2022(一等奖)B360基于Arcpy与SVM的滑坡易发性评价

作品介绍

1 设计思想

滑坡灾害的发生每年给全世界各个国家的建设和人民的生命、财产造成重大损失。降雨、地震和洪水等自然灾害的发生常常会诱发一系列滑坡的发生。滑坡易发性是根据研究区历史滑坡数据,综合分析研究区内各种地形地质、水文、人类活动等因素,确定研究区内未来发生滑坡的概率。开展滑坡灾害空间易发性评估能够知道“什么地方容易发生滑坡”,以此实现滑坡灾害的针对性防治,对于滑坡灾害风险管理、人类生命财产安全以及城市未来规划有着重要意义。

2022年6月28日,国家防汛抗旱总指挥部全体会议对地质灾害防治工作提出明确要求:加快推进地质灾害调查评价,提升综合遥感早期识别能力,持续提高监测预警水平,抓好重大地质灾害隐患综合治理。

有关滑坡易发性制图的工具箱大多是基于专家经验的模型或统计模型,如证据权法、频率比法等。这种方法原理简单,易于实施,但精度较差。目前仅少数研究涉及基于机器学习方法的滑坡易发性制图工具的开发。同时,大多数工具仅涉及模型训练及预测部分,并未包含整个滑坡易发性制图的过程。此外,某些工具在使用过程中所需参数量较大,给使用者带来一些不必要的麻烦,且某些因子或机器学习参数的选取需要一定程度的专业知识,因此,这些工具对用户并不友好。

在基于机器学习的易发性制图中,大多数研究仅以滑坡点点位所对应的单个因子像素值作为样本进行模型训练。但实际滑坡发生时往往是一个面,且滑坡发生受其周围环境信息对滑坡发生的影响,因此基于单个像素点构建样本存在一些问题。实现面尺度数据样本构建往往较复杂,且耗时较长。

针对上述问题,本作品开发了一个基于SVM的LSM全流程工具箱,该工具箱包括从数据预处理到因子筛选,SVM模型训练及评估到易发性图预测,涉及整个易发性图制作过程。且本工具箱仅基于ArcGIS平台使用

你可能感兴趣的:(GIS大赛案例专题分享,人工智能,计算机视觉,3d)