科研之友
微信
新浪微博
Facebook
分享链接
摘要
地质灾害敏感性评价对灾害预测具有重要作用，由于县域国土空间面积较小，斜坡地质灾害发育数量相对较少，导致敏感性评价模型不同而预测结果差异较大，难以真正有效的服务防灾救灾工作。本文以山西省五寨县为研究区，以高程、坡度、坡向、地势起伏度、地质构造、地层岩组、道路工程扰动、河流水系和植被覆盖为敏感性评价因子，综合运用GIS空间分析、相关性分析、确定性系数、支持向量机、随机森林等方法，将基于统计思想的确定性系数模型（CF）和基于机器学习的支持向量机模型（SVM）进行组合，构建CF-SVM组合模型，利用研究区93处斜坡地质灾害点，分别采用CF模型、SVM模型、随机森林模型（RF）和CF-SVM模型进行敏感性评价，并对4种模型的评价结果、模型精度、模型适用性进行了分析。结果表明：CF-SVM模型精度最高（AUC=0.828），所划分极高敏感区分布较SVM模型更合理，以较小面积分布较多灾害点，而低敏感区分布较CF模型更符合实际情况，以较大面积分布极少灾害点。其次是RF模型（AUC=0.823），再次是SVM模型（AUC=0.817）,CF模型精度则相对较低（AUC=0.780）。CF-SVM模型融合了2种单模型的优势，消除了CF模型所划分低敏感区面积占比较小和SVM模型所划分极高敏感区面积占比过大的不合理性，是县域国土空间较CF模型、SVM模型和RF模型更具鲁棒性、精准性的斜坡地质灾害敏感性评价模型，为县域国土空间地质灾害敏感性评价、防灾减灾工作提供了技术参考。
-
单位中国科学院; 山西能源学院; 太原理工大学; 中国科学院地理科学与资源研究所
