首页|顾及样本敏感性的滑坡易发性评价

顾及样本敏感性的滑坡易发性评价

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
滑坡作为一种危害极大的自然地质现象,严重威胁着人民的生命财产安全.因此,科学、准确地评价滑坡体的易发性至关重要.随着机器学习的发展,基于机器学习的滑坡易发性评价逐渐成为研究热点.而在真实情况中,滑坡区域与非滑坡区域面积占比悬殊,这使得机器学习模型的应用存在较严重的样本不均衡问题.本文采用样本敏感性分析方法,综合多个机器学习模型在不同比例的正负滑坡样本集上的表现,以获取最均衡滑坡样本集;并在此样本集基础上采用深度随机森林模型,在示范研究区开展滑坡易发性评价.最终的评价结果接近真实分布,表明本文方法具有较好的有效性.
Landslide susceptibility evaluation considering sample sensitivity

吕蓓茹、彭玲、李樵民

展开 >

中国科学院空天信息创新研究院,北京100094

中国科学院大学资源与环境学院,北京100049

宁夏回族自治区遥感调查院,宁夏银川750021

滑坡易发性 样本敏感性分析 机器学习 深度随机森林

宁夏回族自治区重点研发计划

2020BFG02013

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(11)
  • 1
  • 2