关于吉林省延边地区二叠纪地层的思考

延边地区二叠系７０余年来的研究历史,是一部争论－前进－再争论－再前进的地层研究史。迄今虽然尚未取得共识,但运用“现代地层”和“大陆边缘”理论观点,分析已经取得的丰富的实际资料,表明现在在空间上紧接相邻的某些岩石地层,在二叠纪时是分属龙岗（和龙）地块北部陆缘活动带、兴凯地块醅陆缘活动带、佳木斯地块南部南缘活动带不同空间的沉积产物。按照岩厂地层单位的定义,应道先划分不同陆缘的岩石地层序列,而后通过分隔     

基于多特征随机森林算法的深圳市土地利用分类

城市土地利用分类对土地资源可持续利用具有重要意义。为了进行深圳市土地利用信息提取,利用Sentinel-2影像,基于遥感光谱、光谱指数和图像纹理等多种特征信息,构建了多特征随机森林城市土地利用分类模型。并在相同分类条件下,与最大似然、K最邻近监督分类方法进行对比分析,利用混淆矩阵进行精度评价,分析随机森林分类算法的优缺点。研究表明,多特征信息融合丰富了遥感数据的信息内容,多特征随机森林分类方法具有更高的分类精度。     

基于随机森林算法的青藏高原AMSR2被动微波雪深反演

青藏高原因其复杂的地形地势和和积雪分布使得多种雪深算法未达到理想的精度。基于新一代被动微波数据AMSR2（Advanced Microwave Scanning Radiometer 2）, 应用随机森林算法（Random Forest, RF）将亮温（Brightness Temperature, BT）和亮温差（Brightness Temperature Difference, BTD）作为参数输入, 并将高程和纬度参数引入雪深反演模型中, 经过模拟退火算法进行有效反演因子筛选, 构建了基于随机森林算法的青藏高原雪深反演模型。结果表明： 与AMSR2全球雪深产品相比, 随机森林算法的拟合优度（R²）由0.41提升至0.60, 均方根误差（Root Mean Square Error, RMSE）由7.36 cm降至4.88 cm, 偏差（BIAS）由3.24 cm减小至-0.16 cm, 随机森林雪深反演模型在青藏高原的精度更高; 青藏高原平均海拔超过4 000 m, 当海拔大于青藏高原平均海拔时, 随机森林算法的反演效果最差, 但RMSE仅为3.78 cm, BIAS仅为-0.09 cm; 高原南部（25° ~ 30° N）因其复杂的地势和相对较少的气象站点使得反演效果较差, RMSE为5.94 cm, BIAS为-0.39 cm; 青藏高原的主要土地覆盖类型为草地, 随机森林算法在草地的RMSE约为3 cm, BIAS接近0 cm。     

吉林省延边卧龙地区青龙村群地球化学特征

青龙村群分布于华北板块北缘东段,岩石类型主要为片麻岩类,少量片岩类、斜长角闪岩类.变质作用由角闪岩相退变为绿片岩相.其原岩为钙碱性安山岩和流纹岩组合.岩石地球化学特征表明:青龙村群所属构造环境为岛弧区,岩浆同源,并经过岛弧区玄武质岩浆的分异作用,而玄武质岩浆产生与富集型MORB地幔经历中等程度部分熔融有关,Ti相对于Zr弱亏损可能与岛弧区俯冲深度有限有关.这表明青龙村群是华北板块北缘古亚洲洋俯冲消减的结果,并且与周围岩群没有可比性.     

基于随机森林算法的砂土液化预测方法

砂土液化的影响因素较多且复杂。以唐山大地震的72个场地的实测液化样本数据为例,在不丢失任何信息的前提下,选取了8个砂土液化的判别指标,通过计算样本数据的Gini系数,采用CART算法的决策树对数据的特征属性进行划分。在此基础之上,通过增加多个决策树构造随机森林的方式,在一定程度上降低了单个决策树学习过度造成的过拟合风险,同时,通过10轮交叉验证的方式确定了决策树的最大高度为5,随机森林中决策树的个数为20时,模型的效果达到最佳。研究结果表明,与抗震设计规范中的标贯试验法判别公式相比,决策树模型和随机森林模型的训练结果和预测结果有显著提高,尤其是随机森林模型在训练样本和预测样本上均没有出现误判,稳定性更高。     

吉林延边地区土壤钙元素生态地球化学

在吉林延边地区系统的野外调查和土壤及苹果梨果实样品采集、测试的基础上,采用统计对比及相关分析方法研究了土壤钙元素全量、交换性钙及果实钙含量的空间差异,以及土壤-果实系统中钙元素的转化吸收特征及其对果实品质的影响,目的在于揭示钙元素的迁移转化规律及其生态效应,为土地利用服务。结果表明：延边地区土壤中钙全量总体上缺乏,不同研究区土壤-果实钙元素转化吸收差别明显;果实中钙元素含量趋于一致,其吸收系数在可变范围内与土壤交换性钙含量呈极显著负相关;土壤交换性钙含量与pH值呈极显著正相关,与果品品质的4项指标(总糖、总酸、可溶性固形物和维生素C）具有显著相关性,其含量丰富有利于果品品质的提高。     

广西岩溶地区森林群落及其生态因子的比较研究

调查研究了广西岩溶地区森林群落的植被类型和主要生态因子。结果表明,岩溶区森林群落土壤化学、物理性质因地质背景以及生物作用等的不同而有所差异;由于森林群落所处的经纬度、坡位、坡度、微地形地貌以及乔木郁闭度、气候情况等的不同,生态因子具有复杂多变的特征,岩溶区生境具有很强的空间异质性。由此认为不同岩溶区森林群落中名、特、优品种的出现主要与岩溶区特殊的地质背景有关。      

基于随机森林算法的泥页岩岩相测井识别

泥页岩岩相识别是页岩油空间分布及勘探目标预测的一项重要工作,受地层非均质性及测井信息冗余的制约,基于测井响应方程的岩相识别十分困难.本文建立了一种基于随机森林算法的岩相识别模型,使用SHAP方法量化测井参数重要性.结果表明：随机森林算法可以很好地识别泥页岩岩相,其准确率高于支持向量机、KNN和XGBoost,并且对数据集中岩相类别不均衡的分类问题更加有效;对模型识别岩相最重要的前3项测井参数是自然电位、井径和声波时差;该模型可快速识别单井岩相,再根据总孔隙度、游离烃S1、TOC等参数可确定有利岩相类型,进而确定研究区有利岩相分布,为后续“甜点”预测提供依据.     

基于随机森林算法的大尹格庄金矿床三维成矿预测

大数据及机器学习技术在解决各行各业的复杂非线性关系问题方面已经体现出巨大的优势。本文尝试将随机森林(RF)算法引入三维成矿预测领域来开展研究,以胶东大尹格庄金矿为研究对象,在构建招平断裂(地质体)三维模型的基础上,通过各种空间分析方法提取控制矿体形成的若干控矿地质因素特征值,进而获取成矿空间中控矿地质因素分布值,最后将矿区钻孔立体单元化形成采样数据集并利用RF算法对矿区开展三维矿体定位预测,结果表明:决策树棵数M=800、属性个数K=7是最优参数,能获得总体精度97.32%和kappa系数0.6292的综合分类精度; RF算法的分类精度要优于支持向量机(SVM)算法和多层感知器(MP)算法。RF算法对大尹格庄金矿开展的三维矿体定位预测取得了较好效果,并在矿区深边部预测了7个三维找矿靶区,证明大数据技术在矿产资源定位预测方面具有巨大的应用前景。     

基于Logistic回归与随机森林的和龙市地质灾害易发性评价

为了科学地进行地质灾害易发性分析,基于和龙市地质灾害调查与区划,结合地质灾害分布规律和影响因素,综合考虑地形、地质、气象水文、土壤植被和人类工程活动5个因素,结合GIS技术与方法,提取高程、坡度、坡向、曲率、岩性、与断层距离、降雨量、与水系距离、NDVI(归一化植被指数)、土壤质地、水力侵蚀、人口密度、与道路距离等13个致灾因子,利用Logistic回归与随机森林模型进行地质灾害易发性评价,获得了区域地质灾害易发性分区图。其中,随机森林模型的结果表明：极低易发区面积占比最高,达56.98%,多位于研究区南部,高、极高易发区面积占比共12.89%,位于中部与东北部,该区是地质灾害预防和管理的关键区域;NDVI、高程、人口密度和降雨量等是灾害发育主要影响因素,累积贡献率为58.12%。Logistic回归和随机森林模型的ROC(受试者工作特征)曲线、已有灾害密度统计等验证结果均表明易发性分析和分区与实际灾害分布情况吻合度高,其AUC(ROC曲线下面积)值分别为0.856和0.907,说明两种方法均可实现有效预测,均具有较好的适用性,而随机森林模型表现出更高的准确性与稳定性,预测性能优于Lo...     

基于GIS和AHP的贵阳市环城林带生态敏感性评价

贵阳市环城林带对贵阳市生态环境起着控制和调节作用。近年来,随着城市化建设的发展,环城林带遭到不同程度破坏。为了保护现存环城林带资源,文章根据贵阳市环城林带地质环境条件的调查与测试资料,选择7个生态敏感性影响因子（地层岩性、地质构造、高程、坡度、坡向、地表水域和人类活动）,采用GIS技术对各单因子的敏感性进行分区,最后利用层次分析法（AHP）和空间加权叠加技术对林带生态敏感性进行综合分区。结果表明,不敏感林区占林带总面积的4.82%,分布于研究区北部;轻度敏感区占18.01%,分布于南部、东北部及东南部;中度敏感区占42.91%,分布于东部、西部及东北部;高度敏感区占29.61%,分布于北部区域;极度敏感区占总面积的4.65%,零星分布于各林区。针对各敏感区存在的主要生态环境问题提出治理与保护对策,为预防和治理贵阳市环城林带生态环境问题提供科学依据,对今后贵阳市生态规划与建设提供科学指导。     

基于植被区划和生态敏感性的中国煤矿生态恢复策略

煤炭是我国的主要能源,也是我国长期以来发展的最重要驱动力,并且在未来很长一段时间内将继续作为我国社会与经济发展的主要能源。但我国长期的煤炭开采活动已经对生态环境造成严重破坏,亟待进行全面生态恢复。目前,我国煤矿生态恢复大多局限于一处或几处矿区这类小尺度范围,缺乏国土空间层面的生态修复规划,相应的生态恢复策略也仍待明确。煤矿生态恢复是一项全国性系统生态工程,应以“借自然之力恢复自然”为理念,以当地生态敏感性问题为依据,以停止破坏自然生态系统并且继续提供生态系统服务为宗旨,以改善矿区人居环境质量为出发点。全国煤矿生态恢复策略的制定基于以下4个方面:第一,以我国植被区划为基础,因地制宜地选择潜在植被类型;第二,计算归一化综合生态敏感性(NIES)用以表征煤矿生态恢复紧迫性,再借助空间自相关性分析判断不同NIES煤矿的聚集关系与模式;第三,对煤矿和当地人口分布情况进行缓冲区分析,得到煤矿生态恢复的获益人口;第四,将煤矿的NIES和煤矿恢复获益人数进行聚类分析,判断煤矿生态恢复的优先区域。综合上述结果,根据我国煤矿的空间分布情况分区域制定相应的生态恢复策略。      

基于随机森林的滑坡空间易发性评价:以三峡库区湖北段为例

滑坡空间易发性分析有助于开展滑坡防灾减灾工作,训练有效的滑坡预测模型在其中扮演重要角色.以三峡库区湖北段为研究区,选取高程、坡度、斜坡结构、土地利用类型、岩土体类型、断裂距离、路网距离、河网距离、以及归一化植被指数这9个影响因子建立滑坡空间数据库,采用集成学习中的随机森林算法进行滑坡易发性评价.结果显示,随机森林抽样训练的方式有利于确定较优的训练参数,保证随机森林在不过拟合的情况下取得满意的拟合能力和泛化能力.随机森林绘制的滑坡易发性分级图显示出合理的空间分布,其中73.35%的滑坡分布在较高和极高级别区域.而巴东县北部、秭归县中部以及夷陵区南部等区域显示出较高的易发性级别.性能评估及易发性统计结果均表明随机森林是一种出色的算法,在滑坡空间预测领域具有较好的适用性.      

基于随机森林的基坑监测数据填补对比研究

根据项目监测实测数据,采用随机森林算法对基坑监测数据进行填充,分析了该方法的适用性、有效性,并与其他常见的数据填充方法进行对比研究.结果表明,随机森林方法作为一种集成学习方法,通过在模型训练时构造多个决策树,并输出分类结果,可以纠正普通决策树过度拟合的训练集合,且性能通常优于普通填充方法.基于随机森林方法填充后的数据,与周边数据相关性较强.在填充后的曲线图形上,还可以看到填补后数据分类性质明显,具有明显的归类特征.高质量的数据填充结果可以有效提高数据集完整性,达到高效、优质利用原有监测数据的目的.     

基于随机森林-特征递归消除模型的可解释性缓丘岭谷地貌滑坡易发性评价

研究旨在基于随机森林-特征递归消除模型,通过SHAP算法(SHapley Additive exPlanation, SHAP)与部分依赖图(Partial Dependence Plot, PDP)对缓丘岭谷地貌区域进行滑坡易发性评价与内部机制解释,以期为地质灾害防治研究提供参考。利用优化随机森林算法对典型缓丘岭谷地区滑坡易发性进行研究,建立缓丘岭谷滑坡易发性评价模型;利用特征递归消除算法剔除噪声因子,选取地形地貌、地质构造、环境条件、人类活动5个类型16个因子构建重庆合川区滑坡致灾因子数据库;结合合川区754个历史滑坡点,利用随机森林算法对因子重要性进行排序,并根据专家经验法对研究区的滑坡易发性进行划分,将研究区的滑坡易发性分为极低、低、中、高、极高5个等级;应用部分依赖图对合川区滑坡发生影响大的因子进行解释和SHAP算法对个体滑坡进行局部解释。结果表明：与原模型相比,随机森林-特征递归消除模型测试集AUC值提高了0.019,证明了特征递归消除算法的有效性;训练集以及测试集的AUC值分别为0.769、0.755,具有较高的预测精度;缓丘缓坡地区在起伏较大地区滑坡密度较大,历史滑坡多集中于高易发地区;滑坡的空间分布具有不均匀性与复杂性,各致灾因子对滑坡发生的影响有着明显的区域特征与空间异质性,在缓坡丘陵地区多年平均降雨、高程、岩性3个因子对滑坡发生的影响最大;由SHAP算法对合川白塔坪上山公路滑坡事件进行解释,岩性与高程对滑坡起抑制作用,起伏度、坡度、归一化植被指数(NDVI)与POI核密度促进滑坡发生。综上所述,基于随机森林-特征递归消除模型在缓丘岭谷区滑坡易发性评价中具有较高的准确性,通过部分依赖图与SHAP算法对全局滑坡与个体滑坡发生的内在机理进行解释分析,有利于构建与完善不同地貌环境下滑坡易发性评价因子体系并探究滑坡内部决策机理,可为区域滑坡易发性评估与地质灾害防治提供参考。     

基于随机森林的基坑监测数据填补对比研究

根据项目监测实测数据,采用随机森林算法对基坑监测数据进行填充,分析了该方法的适用性、有效性,并与其他常见的数据填充方法进行对比研究.结果表明,随机森林方法作为一种集成学习方法,通过在模型训练时构造多个决策树,并输出分类结果,可以纠正普通决策树过度拟合的训练集合,且性能通常优于普通填充方法.基于随机森林方法填充后的数据,与周边数据相关性较强.在填充后的曲线图形上,还可以看到填补后数据分类性质明显,具有明显的归类特征.高质量的数据填充结果可以有效提高数据集完整性,达到高效、优质利用原有监测数据的目的.     

基于随机森林的四川省会理地区“拉拉式”铜矿成矿预测

四川省会理-会东矿集区是我国著名的铜资源基地。近年来,随着找矿勘查工作的深入,又提交了多处大中型铜矿床,表明该地区仍具有较大的找矿潜力。本文基于获取的地质、化探和物探数据,应用随机森林(Random Forest,RF)方法,在研究区开展"拉拉式"铜矿成矿潜力预测,取得了较好的效果:随机森林模型预测的平均袋外误差率为6. 25%,受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)的AUC值为0. 938。利用偏依赖图(Partial Dependence Plot,PDP)分析解释了预测变量与已知矿床(点)的响应关系,按平均精度下降法排序预测要素的重要性,对"拉拉式"矿床的找矿预测工作具有重要意义的前4个变量依次为:Cu元素含量,中-晚元古代(超)基性岩体临近度,Ni元素含量和PC2因子得分。从成矿地质条件角度分析,河口群地层无疑是"拉拉式"铜矿的重要找矿预测要素,但在随机森林模型中的重要性排序相对靠后。究其原因,一方面是与其它连续数值型预测要素不同,河口群地层是二值(0～1)变量;另外,河口群地层的分布范围受覆盖层的影响较大。根据随机森林模型生成的拉拉地区成矿有利度信息,圈定了6处找矿远景区。红铜山-落凼-红泥坡-姜驿高成矿有利度区带呈北北东向展布,主体上与研究区内重要的地质-地球化学-地球物理预测要素异常空间分布一致;其中蒿枝坝-落凼-红泥坡-姑鲁迷找矿远景区是本区已探明铜矿的主要分布区,其内还有进一步勘探的潜力;同时,该异常区呈半环形态,结合地质勘探揭示的变质火山岩厚度分布,及其西部受一组后期北北东向走滑断裂限制的特点,显示出古火山活动中心在西部,并可能存在被切割分离的另一半环异常,这为该地区后续地质研究和铜矿勘查指明了方向。     

基于随机森林模型的云南元阳梯田地形因子分析

为探究地形因子对梯田空间分布的影响,以云南元阳梯田坝达流域为研究区,运用GeoEye-1遥感卫星数据(2010年,1 m分辨率)和数字高程模型(20 m分辨率),提取梯田空间分布信息以及海拔高程、地形坡度、地形坡向、地面曲率、高程变异系数、地形起伏度、地面粗糙度、地表切割度、到水系距离9个地形因子。采用随机森林(Random Forest)方法建模,结合ROC曲线和AUC值对模型进行精度评价,根据随机置换残差均方减少量和因子作用曲线,探讨地形因子对梯田分布的影响规律。研究结果表明:该流域内梯田总面积1 158395 hm2,模型AUC值为0.947,海拔高度因子的随机置换残差均方减少量为38814,到水系距离因子为199.77,地面坡向因子为80.26,三者占总值的73.45%。由此可见,元阳梯田的空间分布主要受海拔高度、到水系距离、地面坡向3类地形因子的影响,其因子曲线表明梯田分布与地形因子间呈非线性关系。