不同组合模型区域滑坡易发性及精度分析

王高峰，郭宁，邓兵，田运涛，叶振南,3，*，陈宗良，吕凤兰，高幼龙

(1.中国地质调查局水文地质环境地质调查中心,河北 保定 071051；2.自然资源部三峡库区地质灾害监测预警野外科学观测基地，重庆 404100；3.中国地质大学(武汉)，湖北 武汉 430074)

滑坡易发性是指一定区域内由孕灾地质条件控制的滑坡发生的可能性，而滑坡易发性不同于危险性，不考虑地震、降水等诱发因素。从研究区域分析，中国滑坡易发性评价研究主要分布在三峡库区、汶川地震区及西北黄土区等西部山区，并形成了较为详细的评价方法体系(许冲等，2010；唐亚明等，2011；张俊等，2016；张茂省等，2019)。有学者针对白龙江流域开展了滑坡、泥石流发育环境、危险性评价等方面的研究(张帆宇等，2012；陈冠等，2013；齐识等，2014；王高峰等，2019)，研究对象多集中在白龙江干流或中游某一重要区段或国道212沿线。而关于整个流域尺度(甘肃段)的滑坡易发性评价研究甚少，目前仍然缺乏区域性国土空间用途管制规划必需的滑坡灾害易发性分区成果地图，特别是针对评价模型的适用性和精度评价方法的对比研究鲜有案例。

目前，区域滑坡灾害易发性评价主要依靠启发式推断法、数理统计分析法和非线性方法等，后2类评价方法具有运算效率高和因子权重客观获取的优势而被广泛运用(沈玲玲等，2016)。其中，数理统计分析法包括基于原始数据，对其规律进行基础处理的信息量模型、确定性系数模型、证据权法模型等(范强等，2014；樊芷吟等，2018；田春山等，2016；杨光等，2019)；非线性方法包括基于人工智能学习的人工神经网络模型、决策树模型、支持向量机模型及逻辑回归模型等(冯杭建等，2016；刘坚等，2018；张茂省等，2019)。但由于单一的评价模型方法存在对参评因子不能客观地确定其权重、模型运算过程中因主观干扰而无法消除评价因子之间的相关性等问题，难以客观、准确、定量地进行区域滑坡灾害易发性评价。为获得吻合实际的评价结果，有学者开展了多种模型组合对滑坡易发性进行评价，总结分析了模型的优劣(邱海军等，2014；张晓东等，2018)。此外，评价因子选取不当或彼此相关性强或个数较多，及评价因子状态分级方面客观性影响较高，没有科学合理的划分依据，评价过程不仅繁琐，而且会影响模型评价结果的合理性和准确性。然而在评价结果分析方面很少有人关注这些评价模型和方法评价精度的对比与检验，事实上评价结果的准确性、分析精度及与实际情况的吻合程度是使用者最关注的问题，在数据有限条件下的评价结果更需要对精度进行分析。

笔者在研究白龙江流域滑坡发育特征及孕灾环境的基础上，结合数据源的可获取性，选取了坡度、地形起伏度、距断层距离、地层岩性、流域沟壑密度、植被指数等6个影响滑坡灾害发生的致灾因素作为参评因子。首先，结合2 093处滑坡灾害及隐患点数据，并依据各指标条件下的信息量值、确定性系数值和证据权重值曲线突变规律、滑坡面积及分级面积频率比曲线对各评价因子的状态进行分级；然后通过应用信息量模型、确定性系数模型和证据权模型分别与逻辑回归模型进行滑坡易发性评价，最后采用4种不同方法进一步检验评价结果的合理性，并开展研究区滑坡灾害易发性及结果精度评价分析。力求从模型适用性和预测精度2方面选择适合于该流域的最优滑坡易发性评价方法，真实地反映出滑坡易发性的空间分布特征，以期为地质灾害高发、多发的白龙江流域地质灾害防灾减灾预警决策提供参考。

1 研究区概况及研究方法

1.1 研究区概况

根据甘肃省白龙江流域滑坡发育特征及现有滑坡灾害数据，选取白龙江流域受滑坡灾害影响最严重的白龙江中游及岷江支流段作为本文的研究区域。地理坐标为东经103°42′55.1″～105°19′00.7″，北纬33°01′17.5″～34°22′37.6″，面积约为6 128 km2，图1为研究区地理概况及位置示意图。

该区位于青藏高原东部、秦岭山地西缘，中国纵横向地震带在此交汇穿过，地质构造复杂，发育一系列活动的逆冲断裂和走滑断裂，且局部次级断裂和小型褶皱集中发育，新构造运动强烈和地震活动频繁。该区滑坡灾害密布于软弱浅变质岩地层区，尤其在志留系、泥盆系等软弱千枚岩区域最为突出，滑坡灾害密度达0.48个/km2，是区内滑坡灾害易发多发岩组。白龙江中游及其岷江支流贯穿整个区域，地貌类型复杂，属中深切割中高山地貌区，地形海拔高度为768～4 244 m，相对高差为3 476 m。该区属于亚热带向北温带的过渡区，气候垂向上随海拔变化具有差异性，在时空分布上降水分布不均匀 (王高峰等，2019)。受以上条件的影响使得该区地质灾害发生的频率高、规模大、种类多、范围广，且具有“群发性、突发性、隐蔽性、叠加性”的特点，每年造成的经济损失巨大，其中滑坡灾害的严重性亦是众所周知。例如，锁儿头滑坡、泄流坡滑坡、江顶崖滑坡等。

图1 研究区位置示意图Fig.1 Geographical location of the study area

1.2 数据源

本研究开展滑坡易发性评价的数据源(表1)主要包括：①滑坡灾害点的基础数据主要来自陇南白龙江流域地质灾害调查成果数据。②研究区1∶50 000地形图和30m×30m分辨率DEM数据，用于提取坡度、地形起伏度、流域沟壑密度等信息。③1∶100 000构造地质图，用于提取地层、距断层距离等信息。④2016年获取的精度为0.5m的Pléiades卫星遥感数据和2014年30m×30m的landsat8 OLI，用于提取归一化植被指数。

研究区滑坡共2 093处，总面积224.54km2，约占整个研究区面积的3.66%。图2为根据野外调查和已有滑坡资料整理得到的白龙江中游段滑坡发育面积分布曲线图。可以看出，滑坡面积与滑坡分布个数呈双峰曲线规律，整体上滑坡面积越大，分布个数越少。研究区最大滑坡面积为4.36 km2，最小为210 m2，在滑坡面积为0.001～0.015 km2和0.035～0.153 km2范围内滑坡共有1 258处，占研究区滑坡总数和滑坡总面积的比例分别为60.11%和25.64%。

表1 数据类型及数据来源表Tab.1 Sources and types of data

图2 滑坡发育面积分布曲线图Fig.2 Distribution curve of landslide development area

1.3 研究方法

目前，较为常用的滑坡易发性评价模型均具有各自的优点和不足(表2)。但滑坡灾害孕育过程是一个非线性系统，线性的数理统计很难精确地对其进行预测。为了提升评估成功率或准确性，可综合各自模型的优点对研究区的滑坡易发性进行建模，不仅能在GIS平台的支持下快速得出评价结果，而且较理想地解决采用单一模型在滑坡易发性评价中的不足，使评价结果更满足实践和应用需求。

采用表2中公式(1)、(2)、(3)信息量模型、确定性系数模型和证据权模型计算出的各个评价因子等级的I值、CF值和Wf值作为逻辑回归模型中的指标值，构建不同组合回归方程，得出逻辑回归系数βi，以此为依据开展研究区滑坡易发性评价。因此，本研究随机选取滑坡灾害点总样本的80%作为训练样本(即1 680个发生滑坡灾害点)进行建模分析，相应的随机选取1 680个未发生滑坡的样本点，共计得到3 360个具有独立属性的样本数据，并将其作为因变量样本集。结合评价因子，分别采用信息量模型I+逻辑回归模型LR(组合1)、确定性系数模型CF+逻辑回归模型LR(组合2)和证据权模型Wf+逻辑回归模型LR(组合3)3种组合模型评价研究区的滑坡灾害易发性并进行分区，分析3种组合模型得到的研究区滑坡易发性评价结果。利用20%的滑坡样本点，采用多种方法检验评价结果的合理性，结合滑坡实际分布规律及发育情况讨论并比较3种组合模型的适用性和准确性。

2 评价因子筛选与分级

2.1 因子筛选

滑坡的发生是孕灾环境因子和诱发环境条件共同作用的结果，其中孕灾环境因子是指斜坡自身的属性特征，在经过剥蚀或风化等作用逐渐使斜坡趋于变形失稳状态。诱发环境因子是指在降雨、地震、人类工程扰动等影响下导致斜坡失稳的外界条件。通常，滑坡易发性评价主要考虑对滑坡发生发展起控制性作用的孕灾环境因子，来揭示斜坡未受外界条件影响情况下的失稳概率。促使滑坡产生的孕灾环境因子主要包含：地形地貌、基础地质、地表覆被和水文环境因子等4大类。在评价因子的选取中既要合理灵活又要体现因子对滑坡的影响，同时要确保各因子之间互不影响且不具有强相关性。因此，基于野外实地调查及收集到的数据库与前人研究成果，选取地形起伏度、坡度、地层岩性、距断层距离、沟壑密度、植被指数(NDVI)等6个孕灾环境因子，采用30 m×30 m分辨率的栅格单元作为研究区滑坡易发性的基本评价单元。在此基础上进行滑坡指标因子的状态分级及易发性评价。

2.2 评价因子状态分级

影响指标因子状态分级是指数据类型为离散型和连续型的单因子指标遵循一定的划分标准分为多个不同范围的二级状态。其中，离散型数据主要根据野外调查滑坡孕灾工程地质条件类比制定划分标准。而连续型数据是以一定步长的因子信息与预测单元个数分布曲线和综合表2中式(1)、式(2)及式(3)计算各步长在各因子中的I值、CF值、Wf值分布曲线为依据。对比2类曲线的分布规律，确定分布曲线的突变点为等级划分的界限值，突变点范围内的数值不仅体现了预测单元空间上的各等级之间的差异性，也体现了评价单元预测的相对集中性。

2.2.1 地形地貌因子

研究区地形地貌因子主要包括地形起伏度、坡度，均是应用ArcGIS的空间分析工具从DEM中提取的栅格数据。统计地形起伏度、坡度2个影响因子不同区间内的滑坡面积比和分级面积比(图3)，可以看出发生滑坡的坡度主要集中在[25°，45°]区间，研究区坡度从15°～40°内的面积最大，且在[10°，35°]区间滑坡面积比大于分级面积比，表明滑坡的相对面密度较大。地形起伏度在100～200 m时，滑坡发育较多，在75～175 m对滑坡影响较大。

2.2.2 水文环境和地表覆被因子

(1)水文环境因子。流域沟壑在一定程度上反映了该地区地形切割程度、起伏程度和岩土体松散程度，亦能反映土壤侵蚀的严重程度，同时也能反映地貌的演化阶段。水系发育程度和分布密度越高对地表侵蚀能力就越强，就越易于发生地质灾害。在对区域滑坡易发性评价研究中，很难揭示地下水对斜坡稳定性的影响。因此，笔者以任一单元内沟壑密度大小来表达水系对区域滑坡发育的影响。根据研究区DEM数据提取出的水系分布图，采用ArcGIS的空间分析工具，制作研究区流域沟壑密度栅格图层，分别对其影响范围内的滑坡频率进行统计(图3)。结果显示随着流域沟壑密度的增大，滑坡面积及滑坡灾害点密度呈现先增大后急剧降低，最后以微弱趋势递减。滑坡面积在0.8～1.6 km/km2范围内相对较大，在([0.8，2.2]、[2.4，3.2]) km/km2区间对滑坡影响较大。根据曲线规律将流域沟壑密度分为<0.8 km/km2、0.8～1.2 km/km2、1.2～2.4 km/km2、2.4～3.2 km/km2、3.2～3.489 km/km2等5个状态。

(2)地表覆被因子。植被覆盖度的变化主要影响地表水对岩土体的入渗侵蚀程度，造成斜坡稳定性降低，进而导致滑坡变形失稳概率增加，因此笔者采用植被指数(NDVI)来表征地表覆被。

从图3中滑坡面积比和分级面积比曲线可以看出，发生滑坡的NDVI主要集中在[0.25，0.40]区间，研究区NDVI从0.18～0.45内的面积最大，且在[0.10，0.35]区间滑坡面积比大于分级面积比。根据图3模型频率值曲线分析可知，随着NDVI的增大，滑坡面积呈现先急剧增大后逐渐较小的趋势，NDVI在 [0.1，0.3]区间对滑坡影响最大。根据曲线规律，将NDVI分为<0.1、0.1～0.3、0.3～0.45、0.45～0.5、>0.5等5个状态。

2.2.3 基础地质因子

通常认为地层岩性与断裂构造是影响滑坡孕育的2个重要基础地质因子。以往研究成果认为，白龙江流域滑坡主要沿断裂带成群成带分布，在区域性活动断裂带一般发育大型或巨型滑坡，据统计70.6%的滑坡分布在距断裂2.5 km范围内，在距离断层小于5.0 km范围分布有90%以上的大型滑坡(孟兴民等，2013；杨为民等，2014；李淑贞等，2015)。而在地层岩性软弱区或软硬相间岩层区内滑坡成片发育，此次调查共有1 132处滑坡发育于软弱岩层区，441处滑坡发育于软硬相间岩层区，占滑坡总数的75.2%。故选取岩性与构造活动作为滑坡易发性评价的基础地质条件。

(1)地层岩性。地层岩性对滑坡孕育起着重要的影响作用，主要是通过影响堆积体和基岩的物理力学性质及其渗透性来促使滑坡变形失稳。同时，它决定了滑坡发育的规模、类型特征。研究区地层岩性极为复杂，属西秦岭地层区，从前震旦系到第四系均有出露，共出露30套地层。

图3 因子状态分级图Fig.3 Statistical map of factors classification

(2)地质构造条件。滑坡发育和发生与断裂构造活动有着密切的关系，距断层的距离是滑坡易发性分析的一个重要影响因子(陈明等，2018)。研究区滑坡的发育主要受到活动断裂控制，最为典型的是坪定-化马活动断裂(带)，沿该断裂破碎带发育一系列特大型滑坡，呈现出滑坡后壁至分水岭的长条状、“背滑”、“对滑”相间线状分布特征，其物质结构、成分、成因复杂，次级断裂发育。

研究区内滑坡沿断裂呈带状分布的特征非常明显，通过对区内滑坡的分布随距断层的距离统计表明：滑坡灾害的分布随其距断层距离呈急剧衰减的趋势，滑坡灾害个数与断裂的地表破裂面的垂直距离满足以下关系式(5)。式(5)中N为滑坡个数(处)；Dr为距断层距离(km)。

N=1 062e-0.365Dr(R2=0.883 9)

(5)

图4与式(5)说明研究区内滑坡分布与断层有着显著的关系，即：距断层越近，断层活动对斜坡的作用越强烈，就越容易诱发滑坡；反之，随着距断层距离增大，断层活动对斜坡作用迅速减弱。在统计的2 093处滑坡中有1 220个分布在距断层距离小于1.0 km范围内，约占滑坡总数的58.29%。

通过对区内498条断层利用距断层的欧氏距离来表示地质构造活动对滑坡的影响，分别对各缓冲区内的滑坡进行频率统计，结果如图3所示，可以得出在距断层[0，1.0 km]区间滑坡面积比大于分级面积比，且滑坡主要发育在距断层距离小于2.2 km范围内。利用与地层岩性影响因子相同的分级方法将研究区断层影响带划分为4个级别，因为在这4个构造影响带之外仍有滑坡发育，故将该范围定义为第5级影响带，分级结果见表4。

2.3 评价因子I值、CF值和Wf值计算及其共线性诊断

首先，根据2 093个滑坡样本点在各评价因子分级状态中的分布情况，分别采用表2中公式(1)—公式(3)计算各分类级别在各评价因子中的I值、CF值和Wf值(表5)。上述数值不仅可以进行各个评价因子的分类级别之间比较，而且可揭示同一评价因子内各分类级别的相对重要性。

表3 地层岩性分级表Tab.3 Classification of stratum lithology

图4 研究区滑坡个数与断层距离关系图Fig.4 The relation map of landslides amount and fault distance

同时为了确保各参评因子互不影响和达到评价模型输入参数准确性的要求，需对所选各指标因子进行筛选。笔者首先选取滑坡灾害点总样本的80%(即1 680个发生滑坡点)和1 680个未发生滑坡的样本点作为训练样本。然后提取每个样本的各分级后因子等级值，采用SPSS软件中进行多重共线性诊断，获取其方差膨胀系数VIF和相关性系数R。计算结果显示分级后确定的6个指标因子VIF值基本接近，其中信息量模型VIF值范围为[1.033，1.188]，确定性系数模型VIF值范围为[1.067，1.139]，证据权模型VIF值范围为[1.035，1.168]，表明因子之间存在共线性的可能性较小。同时各因子之间的相关矩阵R≤0.3，可以认为所选各因子之间相关性微弱或不相关。因此，这6个指标因子满足相互独立的要求，均可参与模型评价。

表4 研究区地质构造带滑坡影响距离表Tab.4 The distances of geologic structure and landslide in the study area

表5 各评价因子分类级别I值、CF值和Wf值计算结果表Tab.5 Calculation Results of I Value、CF Value and Wf Value for Classification Level of each evaluation factor

2.4 评价因子权重值计算

通过GIS分析计算工具中的栅格计算器将所得的各评价因子I值、CF值和Wf值赋予各图层，获得18张新评价因子的模型值图。然后提取3 360个训练样本各赋值后因子等级值作为自变量，是否发生滑坡灾害作为因变量(0代表未发生滑坡灾害，1代表滑坡灾害点)，分别输入SPSS软件中进行多项逻辑回归分析。把分析结果得到的各因子的回归系数B作为该因子的权重，各个变量在方程中的重要程度通过sig值(或wals值)来体现，sig值小者(或wals值大者)变量的显著性就越高，在方程中贡献就越大，当sig值小于0.05时才具有统计意义。

回归结果显示，3种组合模型计算出的各因子sig值均小于0.05，说明选取的6个因子都是有效的，同时各因子之间的相关系数都小于0.3，表明所选因子是合理的。组合1模型计算出的因子权重大小依次为植被指数、地层岩性、地形起伏度、流域沟壑密度、坡度、距断层距离，其相应的回归系数B为(1.021、0.989、0.878、0.864、0.808、0.891)。组合2模型计算出的因子权重大小依次为植被指数、地层岩性、地形起伏度、坡度、流域沟壑密度、距断层距离，其相应的回归系数B为(1.088、1.001、0.961、0.715、0.744、1.312)。组合3模型计算出的因子权重大小依次为植被指数、地层岩性、地形起伏度、流域沟壑密度、坡度、距断层距离，其相应的回归系数B为(0.85、0.871、0.768、0.666、0.683、0.924)。可见3种组合模型中各因子对模型贡献大小变化很小。

3 评价结果分析及精度评价

3.1 易发性评价分区与评价结果

从各因子的回归系数与不同组合模型得到的各分类级别的I值、CF值和Wf值乘积可以看出，结果均表现是在以千枚岩、碳质板岩为主的浅变质岩区，距离断层1.5 km内，流域沟壑密度在2.4～3.2 km/km2区段，坡度10°～30°和地形起伏度为75～175 m范围内，植被裸露区即NDVI为0.1～0.3分布区是最容易发生滑坡灾害的地方。

在ArcGIS软件中，根据3种组合得到的各因子回归系数结合表2中公式(4)计算出研究区滑坡灾害发生的概率P，生成研究区滑坡发生概率分布图。在此基础上采用似然比模型对滑坡易发性概率结果按P值大小分为4类：极低易发区(0～0.25)、低易发区(0.25～0.45)、中易发区(0.45～0.65)和高易发区(0.65～1)，最终得到研究区滑坡易发性评价分区图(图5)。结合滑坡训练样本数据，统计各易发性等级区域内滑坡灾害点个数(表6)显示：组合1模型中76.07%的滑坡灾害落入中易发区和高易发区，落入低易发以上的滑坡占滑坡总数的93.69%；而组合2模型和组合3模型滑坡灾害点划分到中易发以上区域的滑坡比例分别为73.33%、74.76%。大量的滑坡灾害点集中发育在易发性较高的区域内，而易发性较低的区段滑坡发育相对较少，表明采用3种组合方法所得到的评价结果与实际滑坡灾害点的分布情况基本吻合。

从图5不同组合模型易发等级图分布状况来看，研究区滑坡高易发区主要分布白龙江两岸，尤其分布在两河口—桔柑乡段白龙江左岸区域。易发性高的区域滑坡分布有以下特征：①沿活动性断裂呈线状分布，组合1模型较明显地揭示坪定-化马断裂对滑坡发育的控制作用，而在研究区南部滑坡集中分布在次级断裂和小型褶皱密集区。②受易滑地层控制明显，易发程度极高的区域主要是由软弱千枚岩、碳质板岩组成志留系1段地层及由灰岩、千枚岩互层构成泥盆系6、7段易滑地层区，该类岩组受内外营力影响强烈，在断裂带沿线或新构造运动活跃区域常形成具有塑性流特性且厚度小于5 m的浅层残坡积堆积物斜坡，在降水作用下易发生中小型滑坡。③在流域沟壑密集区呈串珠状连片分布。④地表为基岩出露与裸土地带且坡面侵蚀程度强的区域，滑坡集中分块、分区发育。

3.2 精度评价

模型精度评价是检验评价结果精准性和合理性的重要手段。笔者采用4种方法对不同组合模型进行精度评价：一是根据实际发生的滑坡灾害点在各易发等级区间内的分布情况来检验其合理性；二是通过Sridevi Jadi(1997)经验概率法、Cohen’s Kappa(1968)系数法、ROC成功概率法对模型评价的精度进行检验。

a.组合1模型；b.组合2模型；c.组合3模型图5 不同模型的易发性评价结果图Fig.5 Susceptibility assessment results of different models

表6 不同模型易发性分区内滑坡点个数表Tab .6 The number of landslide in the prone zones of different models

(1)为了避免主观因素影响，使得构建的不同组合模型具备良好的稳定性，选取未参与模型训练的415个滑坡灾害点(约占样本总数的20%)作为预测样本进行预测率检验。滑坡灾害易发性评价结果的合理性需满足2个检验准则：一是检验样本点落在高易发区的百分比应最大和不易发区占整个研究区面积的百分比应该最小；二是检验样本点落在各易发等级区的百分比和各等级区的面积占整个研究区的总面积的百分比的比值，即频率比应该随易发区等级的增高而增大。从表7可以看出，3种组合模型计算结果都完全满足上述2个准则，说明滑坡易发性程度划分结果是合理的。

(2)Sridevi Jadi经验概率法是1997年由Sridevi Jadi提出的以经验概率形式来表达精度评估的方法，属于受临界值约束的准确性统计方法，其临界值不唯一，表达式如下。

(6)

式中：N为评价单元总数；S为存在滑坡的单元总数；K是斜坡易发性为中等和高的单元总数；KS为存在滑坡的斜坡易发性为中、高的单元总数。

(3)Cohen’s Kappa系数法属于典型的受临界值约束的准确性统计方法且计算方法便捷，但临界值的选取具有较大的随意性和主观性，定义式为：

(7)

式中：T为评价单元总数，其他各参数见表8。其中，当K>0.61为精度较好的评价模型；0.41≤K≤0.60为中等评价模型；K<0.41为精度较差的评价模型(张茂省等，2019)。

(4)ROC成功概率曲线法是区域地质灾害易发性评价精度检验且不受临界值约束的图形化方法。可直观准确地反映易发性从低到高落在不同易发性区间内的滑坡数量(滑坡面积)的变化情况，其曲线下的面积AUC越大，表明模型成功率越高、预测效果越准确，具有很好的客观性和有效性。

3种评价结果检验显示(表8)，组合1模型预测精度和准确性要优于其他2组模型，主要是因为信息量模型能较好地处理多因子组合带来的复杂性和解决海量数据的差异性，再者研究区滑坡灾害点信息资料详细，能很好地适用自变量，即可是连续的亦可是离散的逻辑回归模型，二者组合的模型评价结果与实际吻合度较高。

表7 不同模型易发性检验结果对比表Tab .7 Comparison of susceptibility test results of different models

表8 不同模型易发性检验结果对比表Tab .8 Comparison of susceptibility test results of different models

4 结论

(2)在评价指标状态分级划分过程中，根据各指标条件下的I值、CF值和Wf值曲线突变点，同时结合滑坡面积及分级面积频率曲线作为等级划分的临界值来确定因子分级状态。该方法同时适用于连续型和离散型2类指标，其本质是将对滑坡易发性相近区间进行组合，即充分考虑各因子状态对滑坡的差异性影响，又避免了对状态分级的主观性划分，体现了指标状态分级的多样性和合理性。

(3)通过对比3种模型在不同易发区内滑坡频率比，利用Sridevi Jadi经验概率法、Cohen’s Kappa系数法和ROC成功预测概率曲线法比较，发现组合1模型预测精度和准确性要优于其他2组模型，说明采用信息量和逻辑回归组合模型能够较为客观准确地对白龙江流域滑坡灾害易发性进行评价。