基于半监督学习模型的地质环境承载力评价:以府谷县为例

地质环境承载力评价作为国土空间规划中的重要组成部分,成为人类经济社会活动可持续、高质量发展与地质环境保护相协调的关键纽带。以黄河流域生态环境脆弱区——陕西省府谷县为例,建立地质环境承载力评价体系与评价模型,在综合评价结果的基础上,进一步分析影响因素作用程度。从自然地理、生态环境等5个系统选取17类影响因素,引入半监督学习模型进行评价。结果证明,半监督学习模型提升了地质环境承载力评价的敏感性,回归预测精度较高;府谷县地质环境承载力由低至高划分为5个承载力等级分区,不同等级下影响因素作用程度不同,其中崩塌滑坡易发性等7项影响因素可优先用于黄土高原水土保持区地质环境承载力评价体系的构建。     

基于机器学习混合模型的滑坡易发性评价

安康市汉滨区地质环境脆弱,滑坡频发对当地居民生命财产安全造成严重威胁,针对该区域进行滑坡易发性评价是滑坡防治的有效措施。自适应提升模型和随机森林模型作为新颖的集成学习方法被应用至中外滑坡易发性评价研究中,但基于两者的混合模型在滑坡易发性中的应用研究尚未开展。为对比混合模型与单一模型的滑坡易发性评价精度,根据地质灾害详查资料圈定509处滑坡,结合研究区地质环境背景,选取高程、坡度、坡向、年均降雨量、地层岩性等13类因子进行评价。受试者工作特性曲线(receiver operating characteristic curve, ROC)结果表明,同单一模型相比,混合模型的训练集正确率和验证集预测率均为最高;混合模型的高易发区滑坡密度达到1.94,高于随机森林(1.86)和自适应提升模型(1.68);通过区内三处历史滑坡进行验证,结果显示区划结果与滑坡分布相吻合,说明自适应提升-随机森林混合模型可作为滑坡易发性评价的新方法,其区划结果可为滑坡防治与土地利用规划提供借鉴。