基于随机森林模型的泥石流易发性评价--以汶川地震重灾区为例

摘要

在区域泥石流易发性研究中,科学确定泥石流易发性主控因子及其贡献率既是关键科学问题,也是区域泥石流预警预报和风险管理的重要基础。本研究选取汶川地震重灾区,引入随机森林算法,以小流域为评价单元,集合多元因子指标体系,建立泥石流易发性评价模型,定量分析了汶川地震重灾区内泥石流关键影响因子及贡献率,并探讨了研究区泥石流易发性的空间分布特征。本文初选了63项评价指标,以模型AUC值变化为基础,筛选出35项指标构成易发性评价指标体系,并用于区域内泥石流易发性主控因子的识别,结果表明:流域高差、流域平均坡度、流域内滑坡面积、平均降雨天数是区域内泥石流易发性主控因子,另外,沟长比降、大于10°积温、年均温、人口密度、村落个数、低覆盖度土地利用方式等在泥石流易发性评价中也发挥着重要作用;易发性评价结果显示,极高易发区占比达到了22.94%,主要分布于研究区西部,泥石流易发性较高的小流域主要分布在青藏高原向四川盆地过渡的地形急变带,同时也与地震带、断裂带、干旱河谷区域密切相关。模型验证结果表明,平均AUC值达0.84,模型具有很高的稳定性和准确性,说明随机森林算法非常适用于区域泥石流易发性评价研究,机器学习算法结合小流域为单元的方法对区域泥石流易发性评价有效果良好,可为区域尺度灾害易发性及风险评估提供更为有效的方法参考。