基于不同因子筛选方法的LightGBM-SHAP滑坡易发性研究

摘要

以重庆市黔江区为例，选取23个评价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2种因子筛选方法选择因子最优组合；基于Bayesian-LightGBM-SHAP混合模型进行滑坡易发性评价，并对模型精度进行验证，分析影响黔江区滑坡发生的主导因子.初始模型的AUC值为0.801,Pearson Correlation Coefficient-BayesianLightGBM模型AUC值为0.824,GeoDetector-Bayesian-LightGBM模型AUC为0.835；由因子重要性可知，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最主要因子，而输沙指数、水流动力指数与坡位对滑坡的发生影响较弱.因子筛选法-Bayesian-LightGBM相结合的混合模型能够提高模型的准确性，为构建合理因子数据库提供参考框架；通过与因子重要性的结合分析，验证了地理探测器能够准确探测各因子对滑坡发生的贡献值，突出各滑坡地理因子组合之间的相关性，从而探究各因子与滑坡之间的关系.

关键词

滑坡易发性区划 / 地理探测器 / 皮尔逊相关系数 / 主成分分析 / 贝叶斯优化 / LightGBM / SHAP