基于水系分区的滑坡易发性机器学习分析方法:以重庆市奉节县为例 |
| |
引用本文: | 仉文岗,何昱苇,王鲁琦,刘松林,陈柏林.基于水系分区的滑坡易发性机器学习分析方法:以重庆市奉节县为例[J].地球科学,2023(5):2024-2038. |
| |
作者姓名: | 仉文岗 何昱苇 王鲁琦 刘松林 陈柏林 |
| |
作者单位: | 1. 重庆大学土木工程学院;2. 重庆大学库区环境地质灾害防治国家地方联合工程研究中心;3. 重庆地质矿产研究院 |
| |
基金项目: | 国家重点研发计划项目(No.2019YFC1509605);;重庆市自然科学基金项目(No.cstc2021jcyjbsh0047); |
| |
摘 要: | 三峡库区是地质灾害管理的重点地区,鉴于长江对其沿岸边坡的水力作用不容忽视,因此需进一步研究水系因素对滑坡易发性的影响.以重庆市奉节县为例,考虑区域内水系影响显著,沿水域两岸300 m区域内划分为分区Ⅰ,其余区域为分区Ⅱ.其次,全域、分区Ⅰ、分区Ⅱ以提取的16个影响因子建立易发性评价指标分析模型,基于随机森林模型计算区域滑坡发生概率,并将全域和分区的滑坡易发性评价结果对比分析.结果表明:奉节县高和极高易发区主要分布在水域两岸及耕地范围内,这是由于库水位升降减少了防滑截面的有效应力,由于原有山体平衡在垦荒过程中被破坏,耕地对斜坡的防护作用微弱;基于水系分区后模型的训练精度优于全域模型的训练精度,准确率和F1分数的最大提升幅度分别可达5.1%、5.2%.基于水系分区的方法有利于提高滑坡易发性评价精度,该方法实用性强,可靠性高.
|
关 键 词: | 滑坡灾害 机器学习 水系分区 随机森林 易发性评价 工程地质 |
|