【目的】基于滑坡点属性与研究区全域点属性作为分类基础数据,对位于三峡库区的万州区滑坡易发性区划对比研究。【方法】选取高程、多年平均降雨量、地表切割深度、坡向、距道路距离、坡度、POI核密度、倾坡类型、岩性、归一化植被指数...【目的】基于滑坡点属性与研究区全域点属性作为分类基础数据,对位于三峡库区的万州区滑坡易发性区划对比研究。【方法】选取高程、多年平均降雨量、地表切割深度、坡向、距道路距离、坡度、POI核密度、倾坡类型、岩性、归一化植被指数、曲率、地形起伏度、地形湿度指数等13个因子作为影响因子,分别对滑坡点属性与研究区全域点属性使用自然断点法进行因子分类,并通过两种分类结果构建模型预测研究区内滑坡易发程度的空间分布情况。【结果】以研究区全域点属性作为分类数据对应的曲线下面积(Area under curve,AUC)值为0.79,对应的模型测试集最高精度为0.755;以滑坡点属性作为分类数据对应的AUC值为0.85,对应的模型测试集最高精度为0.779;高程、地表切割深度和多年平均降雨量的重要性位于前3位,对滑坡的发生有较大影响。【结论】采用滑坡点属性确定因子分类标准建立的随机森林模型精确性和预测能力更优,可对万州区的滑坡灾害危险管理和影响因子分级研究提供参考。展开更多
【目的】在已有文献研究基础上,构建基于逻辑回归的滑坡易发性评价模型,并与基于随机森林的模型进行分析比较,探讨出适用于三峡库区巫山县的滑坡易发性评价模型。【方法】选取地质条件、地形地貌、环境条件、人类工程活动等4方面影响下...【目的】在已有文献研究基础上,构建基于逻辑回归的滑坡易发性评价模型,并与基于随机森林的模型进行分析比较,探讨出适用于三峡库区巫山县的滑坡易发性评价模型。【方法】选取地质条件、地形地貌、环境条件、人类工程活动等4方面影响下的22个因子作为滑坡易发性影响因子,根据研究区963处历史滑坡点,建立30m×30m栅格地理空间数据库;进一步在数据库中,按历史滑坡与非滑坡1∶10的比例构建地理空间数据样本集,基于十折交叉验证法选择最佳样本数据后,进行逻辑回归模型训练;最后,利用最佳样本训练后的模型,进行全域滑坡易发性仿真分析,并将结果划分为低、较低、中、较高、高共5种易发性等级。【结果】逻辑回归模型训练集、测试集的受试者工作特征曲线下面积(Area under curve,AUC)值分别为0.803和0.787;有63.24%历史滑坡落入面积比为26.26%的较高滑坡易发性区划中。【结论】基于逻辑回归和随机森林构建的滑坡易发性评价模型均具有良好的稳定性及预测功能,但随机森林模型性能优于逻辑回归模型性能,更适用于三峡库区滑坡易发性区划研究。展开更多
文摘【目的】基于滑坡点属性与研究区全域点属性作为分类基础数据,对位于三峡库区的万州区滑坡易发性区划对比研究。【方法】选取高程、多年平均降雨量、地表切割深度、坡向、距道路距离、坡度、POI核密度、倾坡类型、岩性、归一化植被指数、曲率、地形起伏度、地形湿度指数等13个因子作为影响因子,分别对滑坡点属性与研究区全域点属性使用自然断点法进行因子分类,并通过两种分类结果构建模型预测研究区内滑坡易发程度的空间分布情况。【结果】以研究区全域点属性作为分类数据对应的曲线下面积(Area under curve,AUC)值为0.79,对应的模型测试集最高精度为0.755;以滑坡点属性作为分类数据对应的AUC值为0.85,对应的模型测试集最高精度为0.779;高程、地表切割深度和多年平均降雨量的重要性位于前3位,对滑坡的发生有较大影响。【结论】采用滑坡点属性确定因子分类标准建立的随机森林模型精确性和预测能力更优,可对万州区的滑坡灾害危险管理和影响因子分级研究提供参考。
文摘【目的】在已有文献研究基础上,构建基于逻辑回归的滑坡易发性评价模型,并与基于随机森林的模型进行分析比较,探讨出适用于三峡库区巫山县的滑坡易发性评价模型。【方法】选取地质条件、地形地貌、环境条件、人类工程活动等4方面影响下的22个因子作为滑坡易发性影响因子,根据研究区963处历史滑坡点,建立30m×30m栅格地理空间数据库;进一步在数据库中,按历史滑坡与非滑坡1∶10的比例构建地理空间数据样本集,基于十折交叉验证法选择最佳样本数据后,进行逻辑回归模型训练;最后,利用最佳样本训练后的模型,进行全域滑坡易发性仿真分析,并将结果划分为低、较低、中、较高、高共5种易发性等级。【结果】逻辑回归模型训练集、测试集的受试者工作特征曲线下面积(Area under curve,AUC)值分别为0.803和0.787;有63.24%历史滑坡落入面积比为26.26%的较高滑坡易发性区划中。【结论】基于逻辑回归和随机森林构建的滑坡易发性评价模型均具有良好的稳定性及预测功能,但随机森林模型性能优于逻辑回归模型性能,更适用于三峡库区滑坡易发性区划研究。
