基于卷积神经网络的滑坡易发性评价: 以辽南仙人洞国家级自然保护区为例

为了解决滑坡易发性评价过程中存在的滑坡编录数据不足,主观或者随机地选取非滑坡栅格单元而导致模型准确率较低等问题,以辽南仙人洞国家级自然保护区为研究区,首先,从地形地貌、地质条件、水文气象条件和人类工程活动等方面选取了12个评价因子构建滑坡评价体系;其次,利用SMOTETomek综合采样方法解决滑坡与非滑坡样本类别的比例失衡问题,进而建立滑坡易发性评价模型的数据集;最后,针对研究区东西两侧（A区和B区）的非线性滑坡数据,通过构建卷积神经网络（Convolutional Neural Networks,CNN）模型进行滑坡易发性评价,并精准绘制了研究区滑坡易发性分布图.结果表明：CNN模型具有良好的适应性,绘制的滑坡易发性分区图显示出合理的空间分布,A区和B区的测试集AUC面积分别为91.2%和94.
3%;70%的滑坡数据分布在较高及以上等级的易发区,68.7%的非滑坡数据分布在较低及以下等级的易发区;滑坡高易发区主要位于研究区东北部猫岭北沟山一带、冰峪沟风景区的北部山区和碧流河水库沿岸区.研究成果为辽南仙人洞国家级自然保护区的地质灾害防治规划、应急预案制定等提供了重要的科学依据.