84 / 2025-05-10 21:11:28

基于机器学习的滑坡易发性评价-以万州区为例

滑坡；易发性评价；机器学习；随机森林；万州区

三峡库区万州区地质环境复杂，滑坡灾害频发，制约了当地的可持续发展。本研究融合多源地理空间数据与机器学习算法，提出高精度滑坡易发性评价框架。基于715处历史滑坡编录数据，通过主成分分析与皮尔逊相关性检验优化因子体系，选用包含坡度、地层岩性、植被覆盖度等12个影响因子。采用信息量模型（IV）、随机森林（RF）、MLP-Bagging及XGBoost四类算法进行易发性建模，利用AUC值、易发性区划分布等指标对模型精度进行对比，从而选取最优模型。研究揭示：（1）滑坡发育具显著环境响应特征，93.2%的灾害点分布于坡度10°-20°，且62.4%的灾害体与人类工程活动存在空间耦合；（2）RF模型表现出最优预测效能（AUC=0.8868），其划定的高易发区（占全域34.78%）集中了74.12%的历史滑坡，显著优于IV（AUC=0.8341）与其他模型；（3）基于自然断点法的易发性分区显示，极高风险带沿长江干流及城镇群呈带状集聚，印证库水位波动与城镇化进程的协同致灾效应。该成果可为万州区地质灾害防治提供科学依据，也可为三峡库区类似区域开展滑坡空间易发性评价提供一定借鉴。