摘要
确定滑坡敏感性概率的空间分布,可为滑坡防治政策制定和土地利用规划提供科学依据。由于成灾环境的空间差异和滑坡机理的复杂性,基于不同逻辑架构(物理模型、理论模型等)的滑坡敏感性评价针对特定孕灾环境,无法提前确定最优数学评价模型,而基于深度学习法的、融合多种模型的混合算法能较好地解决这个问题。本文以山东省淄博市博山区为研究区域,基于单因素Logistic回归法筛选了滑坡致灾因子,通过频率比法对致灾因子进行了分级;对4种基于贝叶斯网络的改进算法(MMHC、MMPC-Tabu、Fast.iamb-Tabu、Inter.iamb-Tabu)进行验证,引入错误指数确定了建模效果最佳的算法;计算了博山区774 570个栅格的滑坡敏感性概率,绘制了博山区滑坡敏感性分布图;基于GIS的空间叠加和栅格计算器功能,对比了各模型的滑坡敏感性评价结果。研究结果表明:(1)基于Inter.iamb-Tabu开展博山区滑坡敏感性建模时效果最佳。该模型包含10个节点(9个致灾因子节点和1个结局节点)、14条有向边。研究区域可划分为极高敏感区、高敏感区、中敏感区、低敏感区和极低敏感区,分别占总面积的7.30%(49.80km2)、16.50%(112.56km2)、26.10%(178.05km2)、33.20%(226.49km2)和16.90%(115.29km2),分别有67处、22处、7处、2处和1处滑坡位于上述敏感区。(2)MMHC、MMPC-Tabu和Fast.iamb-Tabu模型在训练时易舍弃样本中部分因子的特征信息,以达到模型整体精度最优的目的。研究成果可为山东省淄博市博山区滑坡防治提供理论依据,采用的研究方法同样适用于类似地区。
- 单位