基于耦合信息量与机器学习的陕西省地质灾害易发性评价

摘要

为精确评价陕西省地质灾害易发性，阐明其分布特征与主要影响因素，基于地形地貌、地质环境、水文条件和地表覆被四方面的16种孕灾因子，构建信息量-随机森林(information value-random forest, IV-RF)和信息量-极端梯度提升(information value-eXtreme gradient boosting, IV-XGBoost)集成模型进行定量分析。结果表明：IV-RF模型精度曲线下面积(area under the curve, AUC)值为0.864,预测精度和运算效率均优于IV-XGBoost。陕南秦巴山区的地质灾害易发性呈环状分布，极高易发区位于环形结构核心区，向外逐级递减。关中平原地区中部主要分布低易发区，两侧为中易发区和高易发区。陕北黄土高原地区以低易发区为主，少量中易发区主要沿公路分布，显示出一定的线性特征；高程、年均降水量、地层岩性、径流长度和距道路距离等因子对研究区整体的地质灾害发育贡献较大。陕北地区地质灾害易发性主要与地层岩性、年均降水量、高程和归一化差值植被指数(normalized difference vegetation index, NDVI)相关；关中地区主要与地貌类型、距断层距离、高程和距道路距离相关；陕南地区则与地貌类型、高程、距道路距离和距河流距离关联紧密。评价结果与历史地质灾害空间分布表现出良好的一致性，可为区域灾害防治工作提供科学依据。

关键词

信息量 / 机器学习 / 地质灾害 / 易发性 / 陕西省