基于流域单元和堆叠集成模型的天山地区泥石流易发性评估建模
侯儒宁1
李志2
陈宁生3
田树峰1
刘恩龙4
倪化勇5
1.中国科学院成都山地灾害与环境研究所,山地灾害与地表过程重点实验室,四川成都 610041;中国科学院大学,北京 1000492.西藏大学工学院,西藏拉萨 410075;中国科学院成都山地灾害与环境研究所,山地灾害与地表过程重点实验室,四川成都 6100413.中国科学院成都山地灾害与环境研究所,山地灾害与地表过程重点实验室,四川成都 610041;高原科学与可持续发展研究院,青海西宁 8100164.四川大学水利水电学院,水力学与山河工程国家重点实验室, 四川成都 6100655.中国地质调查局探矿工艺研究所,四川成都 610031
摘要：天山地区未来将成为国家重要战略交通、油气资源管道、城镇居民点建设的部署区域,对该区域泥石流灾害易发性评估使重大潜在泥石流灾害点的监测点布置以及防治更具针对性.集成学习算法可避免灾害易发性评估中算法选择困难的问题且可显著提高建模精度,但其在泥石流易发性评估中的应用仍然缺乏,可靠性有待检验.本研究基于流域单元采用堆叠集成算法评估天山地区的泥石流灾害易发性,选择干旱度、陡度指数等 14个特征变量进行天山地区的泥石流易发性评估建模,比较了堆叠集成算法与独立异质算法建模的预测性能,最后探讨了天山地区泥石流灾害的控制因素.结果表明:(1)天山地区泥石流灾害高、极高易发性区域占比分别为 17.06％和 19.75％,集中分布在北天山北坡和南天山南坡.(2)堆叠集成算法预测率曲线AUC值为 0.87,显著高于独立机器学习算法(0.79～0.81),比独立机器学习算法有更好的预测性能.(3)除去常规地形和降雨对天山地区泥石流的发育有显著控制作用外,干旱和隆升也对天山地区泥石流的发育有重要影响.结果不仅有助于天山地区泥石流灾害风险管理,还对各类机器学习模型评估干旱山区泥石流易发性的建模特征有启示意义.
关键词：天山泥石流机器学习易发性干旱隆升灾害地质
分类号：P642.22(水文地质学与工程地质学)
资助基金：次青藏高原综合科学考察项目(No.2019QZKK0902)国家自然科学基金(No.U20A20110)
论文发表日期：2023-05-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：16( 1892-1907 )
英文信息