融合InSAR与机器学习的滑坡易发性评价

来源：大地测量与地球动力学杂志2025年第3期北京时间：

作者：贾应, 吴彩燕, 王立娟, 应欣翰, 蒙齐, 袁怡, 廖军, 马世乾

单位：1 西南科技大学环境与资源学院, 四川省绵阳市青龙大道中段59号, 621010,2 四川省安全科学技术研究院, 成都市武科西四路18号, 610045,3 西南科技大学土木工程与建筑学院, 四川省绵阳市青龙大道中段59号, 621010

摘要：综合运用InSAR和机器学习技术，对四川省金阳县进行滑坡易发性评价。通过解译滑坡更新数据集，基于12个评价因子，在Python环境下使用随机森林(RF)、支持向量机(SVM)和极端梯度提升(XGBoost)3种模型进行训练，完成滑坡易发性制图，并采用ROC曲线等验证模型预测性能。对负样本进行优化，使用机器学习得到样本优化后的滑坡易发性评价结果，并利用地表LOS向形变速率对其进行更新。结果表明，3种机器学习模型均具有较好的分区效果，XGBoost模型制图效果最佳，样本优化后模型精度最高，AUC值达到0.95。通过SBAS-InSAR技术获取地表形变速率可以减少分区错误，同时赋予滑坡易发性评价结果时效性。

关键词：滑坡易发性评价,SBAS-InSAR,机器学习,样本优化

基金资助：国家自然科学基金(41301587),重大危险源测控四川省重点实验室开放课题(KFKT-2023-01)