基于深度学习的地震诱发滑坡自动提取研究

作     者：张明鹏 张帅 吕运鸿 ZHANG Ming-peng;ZHANG Shuai;LV Yun-hong

作者机构：浙江大学建筑工程学院浙江杭州310058 

出 版 物：《地基处理》 (Journal of Ground Improvement)

年 卷 期：2024年第6卷第3期

页      面：242-249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] 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] 

主　　题：地震 滑坡 卷积神经网络 深度学习 自动提取 遥感影像 

摘      要：地震诱发滑坡的提取是震区工程风险评价的基础,对震区的灾后重建工作具有重要意义。传统的机器学习方法需要复杂的数据预处理及设计特征工程工作,而深度学习方法则可以直接输入图像数据进行端对端学习,从而实现对地震诱发滑坡的自动提取。本文探究了U-Net与LinkNet两种卷积神经网络在地震诱发滑坡自动提取任务中的应用。研究表明U-Net和LinkNet在地震诱发滑坡自动提取应用中具有巨大的潜力,召回系数、F1分数、精确度均达到0.8以上。相较之下,LinkNet网络结构在滑坡的自动提取任务中整体性能优于U-Net,召回系数、F1分数、精确度分别提升2.0%~8.0%、4.0%~8.0%、8.0%~10.0%。U-Net网络结构适用于简单背景图像中大型滑坡的提取,而LinkNet网络结构则更适用于复杂背景图像中的滑坡及简单背景图像中小型滑坡的提取。