吉林大学学报(地球科学版) ›› 2024, Vol. 54 ›› Issue (5): 1629-1644.doi: 10.13278/j.cnki.jjuese.20230071
安雪莲1,密长林2,孙德亮1,文海家3,李晓琴2,辜庆渝1,丁悦凯1
1.地理信息系统应用研究重庆市高校重点实验室(重庆师范大学),重庆401331
2.山东省临沂市自然资源开发服务中心,山东临沂276000
3.山地城镇建设与新技术教育部重点实验室(重庆大学),重庆400045
An Xuelian1,Mi Changlin2,Sun Deliang1,Wen Haijia3,Li Xiaoqin2,Gu Qingyu1,Ding Yuekai1
1. Chongqing Key Laboratory of GIS Application (Chongqing Normal University), Chongqing 401331, China
2. Linyi Natural Resources Development Service Center of Shandong, Linyi 276000, Shandong, China
3. Key Laboratory of New Technology for Construction of Cities in Mountain Area (Chongqing University), Ministry of Education, Chongqing 400045,China
摘要:
为探究不同评价单元对区域滑坡易发性评估的影响,基于网格单元与斜坡单元对三峡库区典型县域重庆市云阳县开展了滑坡易发性研究。首先选取高程、坡度、曲率等22个评价因子,根据研究区988个历史滑坡数据,通过30 m×30 m的栅格数据提取斜坡单元,并基于网格单元及斜坡单元分别建立22个滑坡影响因子地理空间数据库;然后利用随机森林与贝叶斯优化算法来构建滑坡易发性模型,对研究区滑坡进行易发性评估;最后结合ROC (受试者工作特征)曲线与混淆矩阵结果检验评价单元的易发性模型预测精度。结果表明:易发性评估的结果可划分为低、较低、中、较高、高5个等级;基于网格单元的滑坡易发性模型中,高程、与道路距离、坡度这3个因子对滑坡发生的贡献率大,基于斜坡单元的模型中,INDV(归一化植被指数)、剖面曲率、平面曲率这3个因子对滑坡发生的贡献率大,并且2个模型的滑坡密度均随着滑坡易发性等级的升高而变大;与网格单元相比,斜坡单元能更好地解释地形间的联系,以斜坡单元(AUC=0.744)为最小评价单元的滑坡易发性模型比网格单元(AUC=0.714)精度更高。
中图分类号:
| [1] | 周孙超, 宋腾蛟, 王琰, 蔡宗佑. 基于小龙虾优化算法的BP神经网络模型在滑坡易发性评价中的应用[J]. 吉林大学学报(地球科学版), 2026, 56(3): 937-950. |
| [2] | 杨兰, 王运, 邹勇军, 胡宝群, 李满根, 张安, 朱满怀. 基于机器学习的富硒土壤预测模型的构建与比较——以江西省信丰县油山地区为例[J]. 吉林大学学报(地球科学版), 2025, 55(5): 1629-1643. |
| [3] | 曹志民, 张丽, 郑兵, 韩建. 基于SMOTE平衡数据的极端随机树岩性识别[J]. 吉林大学学报(地球科学版), 2025, 55(4): 1372-1386. |
| [4] | 张晟瑀, 申文超, 苏小四. 基于随机森林法的区域地下水硝酸盐污染风险评价[J]. 吉林大学学报(地球科学版), 2025, 55(3): 943-956. |
| [5] | 王明常, 于海滨, 曾昭发, 王典, 韩复兴, 张剑, 罗修杰, 冷亮, 刘子维. 基于多源遥感数据的城市道路坍塌易发性预测[J]. 吉林大学学报(地球科学版), 2025, 55(3): 1028-1038. |
| [6] | 王新领, 祝新益, 张宏兵, 孙博, 许可欣. 基于随机树嵌入的随钻测井岩性识别方法 [J]. 吉林大学学报(地球科学版), 2024, 54(2): 701-708. |
| [7] | 于子望, 郑天琪, 程钰翔. 基于PSO-XGB混合优化技术的浅层地下温度预测:以长春市为例[J]. 吉林大学学报(地球科学版), 2023, 53(6): 1907-1916. |
| [8] | 王明常, 丁文, 赵竞争, 吴琳琳, 王凤艳, 纪雪. 基于知识图谱与随机森林的落叶松毛虫害遥感识别[J]. 吉林大学学报(地球科学版), 2023, 53(6): 2006-2017. |
| [9] | 熊超, 孙红月. 基于多因素-多尺度分析的阶跃型滑坡位移预测[J]. 吉林大学学报(地球科学版), 2023, 53(4): 1175-1184. |
| [10] | 杨国华, 李婉露, 孟博. 基于机器学习方法的地下水氨氮时空分布规律[J]. 吉林大学学报(地球科学版), 2022, 52(6): 1982-1995. |
| [11] | 王雪冬, 张超彪, 王翠, 朱永东, 王海鹏. 基于Logistic回归与随机森林的和龙市地质灾害易发性评价[J]. 吉林大学学报(地球科学版), 2022, 52(6): 1957-1970. |
| [12] | 杨丽萍, 苏志强, 侯成磊, 白宇兴, 王彤, 孔金玲. 基于随机森林的干旱区全极化SAR土壤含水量反演[J]. 吉林大学学报(地球科学版), 2022, 52(4): 1255-. |
| [13] | 王明常, 刘鹏, 陈学业, 王凤艳, 宋玉莲, 刘瀚元. 基于GEE的东北三省城市建设用地扩张研究[J]. 吉林大学学报(地球科学版), 2022, 52(1): 292-. |
| [14] | 王孔伟, 路永强, 聂进, 滕明明, 王宵亮. 三峡库区仙女山和九畹溪断裂带水库地震变化规律[J]. 吉林大学学报(地球科学版), 2021, 51(2): 624-637. |
| [15] | 林松, 王薇, 邓小虎, 查雁鸿, 周红伟, 程邈. 三峡库区典型滑坡地质与地球物理电性特征[J]. 吉林大学学报(地球科学版), 2020, 50(1): 273-284. |
|