基于机器学习的高寒山区冰川泥石流早期识别——以帕隆藏布流域为例

摘要

冰川泥石流作为高原高寒山区的典型地质灾害，具有突发性和破坏性特征。本研究旨在探索基于机器学习算法构建高精度冰川泥石流的早期识别模型。以帕隆藏布流域为研究区，综合遥感（RS）和地理信息系统（GIS）技术，提取多维特征指标数据集，通过对比分析基于4种机器学习算法的精确性和泛化性来优选模型。研究结果表明，基于随机森林（RF）算法的层级模型在冰川泥石流的大类和子类早期识别中具有较高的精确性（>95%）和泛化性（>87%），基于该模型在研究区内识别出降雨型泥石流46处，冰川型泥石流93处。其中，冰（雪）崩型、冰川降雨融合型和冰湖（堰塞湖）溃决型冰川泥石流分别占比34.4%,32.3%和33.3%。基于早期识别结果探究不同类型泥石流的分区规律并针对性提出相应防灾减灾建议。研究成果为高寒山区冰川泥石流的后续研究和防灾减灾提供了科学依据和基础支撑。

关键词

帕隆藏布流域 / 冰川泥石流 / 机器学习 / 随机森林 / 早期识别