基于稀疏表达重构误差模型的小区域滑坡易发性评价

作者：孙晨昊; 郑逸榛; 李俊斌; 霍姝涵

来源：资源环境与工程, 2022, 36(05): 614-624.

DOI：10.16536/j.cnki.issn.1671-1211.2022.05.010

• 滑坡易发性评价
• 机器学习
• 稀疏表达
• 快速聚类法

滑坡灾害易发性研究在滑坡灾害风险管理与城市规划等方面具有非常重要的现实意义。以滑坡灾害发育较多的三峡库区万州区部分区域为研究区，基于指标因素状态分级和因素相关性分析结果，选取高程、坡度、坡向等10项影响因素作为评价因子，以128个滑坡灾害点为样本数据，在深入分析和讨论当下机器学习模型在小范围区域易发性评价的不足与局限后，提出一种基于稀疏表达重构误差的滑坡易发性评价方法，通过重构误差来衡量某一像元与滑坡特征模式的相似程度，借此进行滑坡易发性的评价，并采取快速聚类法对所得到的易发性结果进行分级。再从统计分析、ROC曲线、制图结果等方面对该模型同常用的信息量模型以及机器学习的BP神经网络模型进行比较与评价。实验结果表明，稀疏表达重构误差模型的AUC高达0.834 3,OA和Kappa系数为78.1%和0.562,均优于信息量模型和BP神经网络模型，模型稳定性较好，制图结果与实际更为吻合，具有良好的滑坡预测性能。

• 单位
  中国地质大学（武汉）