Geosci. Front. | 滑坡易发性制图的集成学习框架：不同的基本分类器与集成策略

背景：集成学习模型在滑坡易发性研究中应用不断改进，但缺乏统一的集成框架，且在乡镇级尺度的适用性探讨较少。研究目的：本研究旨在建立一个稳健的集成学习框架，比较不同基本分类器（如决策树、支持向量机、多层感知器神经网络）与集成策略（如装袋法、提升法、堆叠法），并应用于中国三峡库区达州镇的滑坡易发性制图，以生成高精度易发性图并分析主要触发因素。结论：研究发现，岩性、坡度、距河流距离、土地利用和水库岸坡是最重要的影响因素；集成模型（尤其是基于堆叠法的RF-XGBoost模型，AUC=0.955）较基本分类器性能更优，能更准确地预测滑坡高易发区域；该框架可为类似区域的滑坡空间预测及减灾规划提供支持。