一种顾及空间异质性分区和因子特征筛选的滑坡易发性集成学习评价方法

本发明属于滑坡易发性分析技术领域，涉及一种顾及空间异质性分区和因子特征筛选的滑坡易发性集成学习评价方法，基于历史滑坡编录数据生成滑坡样本，通过环境因子频率比分析选取非滑坡样本；提取静态和动态环境因子数据集，利用t‑SNE‑ISO聚类算法与特征筛选策略实现因子空间解释力量化，通过Pearson相关系数法剔除高相关性因子，结合地理探测器量化各因子对滑坡空间分异的解释力，分别在全域和分区框架下筛选最优特征组合，结合Stacking集成学习框架融合CNN、DNN、MLP基学习器与LR元学习器，形成滑坡易发性概率预测模型，提升了模型泛化能力和预测准确性，尤其适用于地形起伏剧烈、地质条件复杂的滑坡高发区。