8、滑坡易发性评估：模型对比与迁移学习应用

滑坡易发性评估：模型对比与迁移学习应用

1. 滑坡易发性模型对比

在进行滑坡易发性研究时，模型的选择和构建至关重要。当处理整个区域时，模型倾向于捕捉更具普遍性的信息，其特征重要性具有更高的通用性。以某地区为例，整个区域内有六条主要向斜，母模型成功捕捉到了它们在识别滑坡/非滑坡点方面的主导作用。此外，干旱程度、与河流的距离以及年平均温度在气象和水文方面影响着滑坡的形成，而海拔虽然在重要性排名中位列第四，但却是研究区域中最重要的拓扑因素。

将整个区域划分为不同的子区域后，模型有机会学习到每个子区域的特定知识，从而提高性能。下面是四个子模型的具体情况：
- 子模型一 ：位于云阳县南部，面积为741.7平方公里，仅占整个研究区域的20%。该区域有两条主要向斜穿过，向斜效应更为明显，因此与向斜轴的距离是影响该子区域滑坡易发性的最重要因素。此外，年平均降雨量和海拔等水文和拓扑因素，以及土地覆盖（NDVI）和人类活动（与道路的距离）也是主要影响因素。
- 子模型二 ：该子区域穿过三峡水库地区，云阳县大部分受水影响的滑坡都发生在这里。因此，理论上该区域的滑坡形成对水文因素敏感，年平均降雨量和与河流的距离分别排在第二和第三位。海拔之所以最为重要，是因为较低的地方通常容易受到水库水位周期性变化的影响，统计显示该子区域内76%受水影响的滑坡发生在海拔249米以下。构造作用和自然因素也对该区域的滑坡形成有很大贡献，与背斜轴的距离和年平均温度分别排在第四和第五位。
- 子模型三 ：该子区域的数据点相对远离主要向斜，降低了向斜特征的重要性。由于该区域有主要公路和密集的道路网络穿过，人类