基于自动机器学习的全球尺度滑坡灾害易发性预测.pdfVIP

第36卷第5期资源环境与工程Vol.36No.5

2022年10月ResourcesEnvironmentEnginringOct.2022

王毅，陈曦，唐贵希，等•基于自动机器学习的全球尺度滑坡灾害易发性预测[J].资源环境与工程,2022,36(5):604-613.

WangY,ChenX,TangGX,etal.Globallandslidsusceptibilitypredictionbasedonautomaticmachinlearning[J].ResourcesEnvironmentEnginring,

2022,36(5)：604-613.

基于自动机器学习的全球尺度

滑坡灾害易发性预测

王毅，陈曦2,唐贵希1,方志策1,李朋磊1

(1.中国地质大学(武汉)，湖北武汉430074；2•湖北省地质调查院，湖北武汉430034；

3•湖北省地质局遥感应用技术中心，湖北武汉430034)

摘要：基于机器学习的滑坡灾害易发性预测模型由于其固有缺陷，难以获得更为可靠的评价结果。自动

机器学习作为新兴的智能学习方法，拥有自动选择特征、模型和参数的优良性能，并最大程度减少模型选

择和训练成本，因此在滑坡灾害易发性预测方面具有广阔前景。为了深入研究该技术在全球尺度滑坡灾害

易发性预测中的可行性，利用Auto-PyTorch自动机器学习模型构建全球尺度滑坡易发性预测处理框架，并

与经典机器学习模型——随机森林(RF)模型和朴素贝叶斯(NB)模型进行性能对比。在此基础上，以

全球60°N-60°S纬度范围作为研究区，进行全球尺度滑坡灾害易发性制图。实验结果表明，相较于经典机

器学习方法，基于自动机器学习的滑坡易发性分析能够获得性能更鲁棒、精度更优越的预测结果，可以为

全球性地质灾害风险评估和管理提供坚实的科学依据。

关键词：滑坡；易发性预测；全球尺度；自动机器学习；灾害评估与管理

中图分类号：P642.22文献标识码：A文章编号：1671-1211(2022)05-0604-10

DOI：10.16536/j.cnki.issn.1671-1211.2022.05.009

滑坡是一种常见的地质灾害，在全球范围内分布方法经历了从定性到半定量、再到定量的发展过程［5］,

广、发生频率高、灾害破坏力强,对人类生命和财产构该方法不强调预报模型中函数式的各个参数的准确

成巨大威胁［1］。滑坡灾害易发性预测能够预测研究区性,而是通过调查宏观地形地貌等一系列滑坡内外在

内发生滑坡的空间概率,从而为滑坡灾害风险管理及影响因子,对滑坡进行空间规划,更适于滑坡灾害风险

监测提供可靠的科学依据。滑坡易发性预测方法主要管理的宏观决策，如Saboya等⑷运用模糊逻辑法将专

分为两大类：确定性预报方法和非确定性预报方法。家选择的滑坡诱因转换为模糊数，在巴西里约热内卢

前者主要针对单个滑坡预测，包括适用于短期和临期进行了滑坡易发性预测。知识驱动型方法很大程度上

滑坡预报的斋腾迪孝法［2］、适用于长期滑坡预报的有依赖于专家知识,但人为因素干扰较大，导致滑坡易发

限元法［3］等，此类方法通常具有严格且确定的数学函性预测结果的精度偏低。

数关系式，且每个参数均有明确的解释,能够反映滑坡