中国地质大学（武汉）团队比较了六种滑坡易发性评估模型，发现XGBoost和LightGBM最稳定，并揭示了人类活动是主要触发因素

文章预览

研究概述 中国地质大学（武汉）Yang Shilong等 通过比较启发式、统计、机器学习和集成学习模型（层次分析过程（AHP）、频率比（FR）、逻辑回归（LR）、基于Keras的深度学习（KBDL）、XGBoost和LightGBM）在六种不同样本大小（100%、90%、75%、50%、25%和10%）下的表现。结果显示，在各种样本大小下，XGBoost和LightGBM始终优于其他模型。LR和KBDL模型紧随其后，而FR模型受样本大小变化影响最大。AHP作为经验模型，在样本大小变化下保持不受影响。通过SHAP分析，海拔、NDVI、坡度、土地利用以及距离道路和河流等因素被确认为研究区滑坡发生的关键指标，表明人类活动显著影响这些事件。通过验证人类活动和气候的五个时间变化指标，证实了这一推断，为识别滑坡触发因素提供了新方法，尤其是在人类活动强烈的地区。 研究内容 竹山县，位于中国湖北省，面积为 ………………………………