-
题名基于深度学习的湖北秭归县滑坡识别及形变分析
被引量：1
- 1
-
-
作者
殷宗敏
刘学浩
何文熹
-
机构
中国地质调查局武汉地质调查中心(中南地质科技创新中心)
-
出处
《华南地质》
2025年第2期263-276,共14页
-
基金
国家自然科学基金项目(42107485)
中国地质调查局地质调查项目(DD20230104)。
-
文摘
近年来湖北秭归县滑坡灾害频发,给当地人民生产生活造成重大威胁,对潜在滑坡进行识别和形变特征分析,有助于快速响应并减少灾害损失。本文利用Landslide4Sense数据集进行深度学习,识别湖北秭归县境内滑坡,并结合时序InSAR技术对坡体进行形变监测。结果表明:(1)U-Net神经网络训练结果中识别精度为80%,召回率达到60%,F1值达70%,模型训练效果较好。(2)基于Landslide4Sense数据集和特征集构建,能更加精准识别滑坡,对大规模滑坡识别提供技术支撑。(3)秭归县北部、东部识别滑坡相对较多,滑坡多沿长江两岸分布,右岸多于左岸,三峡大坝周边存在聚集,当距大坝距离增加时,滑坡个数呈现先增加后减少趋势,在距大坝20~30 km范围内,滑坡数量最多。(4)高程、坡度、归一化植被指数、归一化差异水分指数、归一化亮温指数、裸土指数等因子,随因子值增加,滑坡数量先增加后减少。(5)秭归县滑坡形变速率为-20~+20 cm/yr,局部沉降区主要分布在秭归县南部,沉降速度为-5~-15 cm/yr;长江及支流区域沉降速度为-5~-10 cm/yr,且形变梯度较大,交汇处沉降显著。(6)滑坡形变曲线为滑动趋势,识别滑坡效果可靠;滑坡滑动存在阶段性特征,3—8月处于滑动趋势,其中4—5月滑动加剧,需重点防范,9月至次年2月相对稳定。
-
关键词
landslide4sense
U-Net神经网络
时序InSAR
滑坡
形变曲线
秭归县
-
Keywords
landslide4sense
U-Net neural network
time-series InSAR
landslide
deformation curve
Zigui County
-
分类号
P642.22
[天文地球—工程地质学]
-
