利用多特征深度学习模型的同震滑坡智能化提取

扫码查看

原文链接

万方数据
维普

中文摘要：同震滑坡的智能化提取是地震后应急救援和风险评估的重要手段.然而,具有相似光谱特征的道路和裸地等地面物体总是干扰同震滑坡的精准遥感提取,从而使得现有方法难以快速和准确地收集同震滑坡信息并评估其影响.为提高同震滑坡提取的准确度,本研究提出了一种基于多种滑坡识别特征数据集的深度学习模型(ENVI-Net5_MF)用以自动提取同震滑坡.ENVINet5_MF在构建的过程中结合了滑坡增益指数(LGI),该指数能够扩大同震滑坡与裸地和道路之间的特征差异,有利于消除来自裸地和道路对同震滑坡提取的干扰.利用多时相PlanetScope图像,以日本北海道同震滑坡和中国米林同震滑坡为研究对象,分别在这两个区域进行了同震滑坡智能化提取实验.提取结果和方法性能评估表明ENVINet5_MF取得了比对比方法更加优异的性能,即ENVINet5_MF检测到的同震滑坡与地面参考数据最吻合,并且ENVINet5_MF的精度高于对比方法以及耗时最短.本研究提出的ENVINet5_MF大大提高了同震滑坡提取的准确性,为同震滑坡提取提供了一种高效的方法,可满足同震滑坡灾害的快速响应.

外文标题：Quick and automatic detection of co-seismic landslides with multi-feature deep learning model

作者：

皇甫文超、邱海军、崔鹏、杨冬冬、刘雅、唐柄哲、刘子敬、Mohib ULLAH

展开 >

作者单位：

西北大学城市与环境学院,西安 710127

西北大学地表系统与灾害研究院,西安 710127

陕西省地表系统与环境承载力重点实验室,西安 710127

中国科学院山地灾害与环境研究所,成都 610041

展开 >

关键词：

同震滑坡智能化提取深度学习滑坡增益指数 PlanetScope影像

基金：

国家自然科学基金项目陕西省重点研发计划项目第二次青藏高原综合科学考察研究计划项目

项目编号：

422710782024SF-YBXM-6692019QZKK0902

出版年：

2024

DOI：

10.1360/N072023-0109

中国科学(地球科学)

中国科学院

中国科学(地球科学)

CSTPCD北大核心

影响因子：1.828

ISSN：1674-7240

年,卷(期)：2024.54(7)