考虑地貌差异的西南山区滑坡易发性评价研究

摘要

西南山区地形复杂，滑坡频发.现有研究多聚焦单一地貌类型，缺乏不同地貌情景下模型适用性与主导因子差异的系统对比，且传统“黑箱”模型难以揭示地貌对滑坡主导因子的调控机制.本文以重庆城口县（深切山地）、梁平区（低山丘陵）和四川中江县（低丘平原）为研究区，构建机器学习-地貌分区-可解释性框架，利用随机森林（RF）、XGBoost和LightGBM算法评估滑坡易发性，并通过SHAP方法定量解析不同地貌下的因子贡献差异.结果表明，XGBoost模型具有较强的鲁棒性，在山地表现最佳（AUC=0.923），丘陵和平原略低.地貌差异显著调控主导因子如下：城口县以高程和人类活动（POI核密度、距道路距离）为主；梁平区以岩性和粗糙度指数为主；中江县以降雨和高程为主.本研究验证了SHAP方法在解释“黑箱”模型方面的优势，从地貌差异视角揭示了滑坡发育的差异化驱动机制，为区域性滑坡精细化防灾提供科学依据.

关键词

滑坡易发性评价 / 地貌差异 / XGBoost / 随机森林 / LightGBM / SHAP / 中国西南山区

基金资助

重庆市自然科学基金资助项目（CSTB2023NSCQ-MSX0618）; 重庆市教育委员会基金资助项目（KJZD-K202300511）; 重庆师范大学基金资助项目（22XLB002）