一种用于中国九寨沟县滑坡易发性评估的ChiMerge–WOE集成学习框架

《Sustainability》:A ChiMerge–WOE Ensemble Learning Framework for Landslide Susceptibility Assessment in Jiuzhaigou County, China

【字体: 大 中 小 】 时间:2026年06月26日 来源:Sustainability 4.1

编辑推荐:

   摘要 在山区

  

摘要

在山区,滑坡易发性评估对于灾害预防和可持续土地利用规划至关重要。然而,传统的离散化方法往往忽视了影响因素中的阈值效应,而且许多机器学习模型的可解释性仍然有限。本研究构建了一个集成框架,结合ChiMerge离散化方法、证据权重(WOE)变换以及基于树的集成学习技术,用于分析中国四川省九寨沟县的滑坡易发性。通过实地调查和灾害记录,整理出了164个滑坡点的数据,同时从多源空间数据集中提取了14个与地形、地质和环境相关的影响因素。连续型因素则采用ChiMerge方法进行离散化,这是一种基于卡方统计的监督式离散化方法,能够根据滑坡样本与非滑坡样本的分布特征确定具有统计意义的阈值。随后计算证据权重值,以量化各因素类别与滑坡发生之间的关联程度。研究构建了三种基于证据权重的集成模型:WOE-CatBoost、WOE-LightGBM和WOE-RF,并对它们进行了比较。所有模型的预测性能都很高(AUC值大于0.90),其中WOE-CatBoost的表现最佳(AUC值为0.9432)。该模型识别出的高易发区和极高易发区覆盖了研究区域的28.59%,但却包含了85.96%的已观测滑坡。高风险区域主要分布在陡峭的山谷、岩石破碎带、侵蚀带以及受到道路建设、坡地开垦、旅游基础设施开发和居民点扩张等工程活动影响的区域。所提出的框架提升了预测精度和可解释性,为滑坡预防和可持续土地利用管理提供了空间决策支持。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号