基于网格样本的北川县滑坡灾害易发性评价研究

摘要

滑坡易发性评价的实质就是以历史滑坡数据为基础，进行特定区域滑坡灾害发生的概率评估。易发性评价结果多数取决于样本的精细程度。传统的样本制作方法会丢失滑坡的部分位置信息，为最终评价结果带来不确定性。本研究提出了一种全新的网格样本制作方法，尽可能完整地保留滑坡的边界位置信息。将不同的机器学习模型(逻辑回归模型、深度神经网络)与本文提出的样本制作方法结合，并通过受试者工作特征(receiver operating characteristic, ROC)曲线实现精度验证。ROC曲线中2个模型的AUC(area under curve)值分别为0.878,0.963。最终的易发性分区结果显示：深度神经网络在对于极高滑坡易发区的划分更为精细，便于节约人力、物力资源，集中关注于滑坡真正高发的那些区域。

关键词

滑坡 / 易发性评价 / 深度神经网络 / 逻辑回归模型

基金资助

自然资源部西部地区地质灾害防控与生态修复技术创新中心开放基金（TICGP2023K002）