摘要：
      滑坡是一种机理复杂的地貌现象，每年都会造成大量的人员伤亡和财产损失。因此构建准确的滑坡预测模型和确定环境因子对滑坡灾害的贡献程度，对滑坡易发性评价具有重要意义。在以往研究中，最大熵模型(maximum entropy model,MxaEnt)因为对样本数量要求低、可避免模型过度拟合等优点，被广泛运用在生态学领域，但在县域滑坡地质灾害评价中较少见。以沅陵县为研究区，基于342处滑坡灾害点数据和18个环境变量，将MaxEnt模型与ArcGIS相结合对研究区进行滑坡易发性分区预测。采用Jackknife法检验环境因子对预测结果的贡献程度，确定影响滑坡发育的主要因素，引入灾积比检验和受试者特征曲线检验评估MaxEnt模型的预测性能。结果表明：Maxent模型的曲线下面积AUC值为0.911，预测效果优秀；随机选取75%的滑坡点数据用于训练模型，其余25%的数据用于验证模型，得到的AUC值精度最高，标准误差最小；研究区内河流是贡献程度最高的环境因子，贡献率为65.6%；较高和高易发区域占总面积的17.65%，灾积比为7.49。滑坡灾害主要发育在以河流为中心向外延伸100m范围内，集中分布在沅江、深溪、兰溪附近；该结果可以为县域城市建设提供一种新的地质灾害预测模型，并且能为研究区的灾害监测、防治等工作提供新的途径。
引言：
     滑坡是世界各国常见的地质灾害之一，它们对基础设施和人类生活具有毁灭性影响(Luo et al.,2021)。在几年或几十年里，滑坡在发生前会表现出多种变质症状，使其成为相对更易于控制和预测的现象(Alam et al.,2018)。为避免滑坡造成人员伤亡和财产损失，采取有效的管理和预防措施显得至关重要，总体来说，区域滑坡易发性评价有助于减轻滑坡灾害的影响(Chen et al.,2019)，它被认为是滑坡风险评估的第一步，滑坡易发性评价为了解滑坡空间分布的影响提供了主要工具(Hussain et al.,2021)。
目前滑坡易发性评价的方法有很多，但主要分为定量和定性评价两大类。早期主要是以定性描述为主，它侧重于成灾理论研究和不同种类灾害分类研究，较过分依赖主观意识，使模型具有不确定性(Pistocchi et al.,2002,Guo et al.,2019)。因此，以历史灾害数据为出发点，概率统计为理论依据的黑盒方法被应用于建模，如信息量法、逻辑回归法、频率比、证据权重建模等(Kanungo et al.,2006)。它在一定程度上降低了主观意识的影响，但也暴露出了许多问题，如需要的灾害点数据精准度很高、处理滑坡和地质环境数据复杂等 (Jibson et al.， 2000,Tang et al.,2021)。随着地理信息系统、卫星遥感技术等的不断发展，许多机器学习方法以及大量的定量评价方法借助GIS平台被运用到了地质灾害易发性评价中(Biswajeet et al.,2010)，如文献(Liu et al.,2022)以中国福建省为研究区，选取26个指标作为特征参数，采用随机森林法模型同最近邻模型、逻辑回归模型、支持向量机模型和决策树模型对比，进行区域滑坡预警研究；文献(Li et al.,2021)以青海湟源县为研究区，选取11个评价因子，采用信息量模型、频率比模型和人工神经网络模型对地质灾害易发性进行评价；文献(Diet et al.,2020)将DLNN模型同多层感知机神经网络、支持向量机、随机森林模型等进行比较，选取9个滑坡相关量，以越南Kon Tum省为研究对象进行滑坡易发性评价；文献(Leonardo et al.,2004)基于ArcGIS平台，采用人工神经网络对意大利里奥马焦雷集水区进行滑坡敏感性分析，得到在滑坡危险性评价系统中引入人工神经网络取得的结果令人满意。将机器学习模型同定性分析相结合的定量方法，提高了模型的精度，使结果尽量的客观化，但由于建模流程多、计算过程复杂等缺点，不太适合区域滑坡易发性评价(Youssef et al.,2016)。
为了探究一种最优模型来适用于县域滑坡易发性评价，在滑坡易发性评价中引入Maxent模型。Maxent模型是一种以最大熵原理为基础，JAVA语言为手段的概率模型，即满足已知约束条件下，利用已知的分布点数据和环境变量，选择熵最大模型，预测未知点数据(Merow et al.,2013,Phillips et al.,2005)。由于它可在样本量较少的情况下来预测目标的分布，并且可以检验预测结果(Estes et al.,2013,Elith et al.,2011,Merow et al.,2013)、运算结果较稳定，操作简单、可避免模型过拟合等特点(Graham et al.,2008,Wisz et al.,2008)，现被广泛运用在生态领域，是生态学研究的热门工具。在2013年首次出现在滑坡灾害的预测研究中，Maxent模型与广泛使用的信息量模型、熵指数模型等在理论上具有相似性，但它相较于信息量模型等，Maxent模型不需要很高的精度和大量的调查(Kornejady et al.,2017,Tangestani and Benardos.,2014)；相较于层次分析法模型等，它不需要专家知识，不受主观因素的影响；相较于证据权法、逻辑回归模型、频率比模型等概率模型(Tayyib et al.,2022,Lzabela et al.,2021,Vakhshoori and Zare.,2018,Song et al.,2022,Wahid et al,2020)，Maxent模型不仅可以考虑灾害点与其影响因子之间的关系，还能考虑影响因子之间的关系(Wang et al.,2022,Davis et al.,2015)。国外已有少量学者在滑坡易发性研究中采用Maxent模型(Lombardo et al.,2016,Dicsson et al.,2016,Jiang et al.,2023,Chen et al.,2017,Suchita et al.,2016,Maryam et al.,2019)，但在中国利用Maxent模型对县域滑坡易发性的研究屈指可数。因此，本研究以湖南沅陵县为例，通过实地考察和综合分析与滑坡灾害有关的研究，使用皮尔逊分析后选择了18个滑坡控制因素。采用Maxent模型和ArcGIS空间分析模块对在不同环境变量下,滑坡灾害在沅陵县的潜在地理位置变化进行预测，探究Maxent模型在县域滑坡易发性评价中的适用性。同时根据Jackknife法识别出影响滑坡灾害发生最大的环境变量，引入灾积比检验和受试者特征曲线检验评估MaxEnt模型的预测性能，这将为沅陵县城市建设规划和灾害防治工作提供更有利的理论支撑。
 

滑坡地质灾害,易发性评价,Maxent模型,ROC-AUC曲线,ArcGIS