县域国土空间斜坡地质灾害敏感性评价研究
地质灾害敏感性评价对灾害预测具有重要作用,由于县域国土空间面积较小,斜坡地质灾害发育数量相对较少,导致敏感性评价模型不同而预测结果差异较大,难以真正有效的服务防灾救灾工作.本文以山西省五寨县为研究区,以高程、坡度、坡向、地势起伏度、地质构造、地层岩组、道路工程扰动、河流水系和植被覆盖为敏感性评价因子,综合运用GIS空间分析、相关性分析、确定性系数、支持向量机、随机森林等方法,将基于统计思想的确定性系数模型(CF)和基于机器学习的支持向量机模型(SVM)进行组合,构建CF-SVM组合模型,利用研究区93处斜坡地质灾害点,分别采用CF模型、SVM模型、随机森林模型(RF)和CF-SVM模型进行敏感性评价,并对4种模型的评价结果、模型精度、模型适用性进行了分析.结果表明:CF-SVM模型精度最高(AUC=0.828),所划分极高敏感区分布较SVM模型更合理,以较小面积分布较多灾害点,而低敏感区分布较CF模型更符合实际情况,以较大面积分布极少灾害点.其次是RF模型(AUC=0.823),再次是SVM模型(AUC=0.817),CF模型精度则相对较低(AUC=0.780).CF-SVM模型融合了2种单模型的优势,消除了CF模型所划分低敏感区面积占比较小和SVM模型所划分极高敏感区面积占比过大的不合理性,是县域国土空间较CF模型、SVM模型和RF模型更具鲁棒性、精准性的斜坡地质灾害敏感性评价模型,为县域国土空间地质灾害敏感性评价、防灾减灾工作提供了技术参考.
斜坡地质灾害、确定性系数、支持向量机、随机森林、敏感性评价、国土空间
31
P208;P954;X43(一般性问题)
山西省高等学校科技创新计划项目;山西省高等学校大学生创新创业训练计划项目;山西省应用基础研究计划项目
2022-09-26（万方平台首次上网日期，不代表论文的发表时间）
共12页
219-230
