基于深度学习的人工滑坡隐患自动识别新方法

作     者：隆星宇 李辉 白雪山 翟星 王贤敏 潘怡 LONG Xingyu;LI Hui;BAI Xueshan;ZHAI Xing;WANG Xianmin;PAN Yi

作者机构：河北省地质环境监测院河北省地质资源环境监测与保护重点实验室河北石家庄050000 中国地质大学(武汉)地球物理与空间信息学院湖北武汉430074 河北地质职工大学河北石家庄050000 

出 版 物：《人民长江》 (Yangtze River)

年 卷 期：2023年第54卷第7期

页      面：113-120页

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家重点研发计划项目(2019YFC1511300) 河北省自然资源厅项目(13000022P00F2D4101293) 

主　　题：人类工程活动 滑坡隐患 滑坡识别 遥感影像 数字高程模型 卷积神经网络 变化检测 

摘      要：针对植被茂密且地形陡峭地区的人工滑坡隐患识别难题,提出了耦合变化检测与深度学习的人工滑坡隐患自动识别思路,构建了由影像光谱、NDVI、土地利用、高程、坡度和地表覆被变化组成的隐患识别指标体系,建立深度学习卷积神经网络CNN算法,并在植被茂密、地形陡峭的河北省涉县、邢台县和宽城县等地区进行了应用验证,自动识别出2016~2020年间出现的人工滑坡隐患134处。目视验证和野外调查验证结果表明:该方法识别精度为91.9%,F1分数值为93.6%。此方法在广袤地区具有普适性,为滑坡隐患自动识别提供了新思路,为人类工程活动的合理规划提供了科学依据。