2025年年初，永利6774app手机版官网22級本科生（在讀大三）王芷含在《Remote Sensing》（最新影響因子為4.1，位列JCR分區二區，中科院期刊分區地球科學大類二區）上發表了題為《Assessment of Landslide Susceptibility Based on the Two-Layer Stacking Model—A Case Study of Jiacha County, China》的論文（圖1，共24頁）。全部作者均來自永利6774app手机版官网師生，本科生王芷含為論文第一作者，其導師溫韬教授為通訊作者。論文借助兩層Stacking集成學習模型對滑坡易發性進行評價，以西藏山南市加查縣為研究區，取得了顯著成果。

本文采用改進的斜坡單元作為評價單元，将數字高程、坡向、降水指數、溫度、岩性等共15種環境指标投影到各斜坡單元内，并根據大多數滑坡點的空間分布特征，将距滑坡點2000 m範圍内的區域可視為滑坡發生區，而距滑坡點2000 m至4000 m範圍内的區域可視為緩沖區，并按照80%與20%的比例劃分為訓練集與測試集，進行了0–1歸一化處理。

在模型構建過程中，本文特别強調了基學習器的選擇對整體預測精度的重要性。為此，本文建立了一個由10種主流算法組成的模型池，涵蓋了決策樹、随機森林、梯度提升、支持向量機、神經網絡等多類方法，并通過一定的參數優化算法進行優化。這樣的組合不僅充分發揮了不同算法的優勢，也為Stacking框架提供了堅實的基礎支撐，大幅提升了模型在滑坡易發性預測中的準确性和穩定性（圖2）。

圖1 論文研究框架

經混淆矩陣靜态驗證、ROC曲線及線下面積的動态驗證、實地驗證後，得出結論：算法在滑坡易發性制圖中表現出較高的精度和充足的實地證據，即本文提出的兩層Stacking模型能夠提供更加全面和客觀的滑坡易發性結果。這一優勢主要歸因于合理的環境因子、動态算法組合以及參數優化過程，使得該模型在數據拟合、未知樣本預測和實地分析方面均表現出顯著效果，能夠在數據層面上對滑坡事件的發生與演化提供具體的區域性認知，具有一定的應用價值和參考意義。

但本文也指出：滑坡的起源區、運輸區與堆積區在地形特征上具有明顯差異，導緻适用的預測模型複雜程度發生變化。不同滑坡類型和階段對集成模型預測的影響也可能不同。若能将這些區域加以區分，并針對不同區域選擇适合的集成學習模型進行預測，将有助于提升整體預測性能。這一點對于模型在其他地區推廣應用時的性能優化尤為重要，也為為未來研究提供一些參考和啟示。

圖2 論文首頁

論文鍊接：https://doi.org/10.3390/rs17071177

第一作者簡介：王芷含，永利6774app手机版官网地質學專業工程地質方向22201班學生。獲“創新湖北·青力青為”湖北省第十五屆“挑戰杯”大學生課外學術科技作品競賽一等獎，學期最高績點3.93，參與發表發明專利7項、SCI、EI論文4篇，其中以第一發明人授權國家發明專利1項，第一作者發表SCI、EI論文2篇。