确保了该地区的无缝连通性，并服务于其多元化的居民群体。

材料与方法

本研究旨在使用两种基于AHP的方法，并结合先进的验证框架，为Korbous地区开发并验证滑坡易发性地图。目标是识别影响坡体不稳定的主要地貌、地质和人为因素，并生成可用于支持这一地质复杂沿海地区可持续土地利用规划和基础设施管理的空间明确易发性信息。

地貌因素

• a)
  坡度

数据范围： 5%至52%

分类方法： 使用Jenks自然断点法将数据分为五类：<5%、5-10%、10-15%、15-30%、>30%

空间分布： 低坡度（<5%）主要分布在中部和南部地区，尤其是在Douala、El Brij和El Mrissa附近。中等坡度（10-15%）主要分布在Korbous山周围，而陡坡（15-30%和>52%）则集中在北部沿海边缘，形成了最易发生滑坡的陡崖（图6a，表4）。

b)

Korbous地区滑坡易受性的控制因素

两种模型生成的易发性地图突显了地貌和结构控制因素在Korbous沿海山区滑坡发生中的主导作用。特别是北部陡崖的陡坡是主要的诱发因素，反映了重力应力对岩体稳定性的直接影响。在这些区域，坡度梯度经常超过滑坡发生的临界阈值。

结论与可持续土地利用规划的前景

本研究通过结合基于GIS的多标准决策分析（GIS-MCDA）和智能决策系统（IDS）开发了Korbous沿海山区的综合滑坡易发性评估，这两种方法均采用层次分析法构建，并由先进的多层次验证框架支持。通过整合地貌、地质、水文、结构和土地利用因素，该方法提供了对坡体不稳定性的全面理解。

CRediT作者贡献声明

Noamen Rebai：撰写 – 审稿与编辑、可视化、验证、软件开发、形式分析、概念化。

Rihem Mejdoub El Fehri：撰写 – 审稿与编辑、可视化、验证、软件开发、形式分析、概念化。

Mohamed Chebil：撰写 – 审稿与编辑、软件开发、方法论研究、形式分析、数据管理。

Rifaat Abdalla：撰写 – 审稿与编辑、验证、监督、方法论研究。

Boutheina Farhat：撰写 – 审稿与编辑、监督、资源管理。

未引用的参考文献

Ben等人，2006年；Ouadii El Aroui，2020年。

利益冲突

作者声明没有利益冲突。

写作过程中生成式AI和AI辅助技术的声明

在准备本研究的过程中，作者使用了Chat GPT来提高科学英语水平。使用该工具/服务后，作者根据需要对内容进行了审稿和编辑，并对出版物的内容负全责。

资金支持

本研究未获得外部资金支持。

利益冲突声明

? 作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

Noamen Rebai目前是突尼斯国家工程学院（ENIT-Tunisia）土木工程系测绘学、地质工程与地质风险实验室的教授，同时担任突尼斯测绘协会的主任。他拥有法国巴黎天文台的宇宙大地测量学博士学位（1992年）。此前，他曾在法国高等测量学院（ESGT）担任研究员和教师（1993-1999年），并负责建立了该学院的首个测绘学系（FED）。