基于滑坡易发性分区的非滑坡点优选方法优化研究及其应用价值

来自地质灾害防治领域的研究人员开展了基于滑坡易发性分区的非滑坡点选取方法优化研究。该研究通过改进抽样策略和机器学习算法，显著提升了滑坡敏感性预测模型的精度与可靠性，为解决地质灾害风险评估中样本不平衡问题提供了创新性解决方案，对防灾减灾工作具有重要实践意义。

　　

本研究针对滑坡敏感性评估中非滑坡点选择方法存在的局限性，提出了一种基于滑坡易发性分区（Landslide Susceptibility Zoning）的优化方案。通过系统分析不同地质环境因子（如坡度、坡向、岩性等）的空间分布特征，采用确定性系数法（Certainty Factor）与逻辑回归（Logistic Regression, LR）模型相结合的技术路径，实现了对非滑坡点采样区域的科学划分。

创新性地将研究区划分为高、中、低易发区三个等级，在中低易发区采用约束随机采样策略，有效避免了传统方法中因样本空间自相关导致的模型过拟合问题。实验结果表明，经优化后的非滑坡点选择方法使支持向量机（Support Vector Machine, SVM）模型的预测精度提升约15%，受试者工作特征曲线（Receiver Operating Characteristic curve, ROC）下面积（Area Under Curve, AUC）值达到0.92以上。

该技术方案显著改善了地质灾害风险评估中正负样本不平衡问题，为滑坡危险性区划提供了更可靠的建模基础。研究成果可直接应用于地质灾害早期预警系统（Early Warning System, EWS），对提升区域防灾减灾能力具有重要实践价值。