随着我国耕地面积接近18亿亩的红线,土地问题已经成为全社会关注的焦点,而黄土高原因其稀少的可利用土地和脆弱的生态环境成为了中国土地工程以及环境保护研究的重点地区。黄土丘陵沟壑区是黄土高原的典型副区之一,面临着复杂的土地问题,特别是由于水利侵蚀引起的在黄土沟道范围内的土地损毁问题,以及在水土流失和侵蚀作用下引发的崩塌、滑坡等地质灾害,严重威胁着本就稀少的可利用土地,制约社会经济的发展。由此可见,对黄土丘陵沟壑区灾损土地的研究尤为重要。在此背景下,本文选取典型的黄土丘陵沟壑地区---志丹县作为研究区,收集了区域地质、地貌、气候、水文、生态等信息,以遥感解译和地面详查的数据为基础,开展志丹县灾损土地易发性分区研究,论文的主要研究内容和成果如下:1、对研究区的区域地质环境背景进行了详细的阐述,从灾损土地的形态特征和所处的地质环境等特征综合分析了志丹县灾损土地的发育分布规律,为研究区沟道的提取以及灾损土地易发性分区建模提供了研究基础。2、基于遥感影像解译了研究区75个沟道的实际起点,采用直方图统计分析的方法确定了沟道实际起点的汇流量集聚区间。提出利用ROC曲线中的尤登指数分析汇流量对黄土沟道的诊断价值,最终利用水文分析的方法判定汇流量的最优阈值,准确提取了研究区的黄土沟道,并对提取结果的精度进行了评价。3、基于Arc GIS平台内的水文分析模块,制备了研究区的地形制图单元,同时选取像元制图单元作为另一种基础制图单元。在两种制图单元的基础上提取高程、平面曲率、剖面曲率、坡度、地表粗糙度、年平均降雨量、地层岩性、沟道缓冲区、水系缓冲区、径流强度指数、NDVI、土地利用类型、居民点缓冲区、道路缓冲区、坡向和地形湿度指数建立评价指标体系。提出了基于盒维数的评价指标量化方法,并且以频率密度作为对照,采用信息量、分级栅格占比、分级灾损土地点占比三个关系量详细分析了各评价指标与灾损土地之间的关联情况。4、为避免评价因子之间的相互干扰,通过计算各诱发因子之间的Pearson相关性系数和方差膨胀因子用以检测灾损土地诱发因子的多重共线性问题,排除造成干扰的因子。然后再计算各诱发因子的信息增益率,排除了贡献度为0的因子,完成了诱发因子的筛选。最终构建出了基于像元制图单元和频率密度的建模数据集(数据集1)、基于地形制图单元和频率密度的建模数据集(数据集2)、基于像元制图单元和盒维数的建模数据集(数据集3)、基于地形制图单元和盒维数的建模数据集(数据集4)。5、选择熵权模型(IOE)、支持向量机模型(SVM)、核函数逻辑回归模型(KLR)和径向基核函数神经网络模型(RBFNN)作为研究区灾损土地易发性分区建模的基础模型。利用数据集1、2、3、4中的验证样本集,采用10折交叉验证法对机器学习模型中径向基核函数的(C,)参数进行了优化调整。同时选择引导聚类算法(Bagging)对三种机器学习模型进行集成建模,分别构建了B-SVM模型、B-KLR模型和B-RBFNN模型。最后完成了研究区的灾损土地易发性分区。6、为实现灾损土地易发性分区结果的综合评估以及分区模型的对比验证,选取多种统计学指标对模型的分类结果进行评价,并且采用ROC曲线和SCAI种子验证法对各分类模型进行综合对比分析。结论如下:以地形制图单元作为灾损土地易发性分区的基础制图单元,结合利用盒维数量化诱发因子制备的输入数据集不易出现多重共线性问题,可最大限度的保持数据结构的多元化。由于地形制图单元可与地貌、地质环境以及地质边界相结合,因此各分类模型在地形制图单元上的表现均优于像元制图单元。总的来看,机器学习模型的表现优于二元统计学模型,经过集成建模后的机器学习模型的分类能力也优于原始模型,最终得出B-RBFNN模型更加适合在黄土丘陵沟壑区进行灾损土地易发性分区。