2023 年 5 月,天津市津南區(qū)八里臺(tái)鎮(zhèn)鳳錦庭院的業(yè)主「膽戰(zhàn)心驚」,從遠(yuǎn)處看,自己家 25 層高的樓房「好像歪了」。更讓業(yè)主們恐慌的是,不僅樓房周邊的草地、路面開始沉降開裂,甚至樓地基也出現(xiàn)了數(shù)十厘米的沉降和裂縫,部分地下停車場(chǎng)也出現(xiàn)了墻體裂痕和滲水情況,導(dǎo)致上千名業(yè)主無法歸家。
事實(shí)上,地面沉降 (LS) 現(xiàn)象已經(jīng)屢見不鮮。早在 2012 年,由國土資源部、水利部會(huì)同國家發(fā)改委、財(cái)政部等十部委聯(lián)合編制的中國首部《全國地面沉降防治規(guī)劃(2011-2020 年)》就指出,目前全國遭受地面沉降災(zāi)害的城市超過 50 個(gè),分布于北京、天津、河北、山西、內(nèi)蒙古等 20 個(gè)省區(qū)市。
除此之外,聯(lián)合國教科文組織地面沉降工作組在 2021 年發(fā)表于 Science 上的研究也警示稱,到 2040 年,地面沉降將威脅全球近 1/5 的人口。可見,如何實(shí)現(xiàn)地面沉降的快速監(jiān)測(cè)和精確模擬已經(jīng)成為目前城市發(fā)展的首要難題。
為了解決這一難題,來自中南大學(xué)地球科學(xué)與信息物理學(xué)院的柳建新教授團(tuán)隊(duì),聯(lián)合廣東省地質(zhì)環(huán)境監(jiān)測(cè)總站、廣東省第四地質(zhì)大隊(duì)、科特迪瓦博瓦尼大學(xué),在國際環(huán)境科學(xué)與生態(tài)學(xué)學(xué)術(shù)期刊 Journal of Environmental Management 上發(fā)表了城市地面沉降智能化預(yù)測(cè)的研究成果,率先使用極端梯度提升回歸器 (eXtreme Gradient Boosting Regressor, XGBR) 和長短期記憶 (Long Short-Term Memory, LSTM) 網(wǎng)絡(luò)在城市地區(qū)進(jìn)行地面沉降建模,不但解決了單模型框架在處理復(fù)雜場(chǎng)景時(shí)固有的局限性,并且通過數(shù)據(jù)驅(qū)動(dòng)的策略為防災(zāi)減災(zāi)和土地利用策略提供了有效的預(yù)測(cè)手段。
研究亮點(diǎn)
* 通過使用 Taylor 圖,證明了 XGBR 和 LSTM 模型與沉降數(shù)據(jù)之間具有很強(qiáng)的相關(guān)性,以及預(yù)測(cè)準(zhǔn)確性
* 利用 InSAR、地質(zhì)和鉆孔數(shù)據(jù)估計(jì)地表活躍性的變化速度,從而揭示影響地表活躍性的關(guān)鍵變量
* 通過數(shù)據(jù)驅(qū)動(dòng)的策略促進(jìn)主動(dòng)的土地利用管理,為可持續(xù)城市發(fā)展和資源管理實(shí)踐奠定基礎(chǔ)
論文地址:
https://doi.org/10.1016/j.jenvman.2024.120078
研究范圍:聚焦南沙區(qū),探尋珠三角地區(qū)土地沉降風(fēng)險(xiǎn)
珠三角地區(qū)的沉降面積達(dá)到 11,397 平方公里,沉降幅度普遍超過 500 毫米,最高可達(dá) 1,000 毫米以上。其中,南沙區(qū)位于廣州市最南端,是西江、北江和東江的交匯點(diǎn),總面積約 803 平方公里。從巖性來看,南沙區(qū)主要分布為棕紅粘土、淡黃色礫石、中粗砂、斑狀粘土、灰白色、棕紅色礫石等軟土沉積。從水文地質(zhì)條件來看,南沙區(qū)地下水可分為無承壓和承壓兩大含水層。
隨著珠三角地區(qū)的快速發(fā)展,南沙區(qū)在城市的快速發(fā)展過程中不僅限于地表發(fā)展,還加大了對(duì)地下水的采集,這種開采導(dǎo)致地下水位下降。同時(shí),高層建筑和工業(yè)設(shè)施的增多,也進(jìn)一步對(duì)地表增壓,加劇了地面沉降的產(chǎn)生。
通過對(duì)工程和水文地質(zhì)鉆探在內(nèi)的巖土調(diào)查表明,南沙區(qū)地面沉降經(jīng)歷了四個(gè)不同的階段:起步階段 (2015-2016 年,-125mm)、發(fā)展階段 (2016-2018 年,-170mm)、擴(kuò)張階段 (2018-2020 年,-222mm)、快速發(fā)展階段 (2020-2022 年,-320mm),這些階段與城市發(fā)展和基礎(chǔ)設(shè)施建設(shè)基本一致。
南沙區(qū)地理位置
數(shù)據(jù)集:SAR 與地質(zhì)數(shù)據(jù)并舉,全方位還原當(dāng)?shù)氐刭|(zhì)信息
該研究的 SAR (Synthetic Aperture Radar,合成孔徑雷達(dá)) 圖像數(shù)據(jù)采用的是歐洲航天局哥白尼計(jì)劃 (GMES) 的哨兵 1 號(hào)衛(wèi)星。
這是一種有源微波遙感衛(wèi)星,由 Sentinel-1A 和 Sentinel-1B 兩顆衛(wèi)星組成,兩顆衛(wèi)星攜帶的傳感器可在晝夜及各種天氣情況下提供連續(xù)圖像。從 2015 年 6 月 15 日到 2022 年 12 月 23 日,Sentinel-1 攜帶了 c 波段合成孔徑雷達(dá),共拍攝了 213 個(gè)場(chǎng)景。研究人員將 SAR 數(shù)據(jù)與每年通過控制點(diǎn)收集的實(shí)際數(shù)據(jù)進(jìn)行了交叉核對(duì)。
南沙區(qū) LS 情況統(tǒng)計(jì)
為了更好了解南沙區(qū)的綜合地質(zhì)及鉆井?dāng)?shù)據(jù),該研究還對(duì)當(dāng)?shù)氐耐寥捞匦?、地下水水位等進(jìn)行了分析:
* 地質(zhì)資料:通過對(duì)廣東省地質(zhì)局的地質(zhì)系統(tǒng)信息進(jìn)行收集,南沙區(qū)可被分為第三紀(jì)、白堊紀(jì)、侏羅紀(jì)、三疊紀(jì)、二疊紀(jì)、石炭紀(jì)、泥盆紀(jì)和志留紀(jì) 8 個(gè)地質(zhì)時(shí)期。
* 填土厚度 (FSt) 和砂層分布 (SLd):不同的土壤會(huì)導(dǎo)致不同的沉降,該研究通過從不同時(shí)期的工程鉆井中精心收集填土厚度 (FSt) 和砂層分布 (SLd) 的數(shù)據(jù),從而有效評(píng)估南沙區(qū)的地下地面條件。
* 建筑密度 (BC):通過分析廣東省地質(zhì)局在 2015 年至 2022 年期間大型建筑,并基于建筑結(jié)構(gòu)的綜合土木工程數(shù)據(jù)得出南沙區(qū)的建筑密集度 (BC),從而深入探索這個(gè)人口稠密地區(qū)的城市基礎(chǔ)設(shè)施密度與地面沉降之間的關(guān)系。
* 地下水位 (GWL):根據(jù)廣東省所有鉆探的綜合結(jié)果繪制的地下水位圖,該研究還通過水文地質(zhì)鉆探得到了南沙區(qū)有關(guān)地下水存在、深度、數(shù)量和質(zhì)量的數(shù)據(jù)。
南沙區(qū)地質(zhì)特性數(shù)據(jù)
研究方法:集成 InSAR 與機(jī)器學(xué)習(xí),采用 Δr 策略擬合變量
該研究被結(jié)構(gòu)化為一個(gè)簡(jiǎn)短的 SAR 數(shù)據(jù)處理步驟概述和基于機(jī)器學(xué)習(xí)的集成技術(shù)。
由于大氣延遲、軌道殘差和去相關(guān)噪聲的影響,干涉合成孔徑雷達(dá)技術(shù) (Interferometric Synthetic Aperture Radar, InSAR) 只能在兩個(gè)成像周期內(nèi)測(cè)量地表變形,無法測(cè)量隨時(shí)間變化的變形。為了降低大氣延遲的影響,目前主流的時(shí)間序列 InSAR 方法可分為永久散射體干涉測(cè)量法 (PS-InSAR) 和小基線子集法 (SBAS-InSAR)。PS-InSAR 技術(shù)在很大程度上克服了去相干噪聲等因素的影響。SBAS-InSAR 技術(shù)可以最大限度地利用現(xiàn)有 SAR 數(shù)據(jù)進(jìn)行高速精確的地表形變反演。
該研究的機(jī)器學(xué)習(xí)模型由極端梯度提升回歸 (XGBR) 和長短期記憶網(wǎng)絡(luò) (LSTM) 共同組成。
其中,XGBR 是用于回歸任務(wù)梯度增強(qiáng)算法的一種變體,能夠通過隨機(jī)抽樣過程生成多樣化的訓(xùn)練數(shù)據(jù)集;LSTM 架構(gòu)旨在解決傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)在捕獲和學(xué)習(xí)長期關(guān)系方面的限制,能夠在整個(gè)時(shí)間間隔內(nèi)有效管理和保留信息。
基于上述方法,該研究首先通過分析 SAR 影像來獲取主要數(shù)據(jù)集。從 2015 年 6 月到 2022 年 12 月,哨兵 1 號(hào)衛(wèi)星共收集到 225 個(gè)場(chǎng)景作為 SAR 圖像。其次,研究人員用 PS-InSAR 技術(shù)處理了 2015 年 6 月至 2019 年 11 月期間獲得的 144 幅圖像,其中 2018 年 12 月拍攝的圖像作為主圖像;然后,研究人員用 SBAS-InSAR 技術(shù)處理了 2019 年 1 月至 2022 年 12 月期間捕獲的 66 張圖像。最后,利用 PS-InSAR 和 SBAS-InSAR 監(jiān)測(cè)結(jié)果,以 2015 年 6 月- 2019 年 11 月的累計(jì)沉降數(shù)據(jù)作為變形序列基準(zhǔn),對(duì) 2015 年 6 月- 2022 年 12 月的累計(jì)變形變量進(jìn)行時(shí)間序列融合。
接下來,該研究專注于提取地下水位 (GWL) 數(shù)據(jù),這是理解地下水動(dòng)態(tài)對(duì)地表形態(tài)影響的關(guān)鍵步驟。該研究根據(jù) 2015 年 6 月至 2018 年 12 月整個(gè)廣東省進(jìn)行的水文地質(zhì)鉆探繪制了含水層地圖。該地圖是根據(jù)兩個(gè)含水層的每個(gè)井眼收集的信息繪制的。然后,該研究利用 Golden Software Surfer 25.1 對(duì)水文地質(zhì)數(shù)據(jù)進(jìn)行分析,進(jìn)而利用 ArcGIS Pro 1.2 進(jìn)行柵格化處理。
最后,該研究深入探討了采用先進(jìn)機(jī)器學(xué)習(xí)算法的 delta rate(Δr)策略,以解釋和進(jìn)一步分析數(shù)據(jù)。為了擬合同一時(shí)間尺度的所有變量,該研究使用 delta rate (Δr) 計(jì)算并將其應(yīng)用于除了分類特征 Lith 之外的所有數(shù)據(jù),將兩種不同的技術(shù)應(yīng)用于 LSTM 和 XGBR 來解決這些問題。在 LSTM 中,該研究直接在 LSTM 網(wǎng)絡(luò)中實(shí)現(xiàn) Lasso 回歸 (L1 正則化),通過向損失函數(shù) Las 中添加相當(dāng)于系數(shù)絕對(duì)值大小的懲罰項(xiàng),以減少特定特征的影響。在 XGBR 中,該研究可以通過控制樹的深度來限制模型的復(fù)雜性,從而間接影響特征的重要性。
研究結(jié)果:XGBR 相較 LSTM 模型更優(yōu)
通過分析南沙區(qū) 2015-2022 年的時(shí)空格局 (spatial and temporal patterns),該研究計(jì)算了南沙區(qū)在不同時(shí)間段內(nèi)的地面沉降或變形情況。
* 2015 年 6 月—12 月:南沙區(qū)無變形信號(hào),最大累計(jì)沉降為 -21 mm,土地和建筑都很穩(wěn)定。
* 2015 年—2016 年:南沙區(qū)多處街道周邊發(fā)生了較大變形,最大累計(jì)沉降量達(dá) -64 mm。
* 2015 年—2017 年:南沙區(qū)東南側(cè)的變形最為嚴(yán)重,最大累積沉降量為 -128 mm。
* 2015 年—2018 年:南沙區(qū)的最大累積沉降量為 -176 mm。
* 2015 年—2019 年:南沙區(qū)的最大累積沉降量為 -225 mm。
* 2015 年—2020 年:南沙區(qū)西側(cè)變形明顯,最大總沉降量為 -263 mm。
* 2015年— 2021 年:許多社區(qū)都出現(xiàn)了大面積的變形信號(hào),最高累積沉降量達(dá)到 -320 mm。
* 2015年— 2022 年:最大累積沉降量為 -364 mm。
南沙區(qū) InSAR 地圖
該研究通過使用 XGBR 和隨機(jī)森林 (RF) 評(píng)估不同特征的重要性。兩個(gè)模型都表明,地下水位和建筑密度是對(duì)地面沉降影響最大的因素,其重要性累積在 51% 左右。緊接著,該研究利用平均 Δr 建立了地面沉降預(yù)測(cè)模型,通過將地下水位和建筑密度降低 80%,嘗試解決下沉問題。
結(jié)果表明,降低地下水位和建筑密度可以顯著降低地面沉降率。此外,XGBR 和 LSTM 模型的預(yù)測(cè)結(jié)果可能存在細(xì)微差異。實(shí)際上,XGBR 可以更好地捕獲突發(fā)變化,而 LSTM 可以更好地捕獲長期依賴關(guān)系。
LS 仿真過程中的特征貢獻(xiàn)
該研究進(jìn)一步用 XGBR 和 LSTM 模擬預(yù)測(cè)截至 2060 年的沉降數(shù)據(jù)。結(jié)果表明:
* 到 2024 年,XGBR 預(yù)測(cè)沉降量相對(duì)較小,大部分面積小于 -250 mm;
* 到 2030 年,地面沉降累積更加明顯,并在此后逐漸惡化;
* 到 2060 年,部分地區(qū)的沉降數(shù)據(jù)將超過 -450mm。
整體而言,LSTM 的預(yù)測(cè)趨勢(shì)與 XGBR一致,但嚴(yán)重程度整體偏小。
使用 Δr 進(jìn)行2024、2030、2040和2060年的LS模擬
該研究在測(cè)試階段,使用 RMSE、MAE 和 R2 來根據(jù)歸一化地下水位評(píng)估模型的性能。
結(jié)果表明,XGBR 的預(yù)測(cè)值與實(shí)際值非常接近,并且能夠捕捉到更多可變性。此外,LSTM 的平均預(yù)測(cè)誤差比 XGBR 更大,平均預(yù)測(cè)精度較低。同時(shí),泰勒?qǐng)D (Taylor diagram) 也表明,兩種模型都與觀測(cè)數(shù)據(jù)有很高的相關(guān)系數(shù),但 XGBR 模型與地面沉降的相關(guān)性和標(biāo)準(zhǔn)差更接近于一致。
XGBR 和 LSTM 模型評(píng)估
此外,該研究還表明,隨著地下水位和建筑密度所帶來的地面沉降風(fēng)險(xiǎn)被有效降低,未來的地表下沉程度可被有效控制。如不采取任何措施,到 2040 年,地面沉降風(fēng)險(xiǎn)將可能比研究預(yù)測(cè)的更為嚴(yán)重。
地面沉降:一種遍布全國的地質(zhì)災(zāi)害現(xiàn)象
盡管地面沉降已經(jīng)得到包括柳建新教授在內(nèi)的科研人員高度重視,但人工智能在相關(guān)領(lǐng)域的研究仍然處于早期階段,亟需注入更多力量。
中國地質(zhì)調(diào)查局公布的《華北平原地面沉降調(diào)查與監(jiān)測(cè)綜合研究》及《中國地下水資源與環(huán)境調(diào)查》顯示,華北平原不同區(qū)域的沉降中心有連成一片的趨勢(shì);長江區(qū)最近 30 余年累計(jì)沉降超過 200 毫米的面積近 1 萬平方公里,占區(qū)域總面積的 1/3。其中,上海市、江蘇省的蘇州、無錫、常州三市開始出現(xiàn)地裂縫等地質(zhì)災(zāi)害。不僅如此,包括西北、華南等更多地方正處于緩慢地陷的長期困擾之中。
地下水透支會(huì)產(chǎn)生多種不利影響,包括地面沉降和永久性地下水儲(chǔ)存損失。2023 年 10 月,Nature Communications 期刊上發(fā)表的最新研究表明,全球每年約有 17 立方公里的地下水儲(chǔ)存能力消失,這導(dǎo)致地面下沉和地下水儲(chǔ)量永久性減少。研究人員預(yù)測(cè),美國、中國和伊朗是地下水儲(chǔ)量損失最嚴(yán)重的國家,也將是未來地面沉降的「重災(zāi)區(qū)」。
如今,通過利用機(jī)器學(xué)習(xí)和綜合數(shù)據(jù)集,以及基于隨機(jī)森林算法的機(jī)器學(xué)習(xí)方法,研究人員能夠更深入地了解過度抽取地下水帶來的環(huán)境挑戰(zhàn),并強(qiáng)調(diào)需要采取積極措施保護(hù)水資源和減輕地面沉降影響。然而,正如本文的研究一樣,人工智能預(yù)測(cè)只是帶來一種指導(dǎo)方向,能否真正緩解該區(qū)域內(nèi)的地下水危機(jī)與地面建筑密度才是治本之策。