基于机器学习协同长时序主被动遥感数据的地质灾害易发性评价

摘要

提高地质灾害易发性的准确度,可以为区域地质灾害风险评估和防灾减灾工作提供科学依据。以长时序主被动遥感数据为数据源,充分挖掘遥感信息,结合地质环境背景信息,利用机器学习模型建立易发性评价体系,开展区域地质灾害易发性评价。结果表明,在传统地质环境背景因子基础上,设置不加入时序特征因子、加入植被概率因子、加入InSAR形变量因子、加入植被概率与InSAR形变量因子的随机森林模型和加入植被概率与InSAR形变量因子的支持向量机模型等5种组合进行对比,利用ROC曲线分析其准确度,各组合的AUC值分别为0.869、0.879、0.881、0.889、0.699;高程对各评价模型的贡献度最大。因此在相同的评价因子条件下,随机森林模型比支持向量机模型的分类精度更高;在传统地质环境背景因子基础上加入长时序遥感因子,能进一步提高地质灾害易发性评价的准确度。基于随机森林模型协同长时序主被动遥感数据的地质灾害易发性评价具有可靠性。