使用不同的混合机器学习模型,对西藏高原东南部冰川相关碎片流的易感性评估
Rui Yu1, Rui Guo2, Liming Jiang1
1State Key Laboratory of Geodesy and Earth's Dynamics, Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences, Wuhan 430077, China; University of Chinese Academy of Sciences, Beijing 100049, China.
在西藏高原东南部,冰川相关碎片流的易受性被使用混合模型评估. CF-RF模型显著提高了准确性,识别了基础设施开发的高风险区域.
科学领域:
- 地质科学 地质科学
- 环境科学 环境科学
- 自然危害评估自然危害评估
背景情况:
- 西藏东南部高原 (SETP) 面临着与冰川相关的大量碎片流动风险,影响了诸如四川-西藏铁路等关键基础设施项目.
- 由于复杂的气候,地形和冰川条件,评估SETP中的碎片流感受性是具有挑战性的.
研究的目的:
- 开发和验证混合模型,以准确识别SETP中的碎片流敏感区域 (DFS).
- 评估结合统计和机器学习技术的性能,以评估碎片流危险.
主要方法:
- 使用混合模型将确定性因子 (CF) 与机器学习算法结合起来:逻辑回归 (LR),随机森林 (RF) 和极端梯度增强 (XGBoost).
- 纳入地形,地质和水文因素,包括冰川和雪地覆盖,以评估碎片流动的易感性.
- 通过不同混合模型生成的DFS地图的准确性和空间分布与现场调查数据进行比较.
主要成果:
- 混合模型在识别DFS区域方面表现出更高的准确性,研究区域的21%至42%被归类为非常高易感性.
- 确定性因子-随机森林 (CF-RF) 模型比单个模型获得了最高的准确性改进 (8.4%),结果与现场观测密切匹配.
- 冰川面积比率和年度融雪被确定为影响碎片流动易感性的重要因素,分别排名第二和第九.
结论:
- 混合模型,特别是CF-RF,提供了一种强大的方法,用于改善像SETP这样的复杂环境中的碎片流感受性评估.
- 准确确定高风险区对于指导基础设施发展和减轻潜在危险至关重要.
- 了解冰川和融雪因素的影响对于高山地区有效管理碎片流危险至关重要.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
07:58Data Processing Methods for 3D Seismic Imaging of Subsurface Volcanoes: Applications to the Tarim Flood Basalt
Published on: August 7, 2017
相关概念视频
Applications of GIS: Disaster Management and Emergency Response
Steps in Outbreak Investigation
Typical Model Studies
