基于加权梯度提升决策树的三峡库区万州段滑坡敏感性制图
摘要
1.简介
2.材料和方法
2.1. 研究区域
2.2. 滑坡敏感性绘图过程
划分模型单元:本研究采用网格单元作为模型单元。 遥感图像数据和DEM数据的空间分辨率为30m,因此所有评价因子均重新采样至30m。研究区域划分为582486个单元,其中553172个为非滑坡,其余29313个为滑坡。 非滑坡单元的数量约为滑坡单元数量的19倍。 构建初始决策表:8个评价因子对应的条件属性和滑坡对应的决策属性(1代表滑坡,0代表非滑坡)形成二维表; 每行描述一个对象,每列对应对象的一个属性。 也就是说,二维表包含582486行和30列。 二维表格被随机分为两部分:训练数据(70%)和测试数据(30%)。 训练数据用于建立模型,测试数据用于进行预测。 滑坡易发性评价:利用上述三个模型计算研究区内的所有模型单元,并输出属于每一类的每个模型单元的概率值,生成滑坡预测指数(LPI)图。 重新分类LPI图:根据自然断点法将LPI图分为五类; 它们是非常高、高、中、低和非常低,这意味着滑坡的易感性水平。 结果分析。 利用受试者操作特征(ROC)曲线、ROC曲线下面积(AUC)值和召回值对三种模型进行综合评估。 本文还给出了不使用精度值的原因。
2.3. 对数几率回归
2.4. 梯度推进决策树
2.5. 非平衡样本问题与加权GBDT方法
2.6. 模型评估
3.结果
3.1. 滑坡因素的重要性
3.2. 滑坡敏感性测绘结果
3.3. 验证和比较
4.讨论
5.结论
作者贡献
基金
致谢
利益冲突
缩写
工具书类
Petley,D.滑坡造成生命损失的全球模式。 地质学 2012 , 40 , 927–930. [ 谷歌学者 ] [ 交叉参考 ] 斯坦利,T。; Kirschbaum,D.B.全球滑坡敏感性绘图的启发式方法。 自然危害 2017 , 87 , 145–164. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] Pourghasemi,H.R。; Yansari,Z.T。; Panagos,P。; Pradhan,B.《滑坡易感性分析与评估:2005-2016年(2005-2012年和2013-2016年)发表的文章综述》。 阿拉伯的。 《地质学杂志》。 2018 , 11 , 193. [ 谷歌学者 ] [ 交叉参考 ] Bui,D.T。; Ho,T.C。; 普拉丹,B。; Pham,B.T。; Nhu,V.H。; Revhaug,I.使用基于数据挖掘的功能树分类器和AdaBoost、Bagging和MultiBoost集成框架,基于GIS的降雨诱发滑坡建模。 环境。 地球科学。 2016 , 75 , 1101. [ 谷歌学者 ] Trigila,A。; 弗拉蒂尼,P。; 卡萨利,N。; 卡塔尼,F。; 克罗斯塔,G。; 埃斯波西托,C。; 伊丹扎,C。; 拉戈马西诺,D。; 穆格诺扎,G.S。; Segoni,S.《国家级滑坡敏感性绘图:意大利案例研究》。 在 滑坡科学与实践 ; 施普林格:德国柏林/海德堡,2015年。 [ 谷歌学者 ] 曼佐,G。; 托法尼,V。; Segoni,S。; Battistini,A。; Catani,F.区域尺度滑坡敏感性评估的GIS技术:西西里岛(意大利)案例研究。 国际地质杂志。 信息科学。 2013 , 27 , 1433–1452. [ 谷歌学者 ] [ 交叉参考 ] 埃尔卡诺格鲁,M。; Gokceoglu,C.用模糊方法评估滑坡多发区(土耳其西北部Yenice北部)的滑坡敏感性。 环境。 地质。 2002 , 41 , 720–730. [ 谷歌学者 ] 朱,A.X。; 王,R。; 乔,J。; 秦,C.Z。; 陈,Y。; 刘杰。; 杜,F。; Lin,Y。; Zhu,T.使用GIS和模糊逻辑绘制滑坡易感性图的专家知识方法。 地貌学 2014 , 214 , 128–138. [ 谷歌学者 ] [ 交叉参考 ] 朱,A。; 王,R.X。; 乔,J.P。; Chen,Y.B。; 蔡庆国。; 周,C.H。; 陈,Y。; Takara,K。; Cluckie,身份证。; H.F.D.斯梅特。 利用GIS、专家知识和模糊逻辑绘制三峡地区滑坡敏感性图 ; Iahs出版物:牛津郡,英国,2003年。 [ 谷歌学者 ] Wu,C.2009年莫拉克台风后赤山流域基于滑坡率的滑坡敏感性模型与一般logistic回归滑坡敏感性模型的比较。 2015年4月12日至17日,奥地利维也纳,EGU大会会议记录。 [ 谷歌学者 ] R·王。 基于专家知识的Gis和模糊逻辑滑坡易发性制图方法 ; 威斯康星大学麦迪逊分校:美国威斯康星州麦迪逊,2008年; 第128–138页。 [ 谷歌学者 ] 沙哈比,H。; 哈希姆,M。; Ahmad,B.B.使用频率比、逻辑回归和模糊逻辑方法在伊朗扎布盆地中部进行基于遥感和地理信息系统的滑坡敏感性绘图。 环境。 地球科学。 2015 , 73 , 1–22. [ 谷歌学者 ] [ 交叉参考 ] Pradhan,B.利用基于GIS的模糊逻辑关系及其交叉应用,在马来西亚的三个试验区绘制滑坡易发性地图。 环境。 地球科学。 2011 , 63 , 329–349. [ 谷歌学者 ] [ 交叉参考 ] Pradhan,B.使用频率比、模糊逻辑和多元逻辑回归方法绘制集水区的滑坡敏感性图。 J.印度社会遥感。 2010 , 38 , 301–320. [ 谷歌学者 ] [ 交叉参考 ] Kayasta,P.模糊逻辑方法在尼泊尔东部Garuwa次级盆地滑坡敏感性制图中的应用。 前面。 地球科学。 2012 , 6 , 420–432. [ 谷歌学者 ] [ 交叉参考 ] 卡亚斯塔,P。; 希塔尔,M.R。; Smedt,F.D.层次分析法(AHP)在滑坡易感性绘图中的应用:尼泊尔西部Tinau流域的案例研究。 计算。 地质科学。 2013 , 52 , 398–408. [ 谷歌学者 ] [ 交叉参考 ] 南帕克。; Choi,C。; Kim,B。; Kim,J.使用频率比、层次分析法、逻辑回归和人工神经网络方法绘制韩国Inje地区的滑坡敏感性图。 环境。 地球科学。 2013 , 68 , 1443–1464. [ 谷歌学者 ] [ 交叉参考 ] Pourghasemi,H。; 莫拉迪,H。; Aghda,S.F.通过二元逻辑回归、层次分析法和统计指数模型绘制滑坡敏感性图,并评估其性能。 自然危害 2013 , 69 , 749–779. [ 谷歌学者 ] [ 交叉参考 ] Chen,T。; 纽·R。; Jia,X.利用GIS绘制滑坡易感性图中信息值和logistic回归模型的比较。 环境。 地球科学。 2016 , 75 , 867. [ 谷歌学者 ] [ 交叉参考 ] Ozdemir,A。; 海拔,T。滑坡易感性绘图的频率比、证据权重和逻辑回归方法的比较研究:土耳其西南部苏丹山脉。 亚洲地球科学杂志。 2013 , 64 , 180–197. [ 谷歌学者 ] [ 交叉参考 ] Solaimani,K。; 密苏里州穆萨维。; Kavian,A.基于频率比和逻辑回归模型的滑坡易发性绘图。 阿拉伯的。 《地质学杂志》。 2013 , 6 , 2557–2569. [ 谷歌学者 ] [ 交叉参考 ] Chauhan,S。; 夏尔马,M。; Arora,M.K.,使用logistic回归模型对加瓦尔喜马拉雅山Chamoli地区的滑坡敏感性分区。 山体滑坡 2010 , 7 , 411–423. [ 谷歌学者 ] [ 交叉参考 ] Akgun,A.通过逻辑回归、多标准决策和似然比方法生成的滑坡敏感性图的比较:土耳其伊兹密尔的案例研究。 山体滑坡 2012 , 9 , 93–106. [ 谷歌学者 ] [ 交叉参考 ] Bai,S。; 吕·G。; Wang,J。; 周,P。; 基于Ding,L.GIS的罕见事件logistic回归在中国连云港滑坡敏感性制图中的应用。 环境。 地球科学。 2011 , 62 , 139–149. [ 谷歌学者 ] [ 交叉参考 ] 达斯,I。; Sahoo,S。; 威斯汀,C.V。; 斯坦因,A。; Hack,R.使用逻辑回归及其与岩体分类系统的比较,对喜马拉雅山北部(印度)路段沿线的滑坡敏感性进行评估。 地貌学 2010 , 114 , 627–637. [ 谷歌学者 ] [ 交叉参考 ] 马萨诸塞州费利西莫。 医学硕士。; A.库亚特罗。; 雷蒙多,J。; Quirós,E.用逻辑回归、多元自适应回归样条、分类和回归树以及最大熵方法绘制滑坡易感性图:比较研究。 山体滑坡 2013 , 10 , 175–189. [ 谷歌学者 ] Tsangaratos,P。; Ilia,I.滑坡敏感性评估中逻辑回归和朴素贝叶斯分类器的比较:模型复杂性和训练数据集大小的影响。 卡特纳 2016 , 145 , 164–179. [ 谷歌学者 ] [ 交叉参考 ] Gómez,H。; Kavzoglu,T.使用人工神经网络评估委内瑞拉Jabonosa河流域的浅层滑坡敏感性。 工程地质。 2005 , 78 , 11–27. [ 谷歌学者 ] [ 交叉参考 ] 埃尔米尼,L。; 卡塔尼,F。; Casagli,N.人工神经网络应用于滑坡敏感性评估。 地貌 2005 , 66 , 327–343. [ 谷歌学者 ] [ 交叉参考 ] 普拉丹,B。; Lee,S.滑坡敏感性评估和因子效应分析:反向传播人工神经网络及其与频率比和双变量logistic回归建模的比较。 环境。 模型。 柔和。 2010 , 25 , 747–759. [ 谷歌学者 ] [ 交叉参考 ] 姚,X。; Zhang,Y。; 周,N。; 郭,C。; Yu,K。; Li,L.J.二类支持向量机在滑坡易感性制图中的应用。 2013年9月24日至25日,中国北京,IAEG国际研讨会和第九届亚洲区域会议记录。 [ 谷歌学者 ] Xian-Yu,Y.U。; 游健,H.U。; 牛瑞秋,基于RS-SVM模型的滑坡敏感性评价因子选取方法研究。 地理。 地理信息科学。 2016 , 13 , 487. [ 谷歌学者 ] Marjanović,M。; 科瓦切维奇,M。; 巴贾特,B。; Voíenílek,V.使用SVM机器学习算法进行滑坡敏感性评估。 工程地质。 2011 , 123 , 225–234. [ 谷歌学者 ] [ 交叉参考 ] 彭,L。; 纽·R。; 黄,B。; 吴,X。; Zhao,Y。; Ye,R.基于粗糙集理论和支持向量机的滑坡敏感性制图:以中国三峡地区为例。 地貌学 2014 , 204 , 287–301. [ 谷歌学者 ] [ 交叉参考 ] Hong,H。; 刘杰。; Bui,D.T。; 普拉丹,B。; 阿查里亚,T.D。; Pham,B.T。; 朱,A.X。; Chen,W。; Ahmad,B.B.使用J48决策树和AdaBoost、袋装和轮换森林集合绘制广昌地区(中国)的滑坡敏感性图。 卡特纳 2018 , 163 , 399–413. [ 谷歌学者 ] [ 交叉参考 ] 高,K。; 崔,P。; 赵,C。; 基于GIS信息价值法的三峡库区万州市滑坡危险性评价。 下巴。 岩石力学杂志。 工程师。 2006 , 25 , 991–996. [ 谷歌学者 ] 黄,F。; 尹,K。; Huang,J。; 桂,L。; Wang,P.基于自组织映射网络和极端学习机的滑坡敏感性制图。 工程地质。 2017 , 223 , 11–22. [ 谷歌学者 ] [ 交叉参考 ] Wang,J。; 尹,K。; 基于GIS和加权信息值的肖磊滑坡敏感性评价——以三峡库区万州区为例。 下巴。 岩石力学杂志。 工程师。 2014 , 33 , 797–808. [ 谷歌学者 ] Yu,X。; Wang,Y。; 纽·R。; Hu,Y.滑坡敏感性制图的地理加权回归、粒子群优化和支持向量机组合:以中国三峡地区万州为例。 国际环境杂志。 公共卫生研究 2016 , 13 , 487. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] 佩德雷戈萨,F。; 瓦罗佐,G。; Gramfort,A。; 米歇尔,V。; 蒂里昂,B。; O.格栅。; 布隆德尔,M。; 普雷滕霍弗,P。; 韦斯,R。; 杜堡,V。; 等。Scikit-learn:Python中的机器学习。 J.马赫。 学习。 物件。 2011 , 12 , 2825–2830. [ 谷歌学者 ] Guzzetti,F。; 卡拉拉,A。; 卡迪纳利,M。; Reichenbach,P.《滑坡灾害评估:当前技术及其在多尺度研究中的应用综述》,意大利中部。 地貌学 1999 , 31 , 181–216. [ 谷歌学者 ] [ 交叉参考 ] 杜,J。; Tien,不列颠哥伦比亚省。; 尤努斯,A.P。; 贾凯。; 宋,X。; Revhaug,I。; 夏,H。; Zhu,Z.利用遥感和GIS数据优化日本新泻部分地区滑坡敏感性评价的成因。 公共科学图书馆 2015 , 10 ,e0133262。 [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] [ 绿色版本 ] 埃纳,A。; Düzgün,H.S.B.在More和Romsdal(挪威)的案例中,使用空间和全球回归方法改进统计滑坡敏感性绘图。 山体滑坡 2010 , 7 , 55–68. [ 谷歌学者 ] [ 交叉参考 ] Lee,S.logistic回归模型的应用及其在利用GIS和遥感数据绘制滑坡易感性图中的验证。 《国际遥感杂志》。 2005 , 26 , 1477–1491. [ 谷歌学者 ] [ 交叉参考 ] Friedman,J.H.随机梯度增强。 计算。 统计数据分析。 2002 , 38 , 367–378. [ 谷歌学者 ] [ 交叉参考 ] [ 绿色版本 ] 动词,N。; 雷蒙托,E。; 科内利斯,C。; Herrera,F.使用SMOTE预处理带噪声的不平衡数据集,并使用模糊粗糙原型选择进行增强。 申请。 软计算。 J。 2014 , 22 , 511–517. [ 谷歌学者 ] [ 交叉参考 ] 胡,S。; 梁,Y。; 马,L。; He,Y.MSMOTE:在训练数据不平衡时提高分类性能。 2009年第二届计算机科学与工程国际研讨会论文集,中国青岛,2010年10月28日至30日; 第13-17页。 [ 谷歌学者 ] 杨,P。; 刘,W。; 周,B.B。; Chawla,S。; Zomaya,A.Y.,《基于集成的特征选择和班级不平衡学习包装方法》。 在 亚太知识发现和数据挖掘会议 ; 施普林格:德国柏林/海德堡,2013年; 第7818卷,第544-555页。 [ 谷歌学者 ] 小R.G.Pontius。; Schneider,L.C.美国马萨诸塞州伊普斯威奇流域用ROC方法验证土地覆盖变化模型。 农业。 生态系统。 环境。 2001 , 85 , 239–248. [ 谷歌学者 ] [ 交叉参考 ] 小R.G.Pontius。; Parmentier,B.使用相对工作特性(ROC)的建议。 朗诗。 经济。 2014 , 29 , 367–382. [ 谷歌学者 ] [ 交叉参考 ] Chen,W。; 谢,X。; Wang,J。; 普拉丹,B。; Hong,H。; Bui,D.T。; 段,Z。; Ma,J.滑坡敏感性空间预测的逻辑模型树、随机森林、分类和回归树模型的比较研究。 卡特纳 2017 , 151 , 147–160. [ 谷歌学者 ] [ 交叉参考 ] Bui,D.T。; Tuan,T.A。; Klempe,H。; 普拉丹,B。; Revhaug,I.浅层滑坡灾害的空间预测模型:支持向量机、人工神经网络、核逻辑回归和逻辑模型树的功效的比较评估。 山体滑坡 2016 , 13 , 361–378. [ 谷歌学者 ] 杨,J。; 宋,C。; Yang,Y。; 徐,C。; 郭,F。; Xie,L.空间logistic回归和GeoDetector支持的滑坡敏感性制图新方法:以中国四川省都汶公路盆地为例。 地貌学 2018 . [ 谷歌学者 ] [ 交叉参考 ]