基于频率比(Frequency Ratio, FR)与层次分析法(Analytic Hierarchy Process, AHP)和遥感及GIS的雅温得(喀麦隆)滑坡敏感性制图

《Scientific African》：Remote sensing and GIS-based landslide susceptibility mapping using Frequency Ratio and Analytic Hierarchy Process methods: a case study of Yaounde, Cameroon

　　

研究人员应用并验证了层次分析法(Analytic Hierarchy Process, AHP)与频率比(Frequency Ratio, FR)方法的性能，制备了喀麦隆中部区雅温得市的滑坡易损性图。为此，研究人员依据活跃与历史滑坡点构建了滑坡编录图，仔细选取并统计分析了十五个影响因子以确立其与滑坡的关联，利用经典方法计算各影响因子的相对重要性权重，并将结果叠加于ArcGIS中，最终获得按极低、低、中等、高及极高分级的滑坡敏感性图。采用受试者工作特征曲线下面积(Area Under the Curve, AUC)对结果进行对比验证，AHP与FR方法的成功率分别为0.824与0.834，预测率分别为0.833与0.828，表明两方法对该区域滑坡易损性建模均具良好性能；但验证结果表明AHP法所得敏感性图较FR法略为可靠。本研究首次将AHP与FR技术应用于雅温得滑坡易发区建模，结果可用于判定区域内滑坡高发区并为后续建设规划提供参考。

基于FR与AHP遥感及GIS的雅温得(喀麦隆)滑坡敏感性制图研究解读

研究背景与意义

滑坡是全球最具破坏性的复合重力地质灾害之一，可造成大量人员伤亡与基础设施损毁。喀麦隆山区（特别是首都雅温得——七丘之城）近年因强降雨及人类切坡建房等活动，滑坡频发（如2019年Bafoussam、2023年Mbankolo灾难）。该国此前缺乏系统的区域滑坡敏感性制图(Landslide Susceptibility Mapping, LSM)，规划与决策面临挑战。本研究以雅温得为研究对象，首次引入层次分析法(Analytic Hierarchy Process, AHP)与频率比(Frequency Ratio, FR)两种统计模型结合遥感(Remote Sensing, RS)与地理信息系统(Geographic Information System, GIS)技术开展LSM并验证其性能，成果可为灾害减缓与城市规划提供依据，论文发表于《Scientific African》。

主要关键技术方法

研究人员以Google Earth影像结合野外调查建立含52个活跃/历史滑坡点的滑坡编录，按7∶3划分为训练集与验证集。选取坡度(Slope)、地形位置指数(Topographic Position Index, TPI)、坡向(Aspect)、高程(Elevation)、土壤湿度指数(Soil Moisture Index, SMI)、排水密度(Drainage Density)、归一化植被指数(Normalized Difference Vegetation Index, NDVI)、土地利用/覆被(Land Use/Land Cover, LULC)、地形粗糙度指数(Topographic Roughness Index, TRI)、归一化水体指数(Normalized Difference Water Index, NDWI)、平面曲率(Plan Curvature)、剖面曲率(Profile Curvature)、地形湿度指数(Topographic Wetness Index, TWI)、距常流河距离(Distance from Permanent Rivers, DPR)及距溪流/河流距离(Distance to Stream/Rivers, DSR)共15个影响因子，由ASTER GDEM V3、Sentinel?2（10 m）及Landsat?8 OLI提取并统一重采样至10 m栅格。经方差膨胀因子(Variance Inflation Factor, VIF)与容差(Tolerance, T)检验无多重共线性后，分别用AHP（专家成对比较矩阵求权重，一致性比率Consistency Ratio, CR＜0.10）与FR（滑坡像素占比与单元像素占比之比赋FR值）计算各因子及其子类的贡献权重，叠加生成滑坡敏感性指数(Landslide Susceptibility Index, LSI)图并分为五级。最后采用ROC曲线下面积(Area Under the Curve, AUC)进行成功率与预测率验证，并统计已知滑坡点在各级敏感性区的分布以评估合理性。

研究结果

Multicollinearity analysis（多重共线性分析）

所有入选因子的容差T≥0.18（＞0.1）、VIF＜5.56（＜10），表明15个影响因子间不存在显著多重共线性，可进入模型。

Analysis of influencing factors using the FR method（FR法影响因子分析）

FR计算显示山脊(Ridge, FR=15.97)与上坡(Upper slope, FR=2.15)、陡坡(＞30°, FR=9.96；22°–30°, FR=6.00)、较高海拔(820–925 m, FR=2.81；925–1209 m, FR=2.50)、较湿与极湿土壤(SMI高与极高, FR=2.03与3.33)、南/西南/西/西北坡向(Aspect, FR最高为南向3.07)、耕地与裸地(LULC, FR=1.96)、高植被覆盖(NDVI高, FR=1.96)、凹形平面与剖面曲率(FR=1.74与1.68)等与滑坡呈强正相关(FR＞1)；FR法因子相对重要性排序前三位为TPI(18.97%)、Slope(17.76%)、Aspect(10.48%)。

AHP method（AHP法影响因子分析）

专家成对比较矩阵得出因子全局权重：Slope(0.19)、Elevation(0.16)、TPI(0.13)、Aspect(0.10)、SMI(0.09)、Drainage Density(0.07)、NDVI(0.06)、LULC(0.05)、TRI(0.04)、NDWI(0.03)、Plan Curvature(0.02)、Profile Curvature(0.02)、TWI(0.02)、DPR(0.01)、DSR(0.01)，整体一致性比值CR=0.04＜0.10，判断具一致性。子类权重亦符合地质认知（如＞30°坡权重0.50，山脊TPI权重0.50，建成区LULC权重0.48等），各子类CR＜0.10。

Landslide susceptibility map produced by AHP model（AHP模型滑坡敏感性图）

AHP-LSM五级面积占比：极低17.75%、低31.84%、中等23.92%、高20.78%、极高5.71%；高+极高共占26.49%，集中分布于雅温得西北（Mbankolo、Nkol Ngon、Oban Yeye）与西南等地。

Landslide susceptibility map produced by the Frequency ratio (FR) model（FR模型滑坡敏感性图）

FR-LSM五级面积占比：极低19.27%、低32.31%、中等26.41%、高18.18%、极高3.83%；高+极高也集中于西北与南部，与AHP结果空间格局大体吻合。

Validation of the produced maps（成图验证）

训练集（成功率）AUC：FR=0.834，AHP=0.824；验证集（预测率）AUC：AHP=0.833，FR=0.828。两者均达"很好"(Very Good, AUC＞0.80)精度。已知滑坡点落于AHP图中极高+高敏感区占80.77%（28.85%+51.92%），落于FR图中占80.77%（38.46%+42.31%），随敏感性等级降低密度递减，证实图件可靠性。

讨论与结论翻译总结

讨论指出两方法均适合该区LSM，AHP预测率略优可能因专家判断质量与高分辨率图层；FR优势在于客观数据统计但依赖完整编录。本文首将AHP与FR用于雅温得LSM，弥补区域空白。结论为：AHP与FR均可生成可靠LSM，AHP预测可靠性稍高；雅温得高及极高敏感区主要分布在西北及南部丘陵地带；成果可供决策部门用于滑坡风险管理与城市扩展规划。