科研之友
微信
新浪微博
Facebook
分享链接
摘要
研究旨在探究不同因子筛选方法的合理性，并基于LightGBM-SHAP建立滑坡易发性评价模型，以期为滑坡灾害防治研究提供参考。本研究以黔江区为例，选取地形地貌、地质构造、水文环境条件和人类活动四种类型23个因子构建滑坡致灾因子数据库，利用地理探测器与皮尔逊-主成分分析两种因子筛选方法来选择因子的最优组合；基于Bayesian-LightGBM-SHAP混合模型进行滑坡易发性评价，采用ROC曲线、AUC值等其他评价指标对模型精度进行验证，并对黔江区滑坡的主导因子进行分析。全因子构建LSM的AUC值为0.801，Person Correlation Coefficient-Bayesian-LightGBM所构建的模型AUC值为0.824，GeoDetector-Bayesian-LightGBM模型AUC为0.835；对因子重要性排序可知，多年平均降雨量、高程、POI核密度与距河流距离是滑坡发生的在主要因子，而输沙指数、水流动力指数与坡位对黔江区滑坡的发生影响不大。因子筛选法与Bayesian-LightGBM法相结合的混合模型能够提高模型的准确性，为滑坡易发性评价中筛选因子提供参考框架；通过与SHAP的结果对比分析，地理探测器能够准确的探测各因子对滑坡发生的贡献值，突出各滑坡调理因子组合之间的相关性，从而探究各因子间与滑坡之间的关系。
- 单位
