基于随机森林-特征递归消除模型的可解释性缓丘岭谷地貌滑坡易发性评价

研究旨在基于随机森林-特征递归消除模型,通过SHAP算法(SHapley Additive exPlanation,SHAP)与部分依赖图(Partial Dependence Plot,PDP)对缓丘岭谷地貌区域进行滑坡易发性评价与内部机制解释,以期为地质灾害防治研究提供参考。利用优化随机森林算法对典型缓丘岭谷地区滑坡易发性进行研究,建立缓丘岭谷滑坡易发性评价模型;利用特征递归消除算法剔除噪声因子,选取地形地貌、地质构造、环境条件、人类活动5个类型16个因子构建重庆合川区滑坡致灾因子数据库;结合合川区754个历史滑坡点,利用随机森林算法对因子重要性进行排序,并根据专家经验法对研究区的滑坡易发性进行划分,将研究区的滑坡易发性分为极低、低、中、高、极高5个等级;应用部分依赖图对合川区滑坡发生影响大的因子进行解释和SHAP算法对个体滑坡进行局部解释。结果表明:与原模型相比,随机森林-特征递归消除模型测试集AUC值提高了0.019,证明了特征递归消除算法的有效性;训练集以及测试集的AUC值分别为0.769、0.755,具有较高的预测精度;缓丘缓坡地区在起伏较大地区滑坡密度较大,历史滑坡多集中于高易发地区;滑坡的空间分布具有不均匀性与复杂性,各致灾因子对滑坡发生的影响有着明显的区域特征与空间异质性,在缓坡丘陵地区多年平均降雨、高程、岩性3个因子对滑坡发生的影响最大;由SHAP算法对合川白塔坪上山公路滑坡事件进行解释,岩性与高程对滑坡起抑制作用,起伏度、坡度、归一化植被指数(NDVI)与POI核密度促进滑坡发生。综上所述,基于随机森林-特征递归消除模型在缓丘岭谷区滑坡易发性评价中具有较高的准确性,通过部分依赖图与SHAP算法对全局滑坡与个体滑坡发生的内在机理进行解释分析,有利于构建与完善不同地貌环境下滑坡易发性评价因子体系并探究滑坡内部决策机理,可为区域滑坡易发性评估与地质灾害防治提供参考。