基于CatBoost-SHAP 模型的滑坡易發性建模及可解釋性

曾韜睿，王林峰，張 俞，程 平，吳 帆

（1.重慶交通大學山區公路水運交通地質減災重慶市高校市級重點實驗室，重慶 400074；2.重慶交通大學河海學院，重慶 400074；3.浙江省地礦科技有限公司，浙江 杭州 310007；4.溫州工程勘察院有限公司，浙江 溫州 325006；5.山地災害與地表過程重點實驗室/中國科學院山地災害與環境研究所，四川 成都 610299）

0 引言

隨著全球氣候的變化，由人類活動導致的極端天氣事件愈顯頻發。尤其是百年一遇的臺風漸成常態，頻觸山體滑坡，對全球特別是中國東南沿海地區造成重大影響[1-2]。受地理、氣候和地質環境的影響，中國東南沿海地區已經成為臺風的高風險區域。近些年，如“拉娜妮姆”“蘇迪洛”“鲇魚”“利奇馬”等臺風席卷該地區，觸發了大量滑坡災害，造成了人員傷亡和巨大的經濟損失[3]。浙江省約90%的突發性地質災害由降雨引發[4]。因此，開展滑坡易發性制圖研究對于加強東南沿海災害風險管理具有重大實際意義和緊迫性[5-9]。

滑坡易發性評估考慮歷史滑坡災害與地質、地形、地貌、土壤性質及人類活動等多個影響因素的關系，以估算特定區域發生滑坡的概率[10-11]。機器學習模型為這種評估提供了一個工具，它能從大量數據中學習并揭示影響滑坡發生的復雜非線性關系[12-13]。常用的機器學習模型包括決策樹、支持向量機、人工神經網絡等[13-17]。近年來，人工智能技術取得了顯著的發展，先進的集成模型，為傳統方法帶來了革命性的改進。例如劉海知等[18]采用了隨機森林（bagging 集成）和梯度提升樹（boosting 集成）構建了的山區中小流域滑坡易發區早期識別方法。……