成果信息

Landslide Susceptibility Mapping Combining Information Gain Ratio and Support Vector Machines: A Case Study from Wushan Segment in the Three Gorges Reservoir Area, China

耦合信息增益率和支持向量机算法的滑坡易发性制图：以三峡库区巫山段为例

成果信息

Lanbing Yu (研究生), Ying Cao, Chao Zhou*, Yang Wang, Zhitao Huo. Landslide Susceptibility Mapping Combining Information Gain Ratio and Support Vector Machines: A Case Study from Wushan Segment in the Three Gorges Reservoir Area, China [J]. Applied Science, 2019, 9(22):4756.

团队成员

周超，博士，特任副教授，2018年底进入中国地质大学（武汉）地理与信息工程学院工作，主要从事遥感和GIS技术在地质灾害监测预警与风险评估中的应用；主持“地大学者”青年优秀人才计划，国家自然科学基金青年基金和地调外协项目各1项，并作为技术骨干参加了国家重点研发计划、国家自然科学基金、省部级重大地质灾害科研专项等十余个项目。发表学术论文十余篇，其中第一作者/通讯作者论文9篇，包括高被引论文1篇，SCI论文5篇，EI论文3篇。

联系邮箱：zhouchao_rs@163.com；zhouchao@cug.edu.cn;

个人主页：http://grzy.cug.edu.cn/zhouchao

成果介绍

滑坡是一种常见的地质灾害，每年都造成了严重的经济损失和人员伤亡，开展滑坡风险管理能有效的降低灾害带来的损失，而滑坡易发性评价是其风险评价的基础与关键。论文以巫山库岸段为例，基于信息量模型定量的分析了滑坡影响因素与其发育的关系；通过计算指标间容差和方差膨胀因子分析共线性，并应用信息增益率算法对评价指标的重要性进行定量计算。剔除不重要的滑坡指标，利用支持向量机、人工神经网络、逻辑回归和分类回归树分别对研究区进行易发性建模。由分析结果可知：河流，地层岩性和构造是研究区滑坡的主控因素；剔除不重要的滑坡指标能有效提高滑坡易发性建模的精度；支持向量机的建模性能最好，训练和预测的AUC分别为0.927和0.922。

Figure 1. Landslide susceptibility maps obtained from (a) ANN model, (b) LR model, (c) SVM model and (d) CART model.

Figure 2. The ROC curves of the SVM, ANN, LR and CART models in landslide susceptibility assessment: (a) training and (b) verifying.