-
摘要: 为解决黄土地区滑坡编录数据稀缺、样本完整性不足导致的易发性评价精度受限问题，提出一种融合遥感解译与信息量法的正负样本协同优化方法。首先，基于SBAS-InSAR技术与光学影像解译识别滑坡灾害正样本靶区，补充优化滑坡正样本；其次，基于信息量法筛选以滑坡极低、低易发区为目标区的滑坡负样本源区；最终构建4种正负样本集对比方案，采用随机森林（RF）与BP神经网络模型分析对比不同样本优化方案下研究区滑坡易发性评价效果。研究结果表明，正负样本协同优化方案样本集能显著提升滑坡易发性评价模型性能，其AUC值最高（RF=0.91812，BP=0.81937），较传统“历史编录-全域随机”方案样本集（RF=0.57285，BP=0.55577）有明显改善（RF、BP模型AUC值分别提高了60.27%、47.43%）。该方法有效提高了黄土滑坡易发性评价的精度与可靠性，可为样本稀缺地区的滑坡风险评估与防灾减灾提供技术支持。
-
点击查看大图
计量
- 文章访问数: 14
- PDF下载量: 1
- 被引次数: 0
下载:
