摘要
滑坡易发性制图是开展滑坡易发区灾害评估与土地利用规划的重要工具。本研究以日本广岛县为研究对象，比较了三种统计模型——频率比法、证据权重法与逻辑回归法——以及六种机器学习算法：支持向量机、随机森林、极端梯度提升树、人工神经网络、k最近邻算法和决策树，在区域滑坡易发性评估中的应用效果。研究基于2018年的降雨引发的滑坡数据库，结合坡度角、地形曲率、朝向、海拔、岩性、土壤含水率以及24小时累计降雨量这七个影响因素，构建了包含1936处滑坡点和1936处非滑坡点的平衡数据集。通过接收者操作特征曲线下面积、准确率、精确率、召回率及F1值等指标来评估各模型的性能。在统计模型中，证据权重法的性能最优；而在机器学习模型中，支持向量机的结果最为均衡。两种建模方法均将岩性和坡度角确定为影响滑坡发生的主要因素。独立验证显示两种模型的预测性能相当；但空间验证结果表明，证据权重法将有96.72%的观测滑坡归类为高易发性或极高易发性等级，而支持向量机这一比例仅为72.54%。这些研究结果强调了将传统分类指标与空间验证相结合的重要性，有助于更准确地评估和解读滑坡易发性模型，从而为区域灾害评估提供有力支撑。
