科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对浅层的机器学习模型泛化能力低而导致其滑坡易发性评价模型预测精度不高的问题，笔者围绕陕西省汉中市略阳县城中心为研究区，采用深度随机森林构建区域地灾易发性评价模型来提升预测精度。依据略阳县滑坡成灾机理研究成果，选取坡度、相对高差、坡向、坡型、工程地质岩组、断裂距离、水系距离、公路铁路距离、植被覆盖等9个因子作为易发性评价指标；将研究区栅格单元按5 m×5 m进行划分并提取评价因子值，输入深度随机森林评价模型，从而获得研究区易发性评价图。依据评价结果略阳县地质灾害可划分为极高易发区、高易发区、中易发区、低易发区4个等级，面积所占比例分别为5.31%、22.97%、42.11%、29.61%，其划分结果与研究区内地质灾害实际发育情况吻合，合理反映研究区地灾分布的总体特征。深度随机森林的地质灾害易发性预测模型在ROC曲线下面积值（AUC）为91.2%，高于随机森林预测模型的86.3%，表明该模型具有一定的合理性与可行性，可为区域滑坡易发性评价进一步提供新方法。
- 单位
