多维度CNN在河南省峡县滑坡易发性评价中的应用与精度验证

本研究论文旨在基于多维度的卷积神经网络（CNN）方法，对河南省三门峡市峡县的地质灾害易发性进行评估。针对该地区的地质灾害，如滑坡和崩塌，作者首先通过整合地形、地质、遥感影像等多种数据源，提取了12个潜在的滑坡易发性评价因子。通过主成分分析，剔除了相关性不强的因素，选择了包括断层、岩性、高程、坡度、坡向、曲率、水系、降雨、道路开挖、TWI（地形湿度指数）和土地利用类型在内的11个关键指标。 研究过程深入到对滑坡灾害的空间分布特性分析，采用趋势面分析法、核密度分析法和泰森多边形分析法，发现地质灾害主要集中在西北部和东北部，显示出聚集分布特征。接着，作者利用信息量模型和熵权法对历史地质灾害数据进行易发性分析，这两种方法的AUC值分别为0.8857和0.8870，显示了较高的预测精度。 在滑坡易发性评价部分，1D-CNN、2D-CNN和3D-CNN的卷积神经网络模型被用于进一步分析。其中，2D-CNN模型由于其特征学习能力的提升，展现出更好的性能，AUC值为0.8225，相较于其他模型，提供了更可信的易发性评价结果。最后，研究结果通过ArcGIS平台，生成了全面的地质灾害易发性等级专题地图，直观展示出滑坡风险的空间分布。 这篇论文不仅概述了国内外地质灾害研究的现状，还强调了GIS技术和多维CNN在地质灾害易发性评价中的应用，特别是在复杂地理环境下的精确分析和预测能力。它对于提高地质灾害预警的准确性以及指导区域防灾减灾策略具有重要的实践价值。