基于卷积神经网络的区域滑坡易发性评价:以三峡库区万州区为例

开展区域滑坡易发性评价是滑坡气象预警与风险评价的关键。针对目前诸多易发性研究未考虑滑坡发生与邻接环境有关的情况，本文提出了一种基于卷积神经网络(CNN)的区域滑坡易发性建模框架。以三峡库区万州区为例，选取坡度、坡向等12个因子构建评价指标体系，通过信息量法分析因子对滑坡发育的影响程度，采用二维矩阵构建数据集，运用CNN进行易发性建模，得到易发性评价图，同时探究构建样本时二维矩阵的大小对精度的影响。研究结果表明，越靠近水库带越易发生滑坡，水系和人类工程活动对于滑坡发育具有较大影响；CNN模型精度为0.925,相比机器学习模型精度明显提升；增大构建样本时的二维矩阵可提高精度。CNN模型在多维空间数据处理方面具有优势，它考虑了滑坡位置及其邻接环境的影响，是一种准确可靠的区域滑坡易发性评价方法。