基于水系分区的滑坡易发性机器学习分析方法:以重庆市奉节县为例

Machine Learning Solution for Landslide Susceptibility Based on Hydrographic Division: Case Study of Fengjie County in Chongqing

摘要

三峡库区是地质灾害管理的重点地区，鉴于长江对其沿岸边坡的水力作用不容忽视，因此需进一步研究水系因素对滑坡易发性的影响.以重庆市奉节县为例，考虑区域内水系影响显著，沿水域两岸300 m区域内划分为分区Ⅰ，其余区域为分区Ⅱ.其次，全域、分区Ⅰ、分区Ⅱ以提取的16个影响因子建立易发性评价指标分析模型，基于随机森林模型计算区域滑坡发生概率，并将全域和分区的滑坡易发性评价结果对比分析.结果表明：奉节县高和极高易发区主要分布在水域两岸及耕地范围内，这是由于库水位升降减少了防滑截面的有效应力，由于原有山体平衡在垦荒过程中被破坏，耕地对斜坡的防护作用微弱；基于水系分区后模型的训练精度优于全域模型的训练精度，准确率和F1分数的最大提升幅度分别可达5.1%、5.2%.基于水系分区的方法有利于提高滑坡易发性评价精度，该方法实用性强，可靠性高.

关键词

滑坡灾害 / 机器学习 / 水系分区 / 随机森林 / 易发性评价 / 工程地质

Key words

landslide / machine learning / sub-zone based on hydrographic division / random forest / susceptibility assessment / engineering geology

基金资助

国家重点研发计划项目(2019YFC1509605)

重庆市自然科学基金项目(cstc2021jcyjbsh0047)