XGBoost滑坡易感性模型

川藏区AUC 0.86

用可解释Shapley方法解构滑坡机理，让高风险区识别不再是一个黑箱。

Lv, Jichao · 张瑞 · Shama, Age · Ruikai, Hong · Xu, He · Wu, Renzhe · Bao, Xin · 刘国祥

Journal of Environmental Management 2024

参数信息

准确率

0.7815

精度

0.7858

召回率

0.7962

F1分数

0.7910

AUC

0.86

技术优势

模型可解释

利用Shapley方法从局部、全局和空间视角解释特征因子对滑坡的贡献，识别出海拔3000–4000米、PGA 1–2 g、NDVI<0.5和距离河流<3 km为主要因子。

性能领先

XGBoost模型在滑坡易感性评估中表现优于随机森林和支持向量机，AUC达0.86。

应用场景

• 滑坡易感性制图：提供可解释的易感性图，识别高风险区并理解致灾因子。
• 地质灾害监测：模型输出支持动态监测和预警，提升滑坡风险管理水平。
• 岩土工程：为岩土工程设计提供关键因子贡献与空间分布信息。