简介：在滑坡易发性评价中,样本类别的不平衡容易导致评价结果偏向多数类样本,而样本优化能够有效解决由此引发的滑坡预测偏差.然而,传统样本优化方法通常聚焦于正负样本在特征空间的差异性,而忽略了正负样本间的地理位置差异及同类特征因子间的复杂非线性关系,容易导致选取的样本存在片面性和单一性等问题.为此,本文提出了一种顾及样本优化的滑坡易发性评价方法.该方法首先设计了顾及空间相关性的地理环境相似性准则进行欠采样,然后构建了一种非线性合成过采样法进行过采样,最后采用了多粒度级联森林模型进行滑坡易发性预测.本文以宜宾市为研究区,借助统计学指标从模型精度验证和易发性分区统计两个方面评估模型性能,并将本文方法与9种传统方法对比表明:在面对不同程度的正样本量缺失条件下,本文方法的预测精度始终最高,并且所划分的易发区更符合实际滑坡灾害分布状况.展开
