本网讯（工程建设学院 王新芳）2月26日，国际地学顶级期刊Earth-Science Reviews发表了题为“Modelling landslide susceptibility prediction: A review and construction of semi-supervised imbalanced theory”（滑坡易发性预测建模：文献综述与半监督非对称理论构建）的研究成果。该成果由437ccm必赢国际工程建设学院黄发明副教授、熊浩文（研究生）、蒋水华教授、姚池教授和成都理工大学范宣梅教授等研究人员合作完成。

该成果系统性地研究了区域滑坡易发性预测这一全球性热点课题。具体而言，以滑坡/非滑坡样本为输出变量且以相关条件因子为输入变量的监督机器学习模型，广泛应用于滑坡易发性预测（LSP）。然而，LSP建模中存在许多不确定的问题：已知滑坡样本可能存在误差，从整个研究区随机抽取的非滑坡样本不准确，滑坡与非滑坡样本的比例设置为1:1与实际滑坡分布特征不一致，将标记为非滑坡的样本分配概率为0是不合理的，难以实现对LSP性能的综合评估等。在文献综述的基础上，黄发明副教授及其团队创新性地提出了“半监督非对称理论”来克服这些不确定性因素的影响。该理论流程如下：首先，基于滑坡样本、随机选择的非滑坡样本、斜坡单元及相关条件因子构建监督机器学习模型，用于预测九江市（图1）初始滑坡易发性指数并划分出极低、低、中、高和极高初始易发性级别；其次，剔除初始易发性级别中被归类为极低的滑坡样本以减少滑坡误差，从低和极低易发区中随机抽取非滑坡样本以保证非滑坡的准确性；第三，将滑坡与非滑坡样本的采样比依次设置为1:1至1:200，将初始易发性指数赋值为对应非滑坡样本的标签值，滑坡标签值仍赋为1；第四，使用标记的滑坡和非滑坡样本再次训练和测试机器学习；最后，通过比较不同采样比下的滑坡易发性精度和滑坡易发性指数分布特征来确定滑坡与非滑坡的最佳比例，从而得到最终的滑坡易发性预测结果（图2）。

图1.研究区地理位置图

图2.不同滑坡非滑坡样本比例下半监督非对称滑坡易发性图

图3.监督随机森林模型与各工况下半监督非对称随机森林模型的预测率精度曲线图

研究结果表明，半监督非对称理论为已知滑坡样本的校正和非滑坡样本的选择提供了新的思路，克服了随机选择的非滑坡样本精度低的缺点，达到了有效提高空间数据集质量的目的。同时，滑坡与非滑坡比值的非对称可以模拟野外非滑坡面积远大于滑坡面积的实际分布特征。半监督非对称随机森林模型产生的滑坡易发性预测结果的ROC精度、预测率精度和易发性指数分布特征均优于其他预测模型，表明半监督非对称理论预测的滑坡易发性指数更符合野外实际滑坡分布规律（图3）。非滑坡样本的选择、采样比例和标签分配是影响空间数据集质量的核心不确定性问题。建议学者们基于半监督非对称理论进一步优化这些问题，以提高滑坡易发性预测结果的可行性和实用性。本研究成果受到国家自然科学基金项目（Nos.42377164 and 42272326）和国家自然科学基金-优秀青年基金（No. 52222905）的联合资助。

Earth-Science Reviews创刊于1966年，由Elsevier Science出版社出版，是地球科学领域公认的国际地学顶级期刊，主要报道地球科学领域具有全球尺度/视野的前沿性基础理论研究进展。该期刊在Earth and Planetary Sciences/Geology学科排名位于Q1分区（2/191），仅次于NatureGeoscience，2023年度影响因子为12.1，位列中科院JCR分区一区TOP。

本文引用信息：Faming Huang,Haowen Xiong, Shui-Hua Jiang, Chi Yao*, Xuanmei Fan, Filippo Catani, Zhilu Chang, Xiaoting Zhou, Jinsong Huang, Keji Liu. Modelling landslide susceptibility prediction: A review and construction of semi-supervised imbalanced theory [J]. Earth-Science Reviews, 2024, 250:104700.DOI: 10.1016/j.earscirev.2024.104700

原文下载链接：

https://www.sciencedirect.com/science/arti

编    辑：程慧萍

责任编辑：涂金凤