基于机器学习和InSAR技术的滑坡易发性动态评价

摘要

东南山地丘陵区因其特殊的气候条件与地质环境导致滑坡灾害具有群发性、突发性的特点。而现有的滑坡易发性评价方法多考虑静态的评价因子，无法反映东南山地丘陵区滑坡的动态特征。因此，需结合动态因子提高评价结果的时效性。文中以东南山地丘陵区的大田县为研究区，选取坡度、坡向、地表起伏度、地层岩性、归一化植被指数以及年均降雨量6个评价因子，通过信息量(information value, IV)模型与逻辑回归(logistic regression, LR)模型、随机森林(random forest, RF)模型进行滑坡易发性建模并进行合理性检验与精度检验。利用SBAS-InSAR技术反演研究区地表形变速率，结合滑坡易发性区划结果构建动态评价矩阵实现研究区的滑坡易发性动态评价。结果表明，随机森林模型的受试者工作特性(receiver operating characteristic, ROC)曲线下面积(area under curve, AUC)值最大(0.851),可用此方法进行东南山地丘陵区的滑坡易发性分区。在已知的滑坡中，13处滑坡稳定性较差，83处滑坡稳定性一般，150处滑坡较为稳定。通过绘制稳定性较差滑坡的时间序列形变曲线发现，东南山地丘陵区影响滑坡稳定性的主要因素为季节性降雨。

关键词

滑坡 / 东南山地丘陵区 / InSAR / 易发性评价 / 机器学习方法