基于信息量和卷积神经网络的黄土高原滑坡易发性评价

Evaluation of Landslide Susceptibility in Chinese Loess Plateau Based on IV-RF and IV-CNN Coupling Models

摘要

黄土高原在地质环境与人类活动的复杂互馈作用下易导致黄土崩滑灾害频发，亟需选择适用性的影响因子和训练模型开展滑坡易发性评价研究.本研究以黄土高原为研究区，基于野外滑坡调查和资料收集，构建涵盖地形地貌、基础地质环境、气象水文、人类活动、土壤物理化学性质以及植被覆盖的评价体系，采用信息量模型（IV）分别联接到随机森林模型（RF）和卷积神经网络模型（CNN）构建耦合模型IV-RF和IV-CNN，开展滑坡易发性评价研究.结果表明，耦合模型（IV-RF、IV-CNN）的精度均高于独立模型（RF、CNN），4种模型的AUC值分别为0.916、0.938、0.878、0.853，IV-CNN具有更强的预测能力和精度.IV-CNN模型的极高、高、中、低、极低易发性区域面积占比分别为8.78%、7.47%、15.34%、19.82%、47.87%，主要分布在黄土高原南部和东部地质环境复杂和人类活动强烈的山地、黄土梁峁地区.坡度、侵蚀类型、地貌类型、粘粒含量、距道路距离在贡献率分析中排在前5位，是影响滑坡发育的主控因子.本研究旨在为黄土高原滑坡灾害的预测和防治工作提供可靠的科学依据，为滑坡易发性评价研究深化建模思路，优化独立模型评价结果不确定性问题.

关键词

黄土高原 / 滑坡 / 易发性 / 信息量 / 随机森林 / 卷积神经网络 / 灾害地质

Key words

Chinese Loess Plateau / landslides / susceptibility / information volume / random forest / convolutional neural network / hazard geology

基金资助

国家自然科学基金项目(42090053;41922054;4217071137)

中央高校基本科研业务费专项资金项目——长安大学优秀博士学位论文培育资助项目(CHD300102262713)