采样策略对山区浅层滑坡易发性建模的影响

《Landslides》：The influence of sampling strategies on shallow landslide susceptibility modelling in a mountainous area

滑坡易发性建模中不同网格采样策略的影响研究。基于土耳其?iftekavak流域地形因子数据，采用极端梯度提升法对比了8种采样策略对浅层滑坡模型的预测效果，发现选取滑坡区域最高25%网格的采样策略最优，证实采样策略对模型精度有显著影响。

　　

摘要

在应对滑坡（一种在全球范围内造成严重负面影响的自然灾害）方面，易发性建模具有重要意义。用于建模滑坡易发区域的最重要数据是包含过去滑坡记录的清单。如何对这些清单数据进行采样，并将其作为易发性模型中的因变量，目前仍存在争议。在这项研究中，我们旨在评估不同采样策略对滑坡易发性模型的影响。我们提出了八种基于网格的采样策略，用于评估一个山区中的浅层滑坡。我们使用这些采样策略对滑坡易发性进行了建模。在土耳其的?iftekavak流域，我们采用了极端梯度提升（一种机器学习方法）以及十个因素（海拔、坡度、平面曲率、剖面曲率、地形位置指数、地形湿度指数、河流动力指数、地形粗糙度指数、距离河流和道路的距离）来进行建模。研究发现，从滑坡区域最高25%的网格中采样是最成功的策略。对生成模型的比较表明，采样策略的变化会显著影响易发性模型的结果。因此，在建模滑坡易发性时，强烈建议优先选择最准确的采样策略。