基于样本优化和机器学习的地质灾害气象风险预报模型研究——以云南省怒江州为例

张天祥; 王艳霞; 张雪珂; 林钏; 周汝良

doi:10.16088/j.issn.1001-6600.2024022101

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (01) : 201 -215. DOI: 10.16088/j.issn.1001-6600.2024022101

基于样本优化和机器学习的地质灾害气象风险预报模型研究——以云南省怒江州为例

张天祥, 王艳霞, 张雪珂, 林钏, 周汝良

作者信息 +

Author information +

文章历史 +

PDF

摘要

降雨是地质灾害发生的主要诱因，云南省降雨频繁导致地质灾害频发，严重威胁人民生命财产安全，地质灾害气象风险预报是防灾减灾的有效手段。本文以高山峡谷区——云南省怒江州为例，基于信息量模型构建信息阈值，以信息阈值优化样本后，使用机器学习模型进行怒江州综合地质灾害易发性评价，并计算怒江州有效降雨系数，建立气象风险预报模型，以历史灾害点验证模型准确率。结果表明：信息阈值优化样本的滑坡、泥石流灾害评价模型AUC值分别为0.97、0.99,预测准确率为0.93、0.98。怒江州综合地质灾害极高、高易发区主要沿河流和道路分布于峡谷中。气象风险预警模型的预报命中率为90.91%、漏报率为0、空报率为22.22%,降雨结束时高风险区域面积472.24 km²。以信息阈值优化样本使机器学习模型的预测和泛化能力均获得较大提升，并且以0.5为衰减系数的气象预报模型提高了地质灾害气象风险预报的精确性。研究结果可为怒江州及类似地区的防灾减灾工作提供指导和支持。