基于频率比-深度神经网络耦合模型的滑坡易发性评价——以盐源县为例OA北大核心CSTPCD

盐源县位于青藏高原东南边缘,区域构造活动强烈,在内外动力共同作用下,境内滑坡灾害极其发育,已经造成了巨大的人员伤亡和经济损失,有必要开展滑坡易发性评价,对区域滑坡灾害进行科学管控。依据盐源县1∶5万地质灾害调查成果,选取高程、坡度、坡向、地形曲率、距断层距离、地层岩性、距水系距离、年平均降雨量、地形湿度指数、水流强度指数、归一化植被指数、距道路距离、土地利用类型等13个滑坡易发性评价因子,基于27596个滑坡灾害栅格点数据,将传统频率比(frequency ratio,FR)模型定量分析及数据量化优势,与新兴深度神经网络(deep neural network,DNN)模型强大的非线性学习和拟合能力相结合,构建FR-DNN耦合模型进行滑坡易发性评价,将研究区划分为极高易发区、高易发区、中易发区、低易发区、极低易发区5个等级,面积占比分别为11.90%、18.38%、18.34%、9.13%、42.25%,并与传统FR模型进行对比,用ROC曲线的AUC值进行精度验证。结果表明,FR模型与FR-DNN耦合模型的AUC值分别为0.754、0.859,FRDNN耦合模型相对于FR模型预测精度提高了10.5%,由此说明FR-DNN耦合模型具有更好的预测能力,更适用于研究区滑坡易发性评价。