【研究概况】

滑坡易发性分析对于滑坡风险管理至关重要，但现有分析方法存在解释性不足和准确性有待提高的问题。重庆大学土木工程学院 Luqi Wang等学者探讨随机森林（RF）和极端梯度提升（XGBoost）模型在滑坡易发性评估中的应用效果，并比较在中国西南部重庆奉节县这一典型滑坡易发区的适用性。该研究为提高滑坡易发性评估的准确性和实用性提供了科学依据，并有助于更有效地进行滑坡风险管理和防治。

【研究区域】

重庆位于四川盆地东部，东邻大巴山和武陵山。奉节县位于重庆市东北部，属于亚热带湿润季风气候，年均降水量1132毫米。该县地处四川盆地东缘，地形受地质构造控制，以背斜山和向斜谷为主，走向与构造线一致。奉节县地形中间低、两侧高，海拔-28-2115米，地表起伏大。地层主要是侏罗系和三叠系，岩性以泥岩、页岩、砂岩、白云岩和石灰岩为主。

【研究方法】

奉节县滑坡易发性评估主要包括以下四个步骤：(a) 编制当地滑坡数据库和准备影响因素，(b) 构建完整的数据集，以及RF和XGBoost模型的超参数优化，(c) 制作滑坡易发性图， (d) 多指标比较评估（图）。

【研究结论】

本研究通过参数优化提出了随机森林（RF）和极端梯度提升（XGBoost）两种滑坡易发性模型，并对奉节县的滑坡灾害进行了多条件分析比较。研究发现，RF模型在易发性评估中表现更佳，准确性和F分数比XGBoost提高了近2%，且在极高易发性区预测最佳。此外，RF模型中滑坡与易发性图的关联更强。土地利用、高程和岩性是滑坡发生的主要影响因素，人类活动导致斜坡稳定性降低，岩体破碎，抵抗风化能力减弱，侏罗系地层的砂岩、泥岩易发生滑坡。

该文章发表在期刊 Geological Journal 上，内容详见：Zhang, W., He, Y., Wang, L., Liu, S., & Meng, X. (2023). Landslide Susceptibility mapping using random forest and extreme gradient boosting: A case study of Fengjie, Chongqing. Geological Journal, 58(6), 2372-2387.

原文链接：https://doi.org/10.1002/gj.4683