基于随机森林的地质灾害潜在财产损失空间预测——以西藏昌都为例.pdf

引 言全球政府间气候变化专门委员会（IPCC）第六次工作报告 Climate Change 2021：The Physical ScienceBasis 指出，近几十年来地球升温过程明显，人类活动导致的气候变暖得到验证，人类活动燃烧化石燃料和土地利用引起的温室气体的排放是造成气候变暖的主要原因1。在此背景下，极端气候事件的发生频率逐渐增大，地质灾害风险逐渐增大2。我国作为世界上受地质灾害影响最为严重的国家之一3，地质灾害频繁，造成的经济损失与人员伤亡巨大。据自然资源部2019年地质灾害通报显示，自2009年以来，我国地质灾害发生数量总体呈现下降的趋势，人员伤亡数量也相对减少，但单起灾害经济损失却呈现增长趋势4。同时，地质灾害潜在财产损失空间分布研究作为灾害风险评价的前提，对其进行评估具有十分重基于随机森林的地质灾害潜在财产损失空间预测以西藏昌都为例支泽民1刘峰贵1,2陈 琼1,2夏兴生1,2周 强*1,2（1.青海师范大学地理科学学院青海西宁8100082.青海师范大学高原科学与可持续发展研究院青海西宁810008）摘要作为受地质灾害影响最为严重的国家之一，地质灾害每年给中国造成严重的经济损失。作为灾后应急响应与灾情评估的重要依据，快速精准的灾害损失评估就变的极为重要。文章以西藏自治区昌都市为研究区，选取地质灾害隐患点以及土地利用等数据，基于ArcGIS对昌都市地质灾害空间分布特征进行分析，基于随机森林回归方程构建了昌都市地质灾害潜在财产损失评估模型，对昌都市的潜在财产损失进行评估。研究发现：（1）昌都市的高山峡谷区地质灾害隐患在水平空间分布上具有明显的沿河流与道路分布的集聚特征；在垂直空间分布上，不同灾害类型的占比具有明显差异；（2）从经济损失来看，地质灾害主要对道路威胁较大，其次是居民建筑、耕地与林地。同时，基于实际地质灾害隐患数据构建的潜在财产损失评估模型能够为区域地质灾害损失快速评估提供有效的参考，为同类型区域地质灾害损失的快速评估提供一种具有参考价值的定量评估方法。关键词地质灾害；昌都市；财产损失；随机森林；Ripleys K函数DOI:10.16249/ki.2096-4617.2023.02.003中图分类号 P954文献标识码 A文章编号 2096-4617（2023）02-021-010收稿日期：2023-01-20基金项目：第二次青藏高原综合科学考察研究（2019QZKK0906-02）.第一作者简介：支泽民，男，汉族，山西朔州人，青海师范大学地理科学学院博士研究生，主要研究方向为土地利用与自然灾害风险评价、全球气候变化与人地关系。通讯作者简介：周强，男，汉族，陕西西安人，青海师范大学地理科学学院教授，主要研究方向为环境变化与自然灾害。要的意义。目前，国内外对于灾害损失的研究多集中于旱灾、水灾等气象灾害5-7和地震灾害8,9，对地质灾害损失的研究相对较少。欧阳资生10利用已发生地质灾害造成的损失作为统计样本数据，以广义Pareto分布模型与对数正态分布统计模型对地质灾害财产损失与保费之间的关系进行了探讨，同时，对地质灾害损失的分布进行了模拟分布；吕军等11运用灰色关联模型，综合湖北省19992010年的各类地质灾害经济损失与人员伤亡数据，对湖北省地质灾害损失的主要影响因素进行分析；徐波12利用19912014年云南省地质灾害经济损失数据，借助统计学理论对其分布进行了拟合，同时，以分位数回归模型对地质灾害防治金额、灾害类型以及人员伤亡之间的关系进行了研究；李应求等13以湖南省娄底市作为研究区，利用灾损数据的厚尾性，借助广义帕累托分布模型，对研究区地质灾害损失风险与最大经济损失进行评估。以地理学方法对地质灾害财产损失的研究多以易损性与地质灾害危险性研究结合14，对地质灾害的潜在财产损失研究案例较为缺乏。已有研究多采用统计学方法15，涉及空间分析与空间分布特征的地质灾害损失研究相对缺乏。昌都市位于我国西南高山峡谷区与青藏高原的过渡区，区域灾害多发，人口分布集中，对于该区域相关研究较少。本文利用昌都市地质灾害隐患数据、道路和土地利用数据，基于ArcGIS空间分析方法对其灾害隐患现状进行分析，基于随机森林回归方法构建了地质灾害潜在财产损失回归模型，对昌都市地质灾害潜在财产损失空间分布进行研究，以期为昌都市地质灾害防治提供依据，为区域灾害的快速灾损评估提供一种具有参考价值的评估方法。1 研究区概况昌都市位于我国西南部，西藏自治区东部，横断山区西北部，属典型的高山峡谷区，处于我国一、二阶梯的过渡带，地质灾害多发、高发16，且受全球气候变暖的影响，由冻融引起的地质灾害风险增大，冻融式地质灾害明显增多17，2018年发生的重大“白格滑坡”为典型的冻融引起的地质灾害18,19。同时，昌都市境内三条大江与横断山脉交错排列，区内沟谷纵横，地表破碎，地质构造以弧形构造居多，活动断层密集分布，新构造运动活跃，地层岩性复杂，岩浆侵入活动普遍20，为地质灾害发育提供了良好的地质环境条图1 研究区概况图Fig.1 Overview of the study area高原科学研究 2023年第2期（总第23期）2222件。昌都市属高原亚温带亚湿润气候，区域内降水呈现明显的不均匀分布特征，西北部丁青县年均降水650 mm，南部八宿县年均降水仅有230 mm。受季风气候影响，昌都市降水连续且集中于69月。有研究指出，连续性的降水和短时间内的强降雨是诱发地质灾害的主导因子之一21，因此，昌都市的气候环境和气象条件也为地质灾害的发生提供了良好的条件。昌都市作为西藏自治区重要的农业分布区22，人口数量相对较多，人口分布呈现“大分布，小聚居”的集聚特征23，即人口分布范围较广，但在河谷区域内又呈现极为密集的分布状况，区内人口以少数民族人口比例较大24，防灾意识薄弱25，极易在地质灾害发生时造成重大财产损失与人员伤亡。因此，对于该类型地区地质灾害经济损失影响评估就变的极为重要。2 数据来源与方法2.1 数据来源本文数据主要以地质灾害数据、土地利用数据为主，以基础地理信息数据为辅，通过野外调查与网络收集等多渠道、多方式对数据进行获取。其中，地质灾害隐患点数据来自于野外调查，同时，课题组参加第二次青藏高原综合科学考察项目对调查数据进行部分点的验证，主要包括八宿县、卡若区、江达县、类乌齐县地区大型灾害点；行政区划、道路数据来源于全国地理信息资源目录服务系统（https:/ m10 m。2.2 研究方法2.2.1 多距离空间聚类（Ripleys K函数）基于Ripleys K函数的多距离空间聚类分析是一种对一定范围内点数据的空间相关性（聚类或扩散）进行汇总，利用Ripleys对点数据集进行不同距离的聚类程度分析的点数据空间模式分析方法。具体操作中，如果特定距离的K观测值（Observed K）大于预期值（Expected K），则与该距离（分析尺度）26的随机分布相比，该分布的聚类程度更高，且当K观测值与K预期值差值（DiffK）越大，在此特征空间尺度距离时的点聚类程度越高；如果K观测值（Observed K）小于预期值（Expected K），则与该距离的随机分布相比，该分布的离散程度更高。如果 K 观测值（Observed K）大于置信区间上限(Hi ConfEnv)值，则该距离的空间聚类具有统计显著性；如果 K 观测值（Observed K）小于置信区间下限(Lw ConfEnv)值，则该距离的空间离散具有统计显著性27。本文利用ArcGIS10.2平台下的“多距离空间聚类分析（Ripleys K函数）”模块，显著性水平设置为99%。2.2.2 随机森林回归随机森林（Random Forests,RF）模型作为一种常用的机器学习方法，其本质为组合式的深度学习方法28，该方法对于解决非线性问题具有较大的优势29，且作为一种分类回归树的数据挖掘方法，其原理是通过集成多个决策树，分类投票获取类别30。同时，对于多要素类的问题研究，可定量提供要素对于结果的重要性程度，相对更具有客观性和准确性31。与其他机器学习算法相比，RF具有一定的抗过拟合能力，对于模型运算中产生的噪声与异常值具有较高的容忍度30,32，能够度量变量的重要性程度，该特点对于地质灾害潜在财产损失的影响因子判定具有极大的优势33。因此，本文使用RF模型，以地质灾害隐患点潜在财产损失为目标变量，以隐患范围内承灾体价值为自变量，构建地质灾害潜在财产损失回归方程，对地质灾害潜在财产损失影响因素进行重要性程度（重要性系数）确定，主要使用R 4.0.4环境下的Rstudio，调支泽民，刘峰贵，陈琼，等：基于随机森林的地质灾害潜在财产损失空间预测以西藏昌都为例2323用随机森林软件R包进行运算。3 昌都市地质灾害空间分异特征分析从20世纪50年代至2018年，昌都市共发育地质灾害2 554处，包括滑坡、崩塌、泥石流、地面塌陷、不稳定斜坡等，主要表现为地质灾害隐患。其中，崩塌灾害点694处，滑坡灾害点653处，泥石流灾害点926处，为昌都市三大地质灾害类型。3.1地质灾害水平空间分异特征通过Ripleys K函数对昌都市地质灾害的离散聚集程度进行统计分析，结果如图2所示。当特征空间尺度距离为38.5 km时，K观测值与K预期值的差值DiffK值最大，该特征空间尺度距离的地质灾害点聚类程度最高；随着特征空间尺度距离的升高，在特征空间尺度距离为102.6 km时，DiffK值又具有一个较为明显的峰值，但仍小于上一峰值。因此，在38.5 km搜索距离内，地质灾害点具有明显的聚集发生趋势，在大于102.6 km时，地质灾害点在空间上分布的均匀程度在变大（图2），表明作为典型的高山峡谷区地形，受小区域地质地貌等自然因素以及区域人类活动的共同影响，昌都市地质灾害在空间分布上具有明显的集聚发生的特征，且集聚范围相对较小。区域地质灾害多集中于城镇、道路等人类活动相对较为密集的区域，同时，受地质灾害分布特征的影响，地质灾害对河流与道路以及居民区造成的影响较大。地质灾害的分布特征适用于同类型其他区域，唯一区别在于集聚程度的不同，集聚距离的长度可能存在部分差异，但沿道路、河流以及集聚于居民区的特征是相同的。（A）K函数趋势分布图（B）Diffk分布图图2 Ripleys K函数特征图Fig2 Ripleys K function feature diagram3.2 地质灾害垂直空间分异特征昌都市沟谷纵横，通过对地质灾害的海拔与坡度进行统计，其在垂直空间上也具有明显的分布特征。研究发现，随着海拔梯度的上升，崩塌灾害所占的比例呈现明显的上升趋势，当海拔到达4 500 m以上时，崩塌所占比重明显大于滑坡与泥石流比例，成为海拔4 500 m以上的主要地质灾害；滑坡在各个海拔区间段所占比例基本趋于平稳，仅有2 0002 500 m与5 000 m以上比例较小，其余海拔区间基本稳定维持在30%左右。泥石流灾害在垂直方向上具有一定的波动性，从低海拔至高海拔的不同海拔区间内，泥石流所占比例呈现“高-低-高”的变化趋势，在3 5004 000 m海拔区间时数量最大，占比最高，分别为451处和47%（图3（A）和图3（C）。从各种灾害类型的数量在海拔区间的分布来看，各灾害类型的数量分布呈明显正态分布的特征，最大数量均分布于海拔3 5004 000 m区间。从坡度来看，崩塌灾害在各个坡度区间内所占比例随着坡度的升高呈现明显的上升趋势，崩塌数量高原科学研究 2023年第2期（总第23期）2424与灾害数量均呈现先上升后下降的趋势。随着坡度的升高，泥石流所占比例具有明显的下降趋势，最大占比为57%，最小占比为14%（坡度为50以上），泥石流分布数量与坡度具有负相关的关系，其分布数量整体上呈现下降的趋势。滑坡的分布相对崩塌、泥石流较为稳定，在各个坡度区间内所占比例均为30%左右，其中010区间内所占比例最低，为19%；3040坡度区间内占比最高，为37%，其数量变化与崩塌相似，随着坡度的上升，滑坡数量先增多后减少，主要分布在1050坡度区间内。与地质灾害海拔分布相似，地质灾害在坡度区间也有一定的上限，在坡度大于20时，崩塌、滑坡以及泥石流数量呈现下降的趋势，且泥石流下降趋势较大，崩塌与滑坡下降趋势相对较小（图3（B）和图3（D）。（C）地质灾害海拔梯度分布趋势图（D）地质灾害坡度梯度分布趋势图（A）地质灾害海拔梯度占比图（B）地质灾害坡度梯度占比图图3 地质灾害垂直分异统计图Fig.3 Vertical differentiation map of geological hazards4 地质灾害潜在财产损失评估4.1 地质灾害潜在财产损失评估模型构建目前地质灾害的损失主要以经济损失与人口伤亡作为主要评判指标34-37，其经济损失主要以货币作为地质灾害承灾体的价值损失，受影响承灾体包括房屋建筑、交通道路、农田、林地等38。综合分析已有研究数据，考虑到本文中所使用的地质灾害隐患，威胁财产主要包括房屋建筑、道路、耕地与林地，未将草地纳入其中，因此，本文仅对上述四种承灾体进行研究。同时，由于本文收集的灾害隐患点数据较多，且均为点状空间数据，而泥石流灾害的影响范围与实际的地形极度相关，泥石流沟坡度以及沟谷的长度相对难以确定，因此，本文仅对崩塌与滑坡这两种相对较为规则的地质灾害展开研究，将滑坡与崩塌隐患的威胁范围视作规则的圆状，根据不同隐患等级进行圆半径的划分。对于隐患威胁范围内的居民建筑、道路、耕地以及林地（图4）价值的确定，通过多渠道获取。其中，道支泽民，刘峰贵，陈琼，等：基于随机森林的地质灾害潜在财产损失空间预测以西藏昌都为例2525路单价通过对昌都市交通运输局进行访谈，受山区地形的影响，昌都市道路等级差异较小，因此选用昌都市11县区单位距离的公路造价进行统计，未对道路等级进行划分，道路造价取其平均值为331.2104元/km；耕地价值通过查阅 昌都市2019年统计年鉴24中单位面积耕地的产值进行估算，单价为1.35104元/ha；林地单价参考陈宇等人7文中耕地与林地的价格比例关系，估算得林地单价为1.25104元/ha；居民建筑单价通过对昌都市住建局进行调研，将城市建筑与农村建筑进行平均估值，以灾害隐患威胁的住户数量进行统计，每户以30104元/户的价值进行计算。灾害隐患的威胁范围则是通过对昌都市1 235例崩塌、滑坡隐患的威胁区域面积进行统计，按照灾害隐患的等级进行确定，隐患范围分级如下：小型地质灾害隐患的威胁半径为71 m，中型地质灾害隐患威胁半径为158 m，大型地质灾害隐患威胁半径为446 m，特大型地质灾害威胁半径为880 m。综合以上承灾体价值、灾害隐患威胁范围以及调查获取的隐患点威胁财产价值数据，构建地质灾害潜在财产损失评价模型。以昌都市2018年实地调研获取的现有地质灾害隐患点实际威胁财产数据为目标变量，隐患威胁范围内道路价值、耕地价值、林地价值以及居民建筑价值为自变量，构建昌都市财产损失的线性回归模型。其中，隐患威胁范围内的耕地面积、林地面积以及道路长度基于ArcGIS空间分析获取，隐患威胁范围内居民户数基于实地调研获取，构建随机森林回归模型：l=i=1nxii（1）其中，l代表实地调研获取的隐患威胁财产数（单位：万元），xi代表影响潜在财产损失的承灾体i的价值（单位：万元），i代表自变量i的回归系数，主要通过随机森林模型运算获得，n为自变量的个数。图4 地质灾害隐患威胁范围Fig.4 The threat scope of potential geological hazard4.2 地质灾害潜在财产损失影响因素重要性以2018年实地调研的昌都市现有地质灾害隐患点实际威胁财产数据为因变量，灾害隐患威胁区内的道路价值、耕地价值、林地价值以及建筑价值为自变量，将上述各变量带入随机森林模型中，得到造成潜在财产损失影响因子的重要性程度，即模型的回归系数（图5）。由图5可知，影响昌都市潜在财产损失的承灾体对于损失的贡献率图5 潜在财产损失承灾体重要性程度（回归系数）Fig.5 Importance of potential property losses and disaster tolerance高原科学研究 2023年第2期（总第23期）2626从大到小分别为道路居民点建筑耕地林地。昌都市作为东部地区重要的入藏通道，境内分布有川藏G318、G317国道以及滇藏G214国道，道路纵横交错，且受高山峡谷区地形环境的限制，区域内道路修建难度极大，且多修建于河道两侧，对于边坡的破坏较为严重，极易发生边坡失稳从而形成滑坡、崩塌，这就使得高山峡谷区内地质灾害对于道路的影响较为严重。此外，在“西部大开发”战略和国防安全需要的背景下，昌都市近年来的基础设施建设速度逐渐加快，道路的里程数增加明显，但道路的修建又会对沿路分布坡体的稳定性产生影响，改变坡体的应力结构，加剧了地质灾害的发生，同时道路修建经济成本高，在路桥行业中常有“金桥银路”的说法，这就使得昌都市交通道路受地质灾害影响损失巨大。因此，地质灾害隐患威胁道路已成为影响昌都市地质灾害潜在财产损失的最主要的影响因子，即地质灾害的第一承灾体。其次，受威胁较为严重的承灾体为居民建筑。作为西藏自治区第三大人口分布区24，昌都市人口分布范围较广，且主要分布于河谷地带等地质灾害频发地区。聚居区内城镇建筑主要以低层楼房框架结构为主，农村建筑主要以砖混结构为主，建筑物经济价值相对其他承灾体更高。因此，居民建筑物对于灾害威胁财产的贡献也较大，为第二大受地质灾害影响的承灾体。第三，昌都市作为西藏自治区重要的农业区，区内耕地分布众多，主要分布于“三江”冲刷形成的河谷地区，使得区域内耕地的分布受地形影响较大。地质灾害对耕地的影响主要包括滑坡对耕地的掩埋、崩塌造成的耕地塌陷等。此外，与林地相比，耕地价值相对更高，从而使耕地成为重要的地质灾害承灾体，造成一定的财产损失。第四，昌都市林地资源丰富，地质灾害对林地的破坏与耕地类似，但破坏程度相对较轻，使得林地相对其他承灾体而言，其灾害损失相对较小。4.3 地质灾害潜在财产损失空间分布结果以随机森林模型求得的地质灾害潜在财产损失影响因素回归系数为权重，由于目前尚未有大区域的精度符合要求的建筑分布数据，故潜在财产损失的空间分布仅对道路、林地、耕地价值进行叠加分析，数据分辨率为10 m（图6）。通过对部分承灾体要素进行加权叠加分析，得到昌都市部分地质灾害潜在威胁财产的空间分布（图6）。各县单位面积内（100 m2）潜在损失最高为1.1923万元，最低为0元。其中，江达县潜在财产损失共计1 143 294.13万元（图6（A），八宿县潜在财产损失共计779 744.00万元（图6（B），卡若区潜在财产损失共计768 256.34万元（图6（C），芒康县潜在财产损失共计782 384.00万元（图6（D），察雅县潜在财产损失共计625 623.94万元（图6（E），洛隆县潜在财产损失共计592 229.56万元（图6（F），边坝县潜在财产损失共计542 865.06万元（图6（G），丁青县潜在财产损失共计697 908.44万元（图6（H），左贡县潜在财产损失共计735 448.81万元（图6（I），类乌齐县潜在财产损失共计336 754.91万元（图6（J），贡觉县潜在财产损失共计491 941.09万元（图6（K）。由于缺乏高精度的居民建筑数据，本次加权叠加分析时未对居民建筑进行叠加处理，所得结果仅包含道路价值、耕地价值以及林地价值。通过计算，江达县的潜在财产损失价值最高，为1 143 294.13万元，作为由东部地区进入西藏的第一县，江达县道路交通发达，经济发展相对较好，基础设施建设相对较为完善，道路密度在全市中最高，为0.56。同时，江达县东部沿金沙江分布有茂密的树林，使得江达县潜在财产损失在昌都市中最高（图6（A）。类乌齐县的潜在财产损失最低，为336 754.91万元，该县位于昌都市北部，发展相对缓慢，道路密度在全市最低，仅为0.35。类乌齐县属半农半牧县，但牧业占主导地位，仅县域北部沿文曲及县域南部沿色曲分布有少量耕地；林地分布范围较广，主要分布于县域东部与卡若区相邻地区，但林地价值相对较低，且灾害威胁相对较小，使得类乌齐县整体潜在损失最低（图6（J）。支泽民，刘峰贵，陈琼，等：基于随机森林的地质灾害潜在财产损失空间预测以西藏昌都为例2727（E）察雅县（F）洛隆县（G）边坝县（A）江达县（B）八宿县（C）卡若区（D）芒康县（H）丁青县（I）左贡县（J）类乌齐县（K）贡觉县图6 部分潜在财产损失分县空间分布Fig.6 The spatial distribution of potential property losses in each county5 讨论与结论5.1 讨 论由于目前现有建筑数据以大型城市建筑数据集为主，而西藏自治区仅拉萨市公布有高精度城市建筑数据，且现有数据集也仅反映了城镇区域的建筑物分布状况，对于小型城镇建筑的分布反映较差，精度较低，尤其在昌都这样的高山峡谷区，受云量以及地形的影响，影像数据反演的建筑数据集精度更差。因高原科学研究 2023年第2期（总第23期）2828此，本研究在构建灾害损失模型时选取通过实地调研获取的受灾害点影响居民的户数用以搭建模型，很好地解决了因居民建筑数据短缺或精度较差所造成的困扰。但也造成本研究在估算区域受灾害影响的潜在财产损失时，未能将居民建筑财产损失包含在内，仅包含道路价值、耕地价值和林地价值，缺少居民建筑价值的空间分布。未来在利用该评估模型进行灾害的快速评估时，需要对灾害威胁范围内的居民户数单独进行统计，道路、耕地以及林地损失可参考本文研究所得的数据以及方法模型。同时，本文在构建模型时未将旅游区、工厂以及商业设施等产业考虑在内，仅考虑居民房产以及耕地、道路等，这也是未来研究所需要解决的问题。另外，相较于回归模型所得到的承灾体的回归系数，本研究的亮点主要是通过一套实际调研获取的地质灾害隐患数据及其威胁财产数据，发现灾害隐患对于各种承灾体的影响程度是不同的，这一影响程度可通过承灾体的重要性程度来反映。5.2 结 论本文利用多距离权重Ripleys K函数及ArcGIS空间分析方法对昌都市地质灾害的空间分异特征进行分析，利用随机森林构建昌都市地质灾害潜在财产损失回归模型，对昌都市地质灾害潜在财产损失空间分布进行研究，得出如下结论：（1）昌都市的高山峡谷区地质灾害的水平空间分布具有明显沿河流与道路分布的集聚特征；在垂直空间分布上，不同灾害类型的占比具有明显差异，随着海拔坡度的上升，崩塌比例在增高，泥石流比例在减小。（2）地质灾害主要对道路威胁较大，其次是居民建筑，耕地分布相对较少，受影响相对较低。基于实际地质灾害隐患数据构建的潜在财产损失评估模型精度能够满足对区域内潜在的灾害损失进行快速评估的要求，能够对灾害应急提供有效的参考。参考文献1 IPCC.Climate change 2021:the physical science basisM.Cambridge:Cambridge University Press,2021.2 高杨,李滨,冯振,等.全球气候变化与地质灾害响应分析J.地质力学学报,2017,23(1):65-77.3 殷跃平.中国地质灾害减灾战略初步研究J.中国地质灾害与防治学报,2004,15(2):4-11.4 自然资源部.2019年全国地质灾害通报R.北京:中华人民共和国自然资源部,2020.5 马恒,刘甜,牟翠翠,等.19872016年全球陆地气候气象及水文类灾害直接经济损失时空特征及贡献率分析J.地理科学,2020,40(7):1171-1180.6 刘彤,闫天池.我国的主要气象灾害及其经济损失J.自然灾害学报,2011,20(2):90-95.7 陈宇,王瑛,刘庆爱,等.基于土地利用的山洪灾害损失评估模型研究J.自然灾害学报,2021,30(2):52-59.8 朱达邈,王东明.基于贝叶斯网络的地震直接经济损失预估模型在灾评推演训练中的应用J.自然灾害学报,2021,30(5):51-63.9 郑跃,贺金川,郑山锁,等.中国地震灾害损失评估系统研究J.自然灾害学报,2020,29(4):34-42.10 何树红,姜毅,计晓林.泥石流灾害经济损失研究综述J.灾害学,2019,34(4):153-158.11 欧阳资生.地质灾害损失分布拟合与风险度量J.统计研究,2011,28(11):78-83.12 吕军,尹伟锋.湖北省矿山地质灾害损失的灰色关联分析J.安全与环境工程,2013,20(1):16-20.13 徐波.云南省地质灾害损失分布研究D.昆明:云南大学,2016.14 李应求,杨扬,欧阳迪飞,等.基于MGPD模型的地质灾害风险的统计度量J.数理统计与管理,2016,35(3):381-390.15 罗路广,裴向军,谷虎,等.基于GIS的“8.8”九寨沟地震景区地质灾害风险评价J.自然灾害学报,2020,29(3):193-202.16 支泽民,刘峰贵,周强,等.基于流域单元的地质灾害易发性评价以西藏昌都市为例J.中国地质灾害与防治学报,2023,34(1):139-150.17 彭惠,穆柯,董元宏.川藏交通走廊冻融侵蚀风险评价与区划研究J.公路,2019,64(10):157-161.支泽民，刘峰贵，陈琼，等：基于随机森林的地质灾害潜在财产损失空间预测以西藏昌都为例292918 曹鹏,黎应书,李宗亮,等.西藏昌都白格滑坡斜坡地质结构特征及成因机制J.地球科学,2021,46(9):3397-3409.19 邓建辉,高云建,余志球,等.堰塞金沙江上游的白格滑坡形成机制与过程分析J.工程科学与技术,2019,51(1):9-16.20 李孝攀.基于GIS的甘孜昌都区域地质灾害易发性区划及其铁路线路规划设计应用研究D.成都:西南交通大学,2018.21 高华喜,殷坤龙.降雨与滑坡灾害相关性分析及预警预报阀值之探讨J.岩土力学,2007,136(5):1055-1060.22 王腾,孙晓光,卓永,等.近36年藏东“三江”流域农业气候资源变化特征J.中国农学通报,2017,33(9):106-113.23 毛刚,胡月萍,陈媛.地质灾害频发山区聚落安全性探索以横断山系的集镇和村庄为例J.西安建筑科技大学学报(自然科学版),2014,46(1):101-108.24 西藏自治区统计局.西藏自治区第七次全国人口普查主要数据公报R.拉萨:西藏自治区统计局,2021.25 关朝阳,李章国.西藏昌都地质灾害特点及防治对策J.中国地质灾害与防治学报,2018,29(2):104-107.26 卢志军,王巍,张文辉,等.巴山木竹发笋和大熊猫取食的时空格局及相关性分析J.生物多样性,2009,17(1):1-9.27 关颖,朱翊.基于空间分析的区域地质灾害点的分布特征研究以新疆为例J.测绘工程,2016,25(9):15-19.28 Markus,Reichstein,Gustau,et al.Deep learning and process understanding for data-driven Earth system scienceJ.Nature,2019,566(7743):195-204.29 刘飞,刘峰贵,周强,等.青藏高原生态风险及区域分异J.自然资源学报,2021,36(12):3232-3246.30 Breiman L.Random ForestsJ.Machine Learning,2001,45(6):5-14.31 刘永垚,第宝锋,詹宇,等.基于随机森林模型的泥石流易发性评价以汶川地震重灾区为例J.山地学报,2018,36(5):765-773.32 方匡南,吴见彬,朱建平,等.随机森林方法研究综述J.统计与信息论坛,2011,26(3):32-38.33 刘坚,李树林,陈涛.基于优化随机森林模型的滑坡易发性评价J.武汉大学学报(信息科学版),2018,43(7):1085-1091.34 张梁,张业成.地质灾害经济损失评价方法研究J.中国地质灾害与防治学报,1999,10(2):97-103.35 孙清元,郑万模,倪化勇.我国西南地区山地灾害灾情年际综合评估J.沉积与特提斯地质,2007,27(3):105-107.36 白建斌.洪江市地质灾害经济损失评估J.云南地理环境研究,2009,21(5):36-41.37 计会凤.基于GIS的滑坡地质灾害灾情损失评估方法研究D.阜新:辽宁工程技术大学,2005.38 邹铁牛,尹辉,李景保,等.湖南省新宁县地质灾害经济损失评估J.中国地质灾害与防治学报,2009,20(1):66-69.责任编辑：张建伟高原科学研究 2023年第2期（总第23期）Spatial Prediction of Potential Property Lossby Geological Hazards based on Random ForestA Case Study of Chamdo,TibetZHI Zemin1LIU Fenggui1,2CHEN Qiong1,2XIA Xingsheng1,2ZHOU Qiang*1,2(1.College of Geography,Qinghai Normal University,Xining 810008,China；2.Academy of Plateau Science and Sustainability,Qinghai Normal University,Xining 810008,China）Abstract:China as one of the countries of the most severely affected by geological disasters causes serious economic losses every year.As an important basis for post-disaster emergency response and disaster assessment,rapid and accurate disaster damage assessment is extremely important.The spatial distribution characteristic ofgeological hazards in Chamdo was analyzed using ArcGIS based on the selected geological hazard potential sitesand land use data in the study area.A potential property loss assessment model of geological hazards in Chamdowas constructed based on random forest regression equation and the potential property loss of Chamdo was alsoevaluated.The potential geological disasters in the high mountain valley area in Chamdo showed an obvious clustering characteristic in spatial distribution along rivers and roads horizontally and there are significant differences in the proportion of different types of disasters in terms of vertical spatial distribution.The geological disastersmainly pose a significant threat to roads followed by residential buildings,agricultural land and forest land interms of economic losses.Meanwhile,the potential property loss assessment model constructed based on latentdata of actual geological hazard can provide effective reference for rapid assessment of regional geological hazardlosses,and provide a quantitative assessment method with reference value for rapid assessment of geological hazard losses in the same type of region.Keywords:geological hazards,Chamdo city,property loss,random forest,Ripleys K function3030