使用深度學習方法實現黃土滑坡自動識別

作者：巨袁臻,許強,金時超,李為樂,董秀軍,郭慶華

摘要：區域性滑坡識別是滑坡災害風險管理的基礎,傳統的識別工作主要依靠人力完成。在已有的滑坡自動識別研究中,方法上以機器學習為主,數據源上對谷歌地球影像應用較少,識別對象上多以與環境差異較大的新滑坡為主。結合深度學習方法和谷歌地球影像數據對中國典型黃土地區歷史滑坡進行自動識別。首先,基于開源谷歌地球影像建立了歷史黃土滑坡樣本數據庫,包含黃土滑坡2498處;然后,利用掩膜區域卷積神經網絡(mask region-based convolutional networks,Mask R-CNN)目標檢測模塊進行黃土滑坡自動識別。識別的準確率為0.56,召回率為0.72,F1值為0.63。結果表明,Mask R-CNN是一種穩健性較好的方法,可以用于以谷歌地球影像為數據源的黃土滑坡自動識別,為快速準確地進行區域滑坡災害調查提供了可能。

發文機構：成都理工大學地質災害防治與地質環境保護國家重點實驗室 南京農業大學作物表型組學交叉研究中心 中國科學院大學 中國科學院植物研究所植被與環境變化重點實驗室

關鍵詞：黃土滑坡自動識別谷歌地球影像深度學習MaskR-CNN目標檢測loess landslideautomatic detectionGoogle Earth imagedeep learningMask R-CNNobject detection

分類號： P237[天文地球—攝影測量與遙感]P208[天文地球—測繪科學與技術]