具有动态安全系数映射的 MaxEnt-Trigrs 混合模型，用于增强降雨触发地形中泥石流敏感性评估

快速阅读: 据《Nature.com》称，研究人员开发了结合MaxEnt与TRIGRS的泥石流风险评估框架，提升预测精度21%，有效识别不稳定区域，适用于复杂地形灾害防治。

据最新研究报告，研究人员开发了一种新的泥石流风险评估框架，结合了最大熵（MaxEnt）统计模型与TRIGRS物理模型，以提高预测准确性。该框架针对中国北川县的七个城镇进行了测试，通过整合十三项环境因素、岩土参数及历史灾害记录，构建了一个“统计-物理”双重驱动的评估体系。

研究团队的方法分为三个步骤：首先，使用TRIGRS模型计算降雨引起的安全系数，识别出不稳定区域；其次，利用MaxEnt模型结合TRIGRS的正样本数据及历史泥石流因素，预测泥石流易发性的空间分布；最后，在地理信息系统（GIS）中对两个模型的输出进行动态加权整合。

实验结果表明，这一混合模型相比单独使用MaxEnt模型，预测精度提升了21%（AUC值达到0.845）。新模型不仅修正了原有统计模型中34.7%的过度预测区域，还使稳定区域的面积增加了1.8倍。经过不同权重组合的测试，研究发现0.55:0.45（MaxEnt: TRIGRS）的比例效果最佳。

为进一步验证模型的有效性，研究团队使用了另一个地区的独立数据集进行测试，成功识别了长潭地区83.6%的历史泥石流事件。这证明了该框架能有效结合地统计模式与地质力学过程，适用于复杂地形中的多灾种链式评估，对于泥石流早期预警和区域灾害防治规划具有重要价值。

(以上内容均由Ai生成)