基于证据权和卡方自动交互检测决策树的滑坡易发性预测

黄发明，石雨，欧阳慰平，洪安宇，曾子强，徐富刚

(南昌大学 建筑工程学院，南昌 330031)

如何有效开展滑坡易发性预测制图是现阶段全世界范围内区域滑坡研究的重点和难点。通过将GIS与数据驱动模型相结合,以图像和数字的方式可构建出更高效准确的易发性预测模型。该易发性制图的思路对滑坡高发地区的防灾减灾规划具有重要意义[1]。

滑坡易发性可定义为特定地点在环境因子非线性耦合作用下发生滑坡的空间概率。基于地理相似性规律，即“地理环境越相似，地理特征越相近”可知，通过已经发生滑坡的环境因子来建立预测模型，则潜在滑坡的空间位置有可能被预测[2]。很明显，从滑坡样本点中确定滑坡易发性与其环境因子的关系式是易发性预测的关键所在，因此，选择用以获取输入变量的滑坡-环境因子关联分析法非常重要。随着遥感和GIS等基础数据源获取技术的进步，易发性建模的空间数据源及其质量有了较大提升[3]。一般而言，具体研究区内的滑坡环境因子类型可通过相关文献综述和研究区的自然地理和地质条件确定。笔者重点关注滑坡易发性建模过程中滑坡与其环境因子的非线性关联分析这一不确定性因素，并进一步研究其对滑坡易发性建模的影响。

启发式模型、数理统计模型和机器学习模型是易发性预测过程中常用的3种类型[4]。启发式模型[5]和数理统计模型被大量使用，主要有确定性因子(Certainty Factors，CF)[6]、层次分析法[7]和多元线性回归[5]等；……