地理因子支持下的滑坡隐患点空间分布特征及识别研究
发布时间:2025-02-09 18:44
利用中国湖南省湘西自治州407个滑坡灾害隐患点数据以及地质构造、地形地貌、人类活动等地理因子数据,分析研究区滑坡灾害点的空间分布特征、成因机理及发育环境。研究发现,湘西自治州滑坡多发生在海拔高程400~600 m、坡度3°~30°、坡向为西北方向、剖面曲率为-0.6~1.4的地方。从滑坡所在的岩性及地质构造看,湘西自治州滑坡多以土质滑坡为主,规模主要以小中型为主;在地质类型上,滑坡多分布在白垩纪和第三系红层,以及三叠纪巴东组红层和奥陶纪泥质灰岩及泥灰岩层等。极端梯度提升(extreme gradient boosting, XGBoost)算法识别滑坡点的准确率为91.27%,样本精确率为89.75%,召回率为88.21%,均高于随机森林算法,这表明XGBoost算法在滑坡检测中可以达到较高的精度。特征重要性分析结果表明,坡度、植被覆盖率大小是影响滑坡发生的重要因子。
【文章页数】:12 页
【文章目录】:
1 研究区数据
2 影响因子统计分析
2.1 影响因子选取与空间分析
2.2 滑坡隐患点空间分布特征分析
2.2.1 地形地貌
2.2.2 地质构造
2.2.3 土地覆盖
2.2.4 水文条件
2.2.5 人类活动
3 滑坡识别研究
3.1 基于XGBoost的滑坡隐患点识别
3.2 滑坡隐患点识别分析
3.2.1 准确性对比
3.2.2 特征重要性分析
4 结语
本文编号:4032697
【文章页数】:12 页
【文章目录】:
1 研究区数据
2 影响因子统计分析
2.1 影响因子选取与空间分析
2.2 滑坡隐患点空间分布特征分析
2.2.1 地形地貌
2.2.2 地质构造
2.2.3 土地覆盖
2.2.4 水文条件
2.2.5 人类活动
3 滑坡识别研究
3.1 基于XGBoost的滑坡隐患点识别
3.2 滑坡隐患点识别分析
3.2.1 准确性对比
3.2.2 特征重要性分析
4 结语
本文编号:4032697
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/4032697.html
上一篇:刍议无人机航测在某矿山测绘中的运用
下一篇:没有了
下一篇:没有了