动态多源数据驱动模式下的滑坡灾害空间预测

• Published in: 自然灾害学报 Vol. 30; no. 3; pp. 83 - 92
• Main Authors: 温亚楠, 张志华, 慕号伟, 田德宇, 王筱宇
• Format: Journal Article
• Language: Chinese
• Published: 兰州交通大学测绘与地理信息学院,甘肃兰州730070 2021; 甘肃省地理国情监测工程实验室,甘肃兰州730070%中科院西北生态环境资源研究院,甘肃兰州730000; 地理国情监测技术应用国家地方联合工程研究中心,甘肃兰州730070
• Subjects: 数据驱动; 动态多源遥感数据; 机器学习; 谷歌地球引擎; 滑坡空间预测
• ISSN: 1004-4574
• DOI: 10.13577/j.jnd.2021.0310

TP79%X4; 滑坡作为危害程度仅次于地震的地质灾害对人类生命和财产安全造成严重威胁,快速准确的滑坡空间预测对人类可持续发展具有重要意义.该研究基于谷歌地球引擎平台,利用动态多源遥感大数据和机器学习算法对滑坡灾害进行训练和预测.首先对2016-2019年全国发生的滑坡灾害建库,并按照7:3随机划分训练集和验证集,然后在主成分分析和特征递归消除特征优化的基础上采用支持向量机和随机森林分类器进行分类和预测,最后通过受试者工作特征曲线的面积量化值评价预测模型.试验表明:特征递归消除结合随机森林方法(RFE-RF)不仅在训练集上表现出较好的预测性能,而且在验证集上获得了最高的预测精度.因此,基于动态多源遥感数据,RFE-RF模型可以在灾害发生前为滑坡预警提供数据参考,旨在探索一种结合遥感大数据和机器学习的滑坡空间预测新思路.