学术研究报告：顾及土地利用动态变化的滑坡易发性评估方法
作者及发表信息
该研究由福州大学数字中国研究院（福建）的林炫歆、肖桂荣（通讯作者）与中国科学院城市环境研究所的周侯伯合作完成，发表于《地球信息科学学报》（Journal of Geo-Information Science）2023年第25卷第5期（953-966页），DOI编号10.12082/dqxxkx.2023.220567。
学术背景
滑坡灾害成因复杂，其易发性评估对灾害预警与防控管理具有重要意义。传统滑坡易发性制图研究多聚焦静态因子（如地形、地质等），而忽略了土地利用动态变化的影响。然而，土地利用变化（Land Use Change, LUC）作为人类活动的直接体现，可能通过改变地表覆盖、水文条件等间接诱发滑坡。尽管已有研究探讨了土地利用类型与滑坡的关系，但将土地利用变化作为动态因子纳入评估体系的研究仍较少，且缺乏定量分析其与滑坡发育关联性的理论支持。
本研究旨在填补这一空白，提出一种融合土地利用动态变化的滑坡易发性评估方法，通过定量分析土地利用变化与滑坡的空间关联性，并对比不同机器学习模型的预测性能，为滑坡风险评估提供新视角。
研究流程与方法
研究分为三个核心步骤：
1. 滑坡评估因子初选与动态因子引入
- 因子选择：从地形、自然地理、地质和人类活动四个维度选取9个初始因子，包括高程、坡度、坡向、降水量、到断裂/水系/道路距离、工程地质岩组及土地利用类型（2000年与2020年）。
- 动态因子构建：基于2000—2020年30米分辨率土地利用数据，通过栅格代数运算生成19种土地利用变化类型，作为动态因子。
- 因子独立性验证：通过皮尔逊相关系数（Pearson correlation coefficient）和多重共线性分析（VIF < 10，TOL > 0.1）确保因子间无显著相关性。
2. 土地利用变化与滑坡关联性定量分析
- 频率比（Frequency Ratio, FR）模型：计算不同土地利用类型及变化区域的滑坡频率比。结果显示：
- 农田转为不透水面的区域FR值最高（2.812），表明人类活动增强显著提升滑坡风险。
- 静态植被区域FR值最低（0.809），因其面积大且植被根系具有稳定斜坡作用。
- 逻辑回归（Logistic Regression, LR）验证：对比引入动态因子前后的模型准确率，动态因子组合的AUC值（0.9611）高于静态因子（0.9599），证明其必要性。
3. 机器学习模型构建与性能对比
- 模型选择：构建决策树（Decision Tree, DT）、梯度提升树（Gradient Boosting Decision Tree, GBDT）和随机森林（Random Forest, RF）模型，优化超参数（如RF的n_estimators=280）。
- 性能评估：
- RF的AUC值最高（0.9922），GBDT次之（0.9815），DT最低（0.9315）。
- RF在高易发区准确捕捉86%的滑坡点，极低易发区仅含3%滑坡，分区合理性显著。
- 易发性制图：基于RF模型将三明市划分为5个易发等级，高易发区集中于西部泰宁县及中部人类活动密集区，低易发区多为高海拔植被覆盖区。
主要结果与逻辑链条
- 土地利用变化的定量影响：FR分析表明，地类转变区域（如植被→农田）的滑坡风险显著高于静态区域，为动态因子的引入提供了实证依据。
- 模型优化与验证：LR和集成学习模型（如RF）的对比证明，动态因子能提升预测精度，且RF因抗噪声能力强，成为最优选择。
- 空间分布规律：三明市滑坡高易发区与人类活动（如城镇扩张、农田开发）高度重叠，验证了“人类活动→土地利用变化→滑坡风险”的因果链。
结论与价值
- 科学价值：
- 首次系统量化了土地利用动态变化对滑坡易发性的贡献，提出“动态因子必要性”理论。
- 验证了RF模型在滑坡风险评估中的优越性，为同类研究提供方法参考。
- 应用价值：
- 为国土空间规划与灾害防控提供决策依据，例如限制农田边缘扩张区的开发强度。
- 福建省验证实验（AUC=0.8082）表明方法可推广至其他区域。
研究亮点
- 动态因子创新：突破传统静态因子框架，提出土地利用变化作为动态因子的完整技术流程。
- 方法学贡献：结合FR定量分析与集成学习模型，形成“机理-数据”双驱动的评估范式。
- 实证严谨性：以三明市为研究区、福建省为验证区，通过交叉验证确保结论普适性。
其他补充
研究局限性包括滑坡数据时间分辨率不足（缺乏精确时间标签），未来可结合时序InSAR技术进一步细化动态因子。此外，未考虑曲率、水文过程等因子，后续可扩展多源数据融合分析。
（注：全文约2000字，符合要求范围）