基于最大熵模型(MaxEnt)的罗马尼亚弯曲喀尔巴阡山-喀尔巴阡山地区滑坡敏感性机器学习分析

本研究针对罗马尼亚弯曲喀尔巴阡山-喀尔巴阡山地区滑坡频发问题，采用最大熵模型(MaxEnt)结合GIS技术，整合地质、地形等多元因子，构建高精度滑坡敏感性图谱。结果显示岩性(lithology)与坡度(slope)为关键驱动因素，模型ROC曲线达0.82，划分四类风险区，为地质灾害防控提供科学依据。

　　

在罗马尼亚弯曲喀尔巴阡山与喀尔巴阡山交界处，频繁的地质活动与复杂的地形使得滑坡成为威胁居民安全与基础设施的突出问题。历史上该区域因地震活跃被称为"Vrancea地震带"，加之人为砍伐导致的植被退化，使得地表稳定性进一步恶化。尽管滑坡研究已有数十年历史，但传统方法在应对多因子非线性相互作用时显得力不从心。尤其在该区域，既往研究多基于粗分辨率数据，难以捕捉局部地质变异特征，导致风险预测精度不足。

针对这一科学难题，罗马尼亚地质研究所与布加勒斯特大学研究院的Viorel Ilinca、Ionu? ?andric等研究团队，采用机器学习中的最大熵模型(MaxEnt)，结合高分辨率航拍与实地调查数据，开展了376 km²
区域的精细化研究。论文发表于《Geomorphology》，通过整合岩性单元、坡度、形态构造单元等地质地貌因子，构建了罗马尼亚滑坡最活跃区域的首次高精度敏感性图谱。

研究采用三大关键技术：1) 基于航拍与实地核查建立966处滑坡数据库（密度2.56处/km²
）；2) 运用MaxEnt算法分析岩性、坡度等关键驱动因子；3) 通过接收者操作特征曲线(ROC)验证模型精度（AUC=0.82）。数据按80%训练集与20%验证集划分，重点关注活跃滑坡，排除航拍不可识别的历史滑坡。

【区域背景】
研究区位于喀尔巴阡山弧形构造带，发育西南-东北向的岩性构造单元。地震活动与软弱岩层（如泥灰岩）的广泛分布构成滑坡发育的先天条件。

【滑坡特征】
共识别966处活跃滑坡（总面积4.71 km²
），以平移滑动为主。滑坡密度达1.25%面积占比，显著高于罗马尼亚其他丘陵区。历史砍伐导致的土地利用变化加剧了缓坡细粒沉积区的失稳风险。

【模型验证】
MaxEnt模型揭示岩性与坡度贡献率超60%。敏感性图谱显示高风险区与泥灰岩、砂岩分布区高度吻合，验证了地质构造对滑坡格局的控制作用。ROC曲线0.82的精度优于多数传统模型。

【数据局限】
受限于航拍分辨率，部分小型滑坡可能漏检。未纳入降雨、地震触发因子可能影响动态预测能力。

结论表明，该研究首次实现弯曲喀尔巴阡山-喀尔巴阡山地区的机器学习驱动精细化评估，划分的四个敏感区（两高两低）与岩性构造单元空间匹配度达89%。成果可直接应用于当地国土空间规划，特别对道路选线、居民点布局具有决策价值。研究同时证明，在中等分辨率数据条件下，MaxEnt仍可保持较高预测效能，为资源受限地区提供了可推广的技术范式。未来结合实时监测数据，该模型可升级为动态预警系统，推动地质灾害防治从被动应对转向主动防控。