基于梯度提升的优化集成机器学习算法对滑坡易发性评价：以雅鲁藏布江与尼洋河两岸为例

雅鲁藏布江与尼洋河两岸地质构造活跃，山体滑坡时常发生，滑坡易发性评价能有效的减少因灾害发生所造成的对人类生命和财产的伤害。笔者基于基尼系数的加权随机森林、XGBoost和LightGBM算法在滑坡易发性中的性能。选取188个滑坡样本和7个影响因素，应用五折交叉验证法训练模型，训练过程中同时考虑特征选择算法、运用贝叶斯方法优化超参数后，采用precision、 recall、 F1、 Accuracy指标对各个级别的预测结果进行分析。结果表明：在高程为32～1 544 m与2 722～3 752 m、坡度为30°～40°、距断裂带、河流与道路200 m以内的区域最容易发生滑坡；滑坡极高与高易发性分布为12.14%和12.41%，低和极低易发性占比分别为26.47%与29.55%，区内一半以上的地区不容易发生滑坡灾害；LightGBM模型在所有模型中表现最好，AUC值为0.843 2，准确度为0.853 1,F1分数为0.834 5；墨脱县的达木乡、帮辛乡，林芝县的丹娘、里龙、扎西饶登乡，朗县的陇村，工布江达的江达乡位于极高易发区，发生滑坡概率极大，在这些地区应采取相应的地质灾害防治措施。