考虑动态特征的积石山地震次生地质灾害易发性评价

摘要

2023年12月18日，甘肃省积石山县发生震源深度为10 km的M_S6.2地震，引发了一系列地震次生地质灾害，对地震次生灾害开展易发性评估可为灾害的防治和防护提供科学依据。针对传统地震次生地质灾害易发性评价指标体系构建中对动态因素考虑不充分的问题，该文在选取坡度、岩性和地质构造等14个静态因子的基础上，加入地震引发的地表形变作为动态因子，构建全新的地震次生地质灾害易发性指标评价体系。对比随机森林（random forest, RF）、支持向量机（support vector machine, SVM）、极端梯度提升（eXtreme gradient boosting, XGBoost）等机器学习方法，选择训练精度最优的方法作为模型的驱动方法。结果表明：3种机器学习方法中RF驱动评价模型效果最佳，AUC（area under curve）为0.944。同震次生地质灾害易发性结果整体呈中间高、四周低的空间分布状态，高和较高易发区主要集中在研究区石塬乡、柳沟乡等乡的山梁地带，容易受到降雨的影响导致滑坡和泥石流等地质灾害的发生。地表形变动态因素是影响同震次生地质灾害易发性的主要因素之一，融入地表形变动态因素显著提升了地震次生地质灾害易发性评价的精度。通过合成孔径雷达干涉测量（interferometric synthetic aperture radar, InSAR）技术与机器学习的结合，建立了动-静结合的地震次生地质灾害易发性评价指标体系模型，更加科学、精确地模拟本次积石山地震次生地质灾害的孕育和发生规律。

关键词

积石山M_S6.2地震 / 次生地质灾害 / 易发性评价 / 机器学习 / InSAR