顾及InSAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例

作     者：高秉海 何毅 张立峰 姚圣 杨旺 陈毅 何旭 赵占骜 陈鹤升 GAO Binghai;HE Yi;ZHANG Lifeng;YAO Sheng;YANG Wang;CHEN Yi;HE Xu;ZHAO Zhan'ao;CHEN Hesheng

作者机构：兰州交通大学测绘与地理信息学院甘肃兰州730070 兰州交通大学、地理国情监测技术应用国家地方联合工程研究中心甘肃兰州730070 兰州交通大学、甘肃省地理国情监测工程实验室甘肃兰州730070 自然资源部城市国土资源监测与仿真重点实验室广东深圳518034 

出 版 物：《岩石力学与工程学报》 (Chinese Journal of Rock Mechanics and Engineering)

年 卷 期：2023年第42卷第2期

页      面：450-465页

核心收录：

学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

基　　金：自然资源部城市国土资源监测与仿真重点实验室开放基金资助课题 甘肃省自然科学基金项目(2019M660092XB) 兰州交通大学“天佑青年托举人才计划”基金项目(221296) 

主　　题：边坡工程 滑坡易发性评估 二维时序InSAR 深度学习 CNN 

摘      要：已有的滑坡易发性评估方法所采用的滑坡因子多为静态数据(如地形,地质),缺乏动态数据(如地表形变),无法充分挖掘正在变形的滑坡特征,导致滑坡易发性评估可靠性较差。合成孔径雷达干涉测量(synthetic aperture radar interferometry,InSAR)二维InSAR数据可反映滑坡在垂直和水平方向的形变特征。引入二维InSAR形变数据作为动态因子,结合地形、地质、水文以及人文共计16种滑坡影响因子,构建卷积神经网络模型(convolutional neural network,CNN)进行滑坡易发性动态评估;采用多种评价指标来衡量模型精度,同时对比有无顾及二维InSAR因子的滑坡易发性评估结果,并与支持向量机(support vector machines,SVM)方法进行对比,此外,在不同场景进行应用。实验结果表明,顾及InSAR形变动态因子的多种评价指标整体精度有所提高,模型对正处于缓慢变形的滑坡易发性区域的识别具有良好的效果,在训练数据中,识别率由0.78提高至0.93;在验证数据中,识别率提升0.21,揭示出顾及二维InSAR形变因子可以提升滑坡易发性动态评估准确度。构建的CNN模型相比SVM方法评估结果更加可靠,在不同场景下更具有普适性和泛化能力。刘家峡水库区域高易发性主要分布于杨塔乡东北部山区、红泉镇以及三塬镇等区域,应加强实时监测。提出的顾及二维InSAR形变因子CNN滑坡易发性动态评估模型可为滑坡灾害预防提供新思路。