基于遥感解译与信息量法的滑坡易发性评价样本优化

胡锦航; 桂蕾; 刘小波; 徐思卿; 李新民

doi:10.19509/j.cnki.dzkq.tb202603008

您当前的位置：

首页 >

文章列表页 >

基于遥感解译与信息量法的滑坡易发性评价样本优化

更新时间：2026-11-05

- 基于遥感解译与信息量法的滑坡易发性评价样本优化
- Bulletin of Geological Science and Technology Vol. 45, Issue 4, Pages: 151-162(2026)
- 作者机构：
  
  1. 中国地质大学(武汉)工程学院
  2. 国网陕西省电力有限公司
  3. 国网山西省电力有限公司
- 作者简介：
- 基金信息：
- DOI：10.19509/j.cnki.dzkq.tb202603008
  CLC： P642.22
- Published：2026
- 稿件说明：
移动端阅览
胡锦航, 桂蕾, 刘小波, et al. 基于遥感解译与信息量法的滑坡易发性评价样本优化[J]. Bulletin of Geological Science and Technology, 2026, 45(4): 151-162.
DOI：

胡锦航, 桂蕾, 刘小波, et al. 基于遥感解译与信息量法的滑坡易发性评价样本优化[J]. Bulletin of Geological Science and Technology, 2026, 45(4): 151-162. DOI： 10.19509/j.cnki.dzkq.tb202603008.

摘要

黄土高原黄土特殊的水敏性与垂直节理构造导致滑坡灾害高发频发，伴随特高压输电线路等线性基建大范围落地，区域精细化滑坡易发性评价需求持续攀升，但黄土偏远区域历史滑坡编录资料稀缺，传统依靠历史台账获取正样本、全域随机抽取负样本的建模方式，存在正样本数量不足、负样本易混入同环境模糊样本的弊端，造成机器学习模型评价精度偏低。针对上述问题，提出一种融合小基线子集合成孔径雷达干涉测量（SBASInSAR）时序遥感解译与信息量统计法的滑坡正负样本协同优化方法。以山西临汾吕梁山沿线黄土区为对象，选取高程、坡度、坡向、归一化植被指数（NDVI）、沟壑密度等9项评价因子开展建模；依托2023—2024年Sentinel-1A卫星影像实施SBAS-InSAR形变反演，将沿坡向年平均形变速率≤-15 mm/a区域划为潜在滑坡区，结合光学影像滑坡地貌目视解译交叉核验，在原有历史滑坡扩充的230个栅格正样本基础上新增920个栅格样本，得到1 150个优化正样本；再利用信息量模型开展滑坡易发性五级分区，从极低、低易发区内随机采样获取优化负样本，严格控制正负样本1∶1配比。试验设置4组对照采样方案，数据集按7∶3划分训练与测试集，采用随机森林（RF）与反向传播神经网络（BPNN）开展易发性建模，以受试者工作特征曲线-曲线下面积（ROC-AUC）作为精度评价指标。结果表明，样本优化效果分级显著：仅优化正样本可明显提升模型精度，仅优化负样本对模型增益有限，正负样本协同优化效果最优；最优方案RF、BPNN模型AUC值分别为0.918 12

0.819 37，相较传统历史编录正样本+全域随机负样本方案（RF、BPNN模型AUC值分别为0.572 85

0.555 77），精度分别提升60.27%

47.43%。研究证实遥感与信息量法协同优化样本可显著提升黄土滑坡评价可靠性，该思路可推广至红层山区等样本匮乏区域，能够为黄土区输电线路安全运维与地质灾害防控提供技术依据。

Abstract

关键词

Keywords

references

Tom Fawcett.An introduction to ROC analysis[J].Pattern Recognition Letters,2006.

Paola Reichenbach,Mauro Rossi,Bruce D. Malamud,Monika Mihir,Fausto Guzzetti.A review of statistically-based landslide susceptibility models[J].Earth-Science Reviews,2018.

Brenning A..Spatial prediction models for landslide hazards: review, comparison and evaluation[J].Natural Hazards and Earth System Science,2005.

R. Greco,M. Sorriso-Valvo.Influence of management of variables, sampling zones and land units on LR analysis for landslide spatial prevision[J].Natural Hazards and Earth System Science,2013.

彭建兵,林鸿州,王启耀,庄建琦,成玉祥,朱兴华.黄土地质灾害研究中的关键问题与创新思路[J].工程地质学报,2014(04).

张茂省,胡炜,孙萍萍,王雪莲.黄土水敏性及水致黄土滑坡研究现状与展望[J].地球环境学报,2016(04).

许冲,徐锡伟,吴熙彦,戴福初,姚鑫,姚琪.2008年汶川地震滑坡详细编目及其空间分布规律分析[J].工程地质学报,2013(01).

武雪玲,杨经宇,牛瑞卿.一种结合SMOTE和卷积神经网络的滑坡易发性评价方法[J].武汉大学学报(信息科学版),2020(08).

陈飞,蔡超,李小双,孙涛,钱乾.基于信息量与神经网络模型的滑坡易发性评价[J].岩石力学与工程学报,2020(S1).

薛强,唐亚明,白轩.吕梁山区大宁县城地质灾害破坏模式及风险管控[J].山地学报,2021(01).

王新刚,余宏明,胡斌,连宝琴.节理控制的降雨入渗通道对黄土开挖边坡稳定性的影响[J].山地学报,2013(04).

弓永峰,王辉,吴学华,张佳,刘君.基于时序InSAR的宁夏西吉县滑坡灾害隐患识别[J].安全与环境工程,2022(06).

周晓亭,黄发明,吴伟成,周创兵,曾诗怡,潘李含.基于耦合信息量法选择负样本的区域滑坡易发性预测[J].工程科学与技术,2022(03).

孔嘉旭,庄建琦,彭建兵,占洁伟,马鹏辉,牟家琦,王杰,王世宝,郑佳,付玉婷.基于信息量和卷积神经网络的黄土高原滑坡易发性评价[J].地球科学,2023(05).

周超,甘露露,王悦,吴宏阳,喻进,曹颖,殷坤龙.综合非滑坡样本选取指数与异质集成机器学习的区域滑坡易发性建模[J].地球信息科学学报,2023(08).

黄发明,刘科技,曾子强,田钦,蒋水华,杨阳,周创兵.环境因子筛选及组合方法对滑坡易发性预测的影响规律[J].应用基础与工程科学学报,2024(01).

王启盛,熊俊楠,程维明,崔兴洁,庞全,刘俊,陈文杰,唐浩然,宋南霄.耦合统计方法、机器学习模型和聚类算法的滑坡易发性评价方法[J].地球信息科学学报,2024(03).

洪浩源,王德生,朱阿兴.面向机器学习型区域滑坡易发性评价的训练样本采样方法[J].地理学报,2024(07).

刘雅婷,陈传法,何青鑫,李坤禹.顾及正负样本优化的滑坡易发性评价[J].测绘学报,2025(02).

陈志波,李鼎兴,陈澄,黄卫,唐雪峰.基于机器学习和InSAR技术的滑坡易发性动态评价[J].自然灾害学报,2025(02).

龚屿,刘晓.非滑坡样本选择对滑坡易发性评价的影响研究——以汶川县、理县和茂县为例[J].中国地质灾害与防治学报,2025(03).

陆昊,卢书强,李佳乐,林振,李勇.可解释性结合多算法优化BP模型的滑坡易发性评价[J].中国地质灾害与防治学报,2025(04).

何一飞,张耀南.滑坡数据不完整对易发性建模的影响及改进建议[J].数据与计算发展前沿(中英文),2025(01).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

融合集成机器学习与负样本采样策略的降雨群发滑坡易发性评价

基于异质集成机器学习模型的海岸带滑坡灾害易发性评价与区划

滑坡易发性相关致灾环境因子研究的综述与展望

河南省登封南部地区滑坡灾害早期识别与易发性评价

Stacking集成学习策略的花岗岩残积土抗剪强度参数预测

Related Author

廖伟杰

冯文凯

彭超

李飞

杨忠亮

宁康超

赵家琛

易小宇

Related Institution

茂名市地质与海洋监测站

成都理工大学地质灾害防治与地质环境保护全国重点实验室

中国煤炭地质总局广东煤炭地质局勘查院

福州大学紫金地质与矿业学院

南昌大学工程建设学院

AI问答

⁰