本發明屬于地質災害預測與防治，涉及一種基于加權信息量模型的流域滑坡易發性評價方法。
背景技術：
1、滑坡易發性評價是地質災害防控的核心環節。傳統方法如信息量模型（ivm）通過統計因子與滑坡的關聯性進行風險分級，但未考慮因子間的空間異質性與權重差異，導致預測精度受限。
2、在現有技術中，專利（cn113420257a）公開了一種基于機器學習的滑坡易發性評價方法，但未解決因子權重動態調整問題；專利（cn114841191a）公開了?基于全連接脈沖神經網絡的癲癇腦電信號特征壓縮方法，采用層次分析法賦權，主觀性強且難以量化交互效應。
3、長江流域等大尺度區域滑坡受自然與人文因素耦合影響顯著，亟需一種能融合多源數據、動態校正權重并揭示區域異質性的評價方法。本發明通過引入地理探測器（geographical?detector）量化因子解釋力，結合信息量模型構建加權評價體系，顯著提升預測精度與實用性。
技術實現思路
1、本發明的目的在于克服現有技術中的不足之處，提供一種基于加權信息量模型的流域滑坡易發性評價方法。
2、為了實現本發明的目的，本發明采用如下技術方案加以實施。
3、一種基于加權信息量模型的流域滑坡易發性評價方法，包括如下步驟：
4、s1、采集目標區域的滑坡點數據以及多源環境因子數據，構建多源驅動因子數據庫，并對多源驅動因子數據庫進行預處理；
5、所述多源環境因子包括自然因子和人文因子，其中，所述自然因子包括降雨量、坡度、地形起伏度、距斷層距離、距河流距離；所述人文因子包括綜合人類活動強度指數chaii；其中：所述綜合人類活動強度指數chaii的表達式為：
6、；
7、式中，ntl_avg為該滑坡點夜間燈光的平均值，dop_avg為該滑坡點人口密度的平均值，icdist為該滑坡點距不透水區域和耕地的距離；norm()是歸一化函數，將數據歸一化到[0,1]；
8、s2、利用地理探測器計算各因子的解釋力q值，并通過線性拉伸生成動態權重系數pi；其中：所述解釋力q值表達為：
9、；
10、其中，nh為層h樣本量，為層h方差，為總體方差；
11、所述動態權重系數pi表達為：
12、；
13、s3、用傳統信息量模型計算各因子類別的信息量值ii，并與步驟s2獲得的動態權重系數pi結合，生成加權信息量值；其中：所述信息量值ii表達為：
14、；
15、其中，為因子類別i內滑坡面積，si為因子類別i總面積，a0為目標區域滑坡總面積，a為目標區域總面積；
16、所述加權信息量值表達為：
17、；
18、其中，為最終加權信息量值，用于表征區域滑坡災害易發性的綜合程度。
19、作為本發明的優選方案，所述預處理包括空間標準化和因子離散化，其中：
20、空間標準化，統一坐標系與分辨率，歸一化至0,1區間；
21、因子離散化，采用幾何間隔法或自然斷點法對連續因子分類。
22、作為本發明的優選方案，所述坐標系為wgs_1984_utm_zone_50n地理坐標系；所述分辨率為100m×100m柵格。
23、作為本發明的優選方案，所述綜合人類活動強度指數chaii是由人類活動數據獲得的。
24、作為本發明的優選方案，所述人類活動數據包括夜間燈光、人口密度、土地利用；其中：所述土地利用包括滑坡點距不透水區域和耕地的距離。
25、作為本發明的優選方案，所述解釋力q值是各因子對滑坡空間密度lsd的q值。
26、作為本發明的優選方案，所述動態權重系數pi是通過歸一化地理探測器計算各因子的解釋力q值獲得的。
27、作為本發明的優選方案，在將目標區域劃分為n段后，利用上述方法分別計算各段各因子的解釋力q值及不同因子之間的交互效應，識別各段關鍵因素的差異。
28、作為本發明的優選方案，根據上述方法獲得的加權信息量值，利用自然斷點法劃分易發性等級，生成流域滑坡風險分區圖。
29、作為本發明的優選方案，能通過roc曲線與auc值驗證加權信息量值的精度。
30、有益效果：動態權重校正：通過地理探測器量化因子貢獻，克服傳統模型權重固定的缺陷；
31、多因子耦合分析：融合自然與人文因素，揭示“構造破碎-極端降水-工程擾動”協同致災機制；
32、區域異質性適配：分流域段分析驅動機制差異，提升大尺度區域評價的適用性；
33、精度顯著提升：與傳統ivm相比，auc值從0.795提升至0.875，極高風險區誤判率降低30%。
1.一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：包括如下步驟：
2.根據權利要求1所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：所述預處理包括空間標準化和因子離散化，其中：
3.根據權利要求2所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：所述坐標系為wgs_1984_utm_zone_50n地理坐標系；所述分辨率為100m×100m柵格。
4.根據權利要求1所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：所述綜合人類活動強度指數chaii是由人類活動數據獲得的。
5.根據權利要求4所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：所述人類活動數據包括夜間燈光、人口密度、土地利用；其中：所述土地利用包括滑坡點距不透水區域和耕地的距離。
6.根據權利要求1所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：所述解釋力q值是各因子對滑坡空間密度的q值。
7.根據權利要求1所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：所述動態權重系數pi是通過歸一化地理探測器計算各因子的解釋力q值獲得的。
8.根據權利要求1所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：在將目標區域劃分為n段后，利用權利要求1所述的方法分別計算各段各因子的解釋力q值及不同因子之間的交互效應，識別各段關鍵因素的差異。
9.根據權利要求1所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：根據權利要求1所述的方法獲得的加權信息量值，利用自然斷點法劃分易發性等級，生成流域滑坡風險分區圖。
10.根據權利要求1所述的一種基于加權信息量模型的流域滑坡易發性評價方法，其特征在于：能通過roc曲線與auc值驗證加權信息量值的精度。