何書,胡萌,楊志華,鮮木斯艷·阿布迪克依木,陳康
(江西理工大學,a.資源與環(huán)境工程學院;b.離子型稀土資源開發(fā)及應用教育部重點實驗室,江西 贛州 341000)
滑坡是一種常見的多發(fā)性地質(zhì)災害,具有突發(fā)性強、危害大等特點,開展滑坡預測預報對于災害防控,以及避免可能造成的重大生命財產(chǎn)損失具有重要的現(xiàn)實意義[1-2]。據(jù)2020 年《全國地質(zhì)災害通報》統(tǒng)計,全年發(fā)生地質(zhì)災害7 840 起,其中滑坡4 810 起,占地質(zhì)災害總數(shù)的61.35%,直接經(jīng)濟損失達數(shù)十億元。近二十年來,基于RS 和GIS 技術(shù)的滑坡易發(fā)性研究已成為滑坡研究領域的熱點問題之一[3]。滑坡易發(fā)性研究能夠?qū)ξ粗獏^(qū)域或地段進行滑坡空間預測[4],為滑坡防治提供科學依據(jù)。
滑坡的產(chǎn)生與多種因素有關,易發(fā)性研究的根本任務在于對各種影響因子進行綜合考慮,并根據(jù)各因子的權(quán)重,建立易發(fā)性等級分區(qū)。基于對滑坡歷史數(shù)據(jù)的統(tǒng)計分析,大量的易發(fā)性評價方法和模型被提出,包括頻率比法[5]、熵指數(shù)[6]、信息模量[7]、邏輯回歸[8]、支持向量機[9-10]、隨機森林[11]等,均被證實是行之有效的滑坡易發(fā)性評價方法。隨著信息技術(shù)進步和相關研究不斷深入,越來越多的學者意識到,將多種評價方法耦合,可有效提高易發(fā)性評價的精度。常見的耦合方法包括:粗糙集與神經(jīng)網(wǎng)絡、粒子群優(yōu)化與支持向量機、確定性系數(shù)與邏輯回歸、邏輯回歸與信息量、MIV 與BP 神經(jīng)網(wǎng)絡、熵指數(shù)與支持向量機、SOM 與隨機森林等耦合模型,耦合的目的在于解決指標權(quán)重確定方法的主觀性[12],同時彌補單一方法的不足,提高空間預測精度[13]。……