近日，由中心博士生涂梨平同学作为第一作者撰写的学术成果（通讯作者：陈美球教授）：《Improving Landslide Susceptibility Assessment Through Non-Landslide Sampling Strategies》（基于非滑坡样本采样方法改进滑坡易发性评价）期刊《land》2025年第14期上发表。
该研究以江西省永新县为例，选取了10个易发性评价因子，并采用随机森林（RF）模型，结合6种非滑坡样本采样方法进行对比。研究结果表明：不同非滑坡样本选择对模型性能影响显著，其中采用信息量（IV）方法采样的非滑坡样本构建的RF_IV模型评价效果最佳（AUC=0.9878）。通过SHAP模型分析发现，NDVI、坡度、岩性、土地利用和DEM是主要影响因素。统计数据显示，RF_IV非滑坡样本预测值最低，主要聚集在0.18以下，中位数为0.18，证实IV方法能有效避开滑坡易发区域，准确反映非滑坡区域特征。这些发现为滑坡风险管理者、地方政府和政策制定者提供了实用指导，同时也为地质灾害研究领域的研究者提供了方法论指导。本研究得到国家自然科学基金（42461041）的资助。
《Land》是由MDPI（Multidisciplinary Digital Publishing Institute）出版的一本国际性、开放获取的学术期刊，创刊于2012年，专注于土地系统科学及相关跨学科研究领域。期刊在JCR分区中位于“自然与景观保护（Q2）”和“生态学（Q2）”类别，中科院分区为环境科学与生态学3区，在土地科学领域具有较高认可度和传播效率。
文献链接：《Improving Landslide Susceptibility Assessment Through Non-Landslide Sampling Strategies》
