留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

河南省滑坡灾害易发性制图研究:多种机器学习模型的对比

潘登 曹文庚 徐郅杰 付宇 张文培 任宇 南天

潘登, 曹文庚, 徐郅杰, 付宇, 张文培, 任宇, 南天. 河南省滑坡灾害易发性制图研究:多种机器学习模型的对比[J]. 地质科技通报. doi: 10.19509/j.cnki.dzkq.tb20230338
引用本文: 潘登, 曹文庚, 徐郅杰, 付宇, 张文培, 任宇, 南天. 河南省滑坡灾害易发性制图研究:多种机器学习模型的对比[J]. 地质科技通报. doi: 10.19509/j.cnki.dzkq.tb20230338
Landslide Disaster Vulnerability Mapping Study in Henan Province: Comparison of Different Machine Learning Models[J]. Bulletin of Geological Science and Technology. doi: 10.19509/j.cnki.dzkq.tb20230338
Citation: Landslide Disaster Vulnerability Mapping Study in Henan Province: Comparison of Different Machine Learning Models[J]. Bulletin of Geological Science and Technology. doi: 10.19509/j.cnki.dzkq.tb20230338

河南省滑坡灾害易发性制图研究:多种机器学习模型的对比

doi: 10.19509/j.cnki.dzkq.tb20230338
基金项目: 国家级-国家自然科学基金面上项目(41972262)

Landslide Disaster Vulnerability Mapping Study in Henan Province: Comparison of Different Machine Learning Models

  • 摘要: 河南省具有复杂的地貌类型,面临着频繁发生滑坡灾害的挑战,因此进行高效准确的滑坡易发性制图对于地方政府和居民具有重要意义。【目的】但是,在滑坡易发性制图研究中,如何选取适合河南省滑坡灾害数据集的机器学习模型提高评价精度的对比研究仍需进一步开展。【方法】以河南省为研究区,收集滑坡数据并编录成滑坡灾害数据库。通过递归特征消除法筛选出对滑坡相对影响最高的11个因子(坡度、高程、平面曲率、剖面曲率、土地覆盖、岩性、土壤类型、降水量、道路密度、河流密度、断裂带密度)整合成空间数据集,训练多层感知机神经网络、随机森林、极端梯度提升和支持向量机模型并使用接收者受试特征曲线下面积(AUC)评估各个模型性能,制作高精度滑坡易发性分区图。【结果】研究结果表明,MLP模型对河南省滑坡灾害数据集适配性最强,AUC达到0.95。相较于SVM、XGBoost和RF模型,MLP模型预测的滑坡灾害高易发区的面积占比最小,能加精确地识别潜在滑坡灾害高风险区域。预测的极高和高易发区主要分布在豫西山地、丘陵地区,地形因素对河南省滑坡灾害发育具有主导作用。【结论】研究成果可为大尺度区域开展高精度滑坡灾害易发性评价提供参考。

     

  • 加载中
计量
  • 文章访问数:  99
  • PDF下载量:  13
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-06-13
  • 网络出版日期:  2023-12-29

目录

    /

    返回文章
    返回