《岩石力学与工程学报》网络首发论文学术报告

作者及机构
本研究的通讯作者为南昌大学建筑工程学院的黄发明副教授（第一作者）与蒋水华教授（通讯作者），合作单位包括中国地质大学（武汉）巴东地质灾害国家野外科学观测研究站、成都理工大学地质灾害防治与地质环境保护国家重点实验室、核工业江西工程勘察研究总院有限公司。论文于2025年9月19日在《岩石力学与工程学报》（*Chinese Journal of Rock Mechanics and Engineering*）网络首发，ISSN 1000-6915，CN 42-1397/O3。

学术背景
滑坡易发性预测（Landslide Susceptibility Prediction, LSP）是区域滑坡风险评估的基础，也是全球地质灾害防治研究的难点。传统方法在模型选择、环境因子组合、非滑坡样本定义等方面存在显著局限性，例如：监督机器学习依赖对称样本比例（1∶1），与野外滑坡实际分布（非滑坡面积远大于滑坡）不符；非滑坡样本标签简单赋“0”忽略其潜在滑动概率；评价指标单一导致结果可靠性不足。

针对这些问题，本研究提出基于半监督非对称理论（Semi-Supervised Imbalanced Theory）的解决方案，以江西省安远-寻乌县为案例，验证该理论在复杂山地丘陵区的工程适用性，旨在为滑坡风险精准防控提供新思路。

研究流程与方法
1. 环境因子构建与预测单元划分
- 环境因子选择：遵循“数据准确、类型丰富、物理意义明确”原则，选取地形（坡度、曲率等）、水文（地形湿度指数、降雨量）、地表覆盖（NDVI、公路密度）、岩性（岩土类型、断层距离）4大类13个高频因子。
- 斜坡单元划分：采用多尺度分割法（Multi-Scale Segmentation, MSS），基于DEM提取坡向和山体阴影，通过区域合并算法生成地貌自适应的斜坡单元，相比传统水文分析法更高效且减少人为误差。

1. 初始滑坡易发性建模

   • 样本准备：收集研究区历史滑坡点作为正样本（标签值=1），随机选取等量非滑坡区单元作为负样本（标签值=0），构建1∶1对称数据集。
     
   • 模型训练：使用随机森林（Random Forest, RF）分类模型，输入环境因子频率比，按70%/30%划分训练集/测试集，预测初始易发性，并划分为极低、低、中、高、极高5个等级。
     

2. 半监督非对称理论的核心步骤

   • 样本优化：剔除初始低/极低易发区内的滑坡点（可能为编录误差），确保正样本可靠性；从极低/低易发区随机选取非滑坡样本，比例设置为1∶1至1∶260（如1∶5、1∶180等）。
     
   • 标签改进：将初始易发性值（非零概率）赋给非滑坡样本，替代传统“0”标签，更符合地质实际。
     
   • 二次建模：以优化后的样本输入RF回归模型，生成不同比例下的易发性图，通过综合评价法确定最优比例。
     

3. 结果验证与评价

   • 精度指标：采用ROC曲线下面积（AUC）和预测率曲线（Prediction Rate Curve）评估模型性能。实验显示，当滑坡/非滑坡比例从1∶1升至1∶180时，ROC精度从0.905提升至0.957，预测率精度从0.898增至0.937；比例超过1∶180后精度趋于稳定。
     
   • 野外验证：2022–2024年新增的6处滑坡事件均位于预测的极高/高易发区，验证了模型的实际应用价值。
     

主要结果与结论
1. 非对称比例优化：1∶180为最优样本比例，其AUC达0.957，显著优于传统对称比例（1∶1）。
2. 标签赋值改进：非滑坡样本赋小概率值（初始易发性指数）能更真实反映地质风险。
3. 工程适用性：在赣南山地丘陵区的成功应用，证明半监督非对称理论可推广至其他地质复杂区域。

科学价值与应用意义
- 理论创新：首次将半监督学习与非对称样本理论结合，解决了滑坡易发性预测中样本比例与标签赋值的核心难题。
- 技术贡献：提出的MSS斜坡单元划分法和综合评价法（ROC+预测率+易发性指数分布）为相关研究提供了标准化流程。
- 实践价值：成果可直接服务于区域地质灾害防控规划，例如指导安远-寻乌县滑坡高风险区的监测与治理。

研究亮点
1. 方法学突破：通过二次迭代自训练算法，实现了滑坡编录误差自动校正与非滑坡样本精准选择。
2. 跨学科融合：结合机器学习（RF）、地理信息系统（GIS）与工程地质学，构建了多维评价体系。
3. 数据驱动决策：基于大量比例试验（1∶1至1∶260）的定量分析，为样本比例设定提供了实证依据。

其他有价值内容
- 研究对比了RF与其他模型（如SVM、CNN）的性能，证实树模型在稳定性与效率上的优势。
- 强调了环境因子物理意义的重要性，避免单纯依赖统计筛选导致信息丢失。