欧琪琪1, 3, 孙永彬1, 2, 3, 李启亮1, 3, 牛海威1, 2, 3, 王少帅1, 2, 3
测绘工程. 2026, 35(3): 68.
针对传统机器学习滑坡易发性评价“黑箱”特征显著、物理可解释性不足的问题,以金沙江下游永善县为研究区,基于167处历史滑坡样本,选取坡度、降雨暴露强度等8类评价因子,对比逻辑回归、随机森林、XGBoost与
LightGBM 4种算法的建模性能,引入SHAP方法构建兼具高精度预测与机理解释的滑坡易发性评价框架,完成滑坡易发性评价分析。结果表明,随机森林模型性能最优,测试集AUC值达0.923、准确率85.4%;降雨暴露强度为易发性主控因子,贡献度25.26%,各因子间存在显著交互效应;研究区高及以上滑坡易发区占比43.4%,主要沿金沙江及其支流陡坡带状聚集。从而解决易发性评价中精度与可解释性难以兼顾的难题,可为区域地质灾害防控提供科学依据。