基于不同因子筛选方法的LightGBM-SHAP滑坡易发性研究OA北大核心CSTPCD
以重庆市黔江区为例,选取23个评价因子构建滑坡致灾因子数据库,利用地理探测器与皮尔逊-主成分分析2种因子筛选方法选择因子最优组合;基于Bayesian-LightGBM-SHAP混合模型进行滑坡易发性评价,并对模型精度进行验证,分析影响黔江区滑坡发生的主导因子.初始模型的AUC值为0.801,Pearson Correlation Coefficient-BayesianLightGBM模型AUC值为0.824,GeoDetector-Bayesian-LightGBM模型AUC为0.835;由因子重要性可知,多年平均降雨量、高程、POI核密度与距河流距离是滑坡发生的最主要因子,而输沙指数、水流动力指数与坡位对滑坡的发生影响较弱.因子筛选法-Bayesian-LightGBM相结合的混合模型能够提高模型的准确性,为构建合理因子数据库提供参考框架;通过与因子重要性的结合分析,验证了地理探测器能够准确探测各因子对滑坡发生的贡献值,突出各滑坡地理因子组合之间的相关性,从而探究各因子与滑坡之间的关系.
陈丹璐;孙德亮;文海家;辜庆渝;
重庆师范大学地理与旅游学院,重庆 地理信息系统应用研究重庆市高校重点实验室,重庆重庆大学山地城镇建设与新技术教育部重点实验室,重庆
环境科学
滑坡易发性区划地理探测器皮尔逊相关系数主成分分析贝叶斯优化LightGBMSHAP
《北京师范大学学报（自然科学版）》 2024 (001)
P.148-158 / 11
教育部人文社科规划资助项目(20XJAZHO02);国家自然科学基金资助项目(42071217)。
评论