来源：期刊VIP网 时间：
作者：桂小莉;杨斌;宋雨欣;卓思杰;沙英超;
单位：西南科技大学环境与资源学院;国家遥感中心绵阳科技城分部;
摘要：针对区域尺度的滑坡易发性提出了一种精细化评价方法，并应用于玉溪河灌区。综合考虑了地质和地表形变信息，选择13个静态影响因子采用传统机器学习方法进行滑坡易发性评价，并引入SBAS-InSAR技术优化滑坡易发性分区。结果表明：3种机器学习模型均表现出良好的分区效果，其中RF模型AUC值(0.91)以及相关模型评估指标均为最高；引入SBAS-InSAR形变因子的RF模型AUC值(0.94)、准确率(0.88)、精确率(0.85)、召回率(0.89)、F1分数(0.87)、Kappa系数(0.76)等评估指标都有一定程度的提高。因此，本文方法具有较好的滑坡易发性预测性能，能实现区域尺度的滑坡易发性精细化评价，为玉溪河灌区地质灾害防治提供科学依据与技术支持。
关键词：玉溪河灌区;;机器学习;;SBAS-InSAR;;滑坡易发性评价;;地质灾害
基金资助：国家自然科学基金项目(41201541);; 四川省军民融合研究院“军民融合遥感大数据共享应用平台建设”项目联合资助(39000005)
