基于SVM-RF模型的地质灾害易发性评价——以河南省博爱县青天河景区为例

青天河景区位于焦作市博爱县境内,景区内景观由于自然条件和人类修建工程活动的双重因素影响易形成致灾体.2021年夏季出现了“7·20”“9·30”极端天气,导致景区内地质灾害频发.区内灾害点整体规模虽不大,但其隐蔽性与突发性的特点会给景区人员及设施带来较大影响与破坏,故对景区地质灾害易发性评价的研究具有重要意义.依托暴雨前后两期遥感影像比对和野外调查验证,及时获取暴雨后地灾点数据,通过基于多种核函数的支持向量机(SVM)机器学习模型搭建随机森林(RF)模型,建立地质灾害易发性评价模型.在综合考虑研究区域背景条件下,从自然条件和人类活动条件下选取7类特征因子并经过处理作为模型训练输入值,分别以linear、poly、rbf、sigmoid四种SVM核函数进行模型训练,共生成了40个SVM模型.通过选取4种不同的模型参数种子,得到4个RF模型.最后把两种预测的模型结果进行加权融合得到最终模型预测概率,在GIS中输出预测结果并进行分区,这样既保证模型稳定性,又避免过拟合的情况.分区结果与本研究地灾点分布规律较为一致,能较好地刻画模拟研究区地灾易发性规律,填补青天河景区地灾易发性细化研究,为青天河景区科学防灾提供有价值的依据.