| 摘 要： | 目前利用机器学习进行易发性评价时，非地质灾害单元通常是在研究区范围内随机选取，会导致部分非地质灾害单元落在潜在地质灾害单元之上，造成模型评价结果偏差，所以非地质灾害单元的有效选取成为当前易发性评价的难点问题。以浙江省长兴县李家巷镇为研究区，选取高程、坡度、坡向、剖面曲率、岩组、距水系距离、距断层距离、归一化植被指数和土地利用这9个环境因子作为评价指标，利用频率比模型(frequency radio, FR)进行非地质灾害单元的选取，然后选用随机森林模型(random forest, RF)进行地质灾害易发性评价，并与未经有效筛选非地质灾害单元的RF模型结果进行对比分析。结果表明，与RF模型相比，FR-RF模型的特异性(Specificity)提升了9.51%,说明对非地质灾害单元的预测能力显著提升，同时敏感性(Recall)提升了13.71%,说明对地质灾害单元的预测性能也大幅提升，受试者工作特征曲线下的面积(area under curve, AUC)和准确率(Accuracy)分别提高了6%、11.66%,模型整体性能及预测能力得到改进；地质灾害极高和高易发区主要分布于存在碎屑岩和...
|
