集成SBAS-InSAR与贝叶斯网络的滑坡易发性评价

来源：南京信息工程大学学报·自然科学版杂志2025年第6期北京时间：

作者：高鑫宇，王波，代文，李吉璇

单位：高鑫宇,南京信息工程大学 遥感与测绘工程学院, 南京, 210044,王波,南京信息工程大学 遥感与测绘工程学院, 南京, 210044,代文,南京信息工程大学 地理科学学院, 南京, 210044,李吉璇,南京信息工程大学 遥感与测绘工程学院, 南京, 210044

摘要：贝叶斯网络和SBAS-InSAR在滑坡易发性评价中已得到广泛应用.但是,如何充分发挥二者优势,融合两种方法来进一步改进滑坡易发性评价还有待探索.因此,本文以滑坡发生频繁的汉源县为研究区,根据地形、气象等数据提取出20个传统滑坡因子,并根据SAR卫星数据,使用SBAS-InSAR技术提取出地表形变速率作为形变因子来共同参与计算.使用地理探测器进行主导因子筛选后,采取有形变因子、除去形变因子以及递补一个因子的情况下,使用爬山算法结合专家知识构建贝叶斯网络结构,并利用最大似然估计算法学习参数,再进行滑坡易发性计算.结果表明:加入形变速率因子的贝叶斯网络模型的AUC值达到0.957,相比于不加入形变速率因子以及递补一个因子的贝叶斯网络分别提高8.63%和8.26%,且易发性分区结果更加合理.文中所提供的滑坡易发性评价方法可为区域防灾减灾提供指导,并为相关研究提供新的思路.

关键词：易发性评价;贝叶斯网络;滑坡;机器学习;SBAS-InSAR

基金资助：国家自然科学基金(42301478;42301509);江苏省高等学校自然科学基金(22KJB170016)