基于GIS数据和机器学习的尼日利亚埃努古州滑坡敏感性评价

作     者：Nnanwuba Uzodigwe Emmanuel 

作者单位：吉林大学 

学位级别：硕士

导师姓名：秦胜伍

授予年度：2023年

学科分类：081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 081803[工学-地质工程] 07[理学] 08[工学] 070503[理学-地图学与地理信息系统] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0816[工学-测绘科学与技术] 

主      题：滑坡敏感性 埃努古州 地理信息系统技术 极端梯度提升 随机森林 朴素贝叶斯 k-最近邻 验证 

摘      要：滑坡地质灾害对个人财产及生命安全的威胁日益严重。位于尼日利亚东南部的埃努古州,在历史上曾多次发生山体滑坡,情况不容乐观。近年来,由于气候和人类活动等影响因素的不稳定性,埃努古州滑坡的发生频率大大增加,这对地表形态的演变产生了一定的影响。另一方面,由于该地区滑坡危险程度高,且导致滑坡诱发的因素复杂,对其特征和触发机制的研究仍然较少。因此,有必要进行全面的地质灾害调查研究和滑坡敏感性评估,这对环境的可持续发展和防灾减灾的管理至关重要.研究开展了滑坡敏感性评价研究的工作,主要内容包括:1)监测埃努古州及其周边地区的滑坡情况,重点是查明迄今为止该地区滑坡记录和滑坡分布情况,以及2)确定诱发滑坡灾害的各类致灾因素。文章的主要创新点是在建立滑坡清单图的基础上,应用因子筛选方法来保证所选影响因子的质量。同时,遥感、地理信息系统技术以及机器学习算法的应用,能够帮助探究滑坡灾害与所选影响因素之间的非线性关系。此外,文章还通过不确定性分析来判断模型的合理性。最后,制作了埃努古州的滑坡敏感性图。在比较各种模型性能后,确定了最优模型,划定出未来山体滑坡的高风险地区。本文的工作内容主要分为以下五个基本阶段;1)基于以往埃努古州的滑坡易感性研究进展和综合调查,从众多来源中提取完整的滑坡数据,编制滑坡清单图。最终确定了296个滑坡灾害位置。随后,山体滑坡清单数据集被随机分配为两组,一组70%用于训练模型,另一组30%用于模型性能测试。2)研究收集了15个影响因素用于滑坡敏感性建模,包括了7个地形因素(高程、坡度、坡向、平面曲率、剖面曲率、溪流功率指数和地形湿润度指数)、2个水文因素(降雨、排水距离)、2个岩性因素(地质、到断层的距离)以及4个环境因素(土壤、土地利用、到道路的距离和NDVI)。为筛选出合理有效的滑坡影响因素,作者利用信息增益比技术对上述15个影响因素的预测能力进行了计算。结果显示:降雨因素对诱发滑坡的贡献程度最大。相比之下,地质特征和土壤类型的贡献能力最小。为保持建模过程的稳定性,在进一步分析中排除这两类因素。3)基于R统计程序,研究挑选了四个机器学习模型进行建模,包括极端梯度提升(XGBOOST),随机森林(RF),朴素贝叶斯(NB)和k-最近邻(KNN)。同时利用上述模型绘制了变量重要性。同时,基于Arc GIS平台,使用自然断裂法将山体滑坡易感性地图分为五类(极低、中、高和极高的等级)。4)使用接收机工作特性曲线(ROC)和曲线下面积(AUC)对上述模型进行对比和定量评价。从预测速率曲线可以看出:RF、XGBOOST、NB和KNN的AUROC值分别为0.935、0.922、0.894和0.868。结果表明:四种机器学习模型的预测性能优良,均适用于埃努古州的滑坡敏感性评估。其中,RF模型评价结果最优,在本研究区域内具有最高的预测精度,其次是XGBOOST,NB和KNN。5)综上所述,本研究可以为埃努古州滑坡敏感性风险评估和管理提供参考。更多地,为了预防未来滑坡的潜在风险,应研究并实施更先进的技术。通过进行稳定、持续的监测,以保障环境的可持续发展和制定出更加合理的管理政策。