基于图神经网络的滑坡易发性评价——以湖南省临湘市为例

摘要

开展区域滑坡易发性评价是制定防灾减灾措施的关键，针对目前诸多易发性研究在空间捕捉和非线性拟合的不足，该文提出一种基于图神经网络(graph neural network, GNN)的区域滑坡易发性建模框架。以湖南省临湘市为研究对象，综合选取高程、工程岩组等12个孕灾因子，建立GNN滑坡易发性评价模型，并与逻辑回归(logistic regression, LR)和随机森林(random forest, RF)模型进行对比研究。结果表明，3种模型的滑坡易发性结果均符合区域滑坡的空间分布特征，极高/高易发区在研究区东部及东南部呈离散、不连续分布，该区域水系密集、斜坡结构较破碎松散。模型划分存在一定的相似性和差异性，GNN模型在评价中具有最好的分区效果，AUC值(0.941)、准确率(0.744)、召回率(0.827)、F1分数(0.709)均显著高于LR和RF。这表明GNN模型能更好地捕捉滑坡的空间信息，能有效提高滑坡易发性评价的准确性和可靠性。

关键词

滑坡易发性评价 / 图神经网络 / 临湘市 / 随机森林 / 逻辑回归