基于深度学习和持续同调的LiDAR林下滑坡提取

摘要：

为了从森林覆盖区获取林下滑坡信息,采用LiDAR点云技术构建高分辨率数字地形模型,结合Res-Unet网络和持续同调理论提取林下滑坡信息.选取美国华盛顿州风河实验林作为研究区,选择其中 3 个区域进行定量分析,经计算,区域内提取滑坡信息的准确度均值为 79.7%,召回率均值为 70.2%,F1 均值为 65.5%,表明基于Res-Unet和持续同调的提取方法能够准确识别研究区内大部分滑坡;基于深度学习和持续同调的林下滑坡提取方法引入持续同调方法到滑坡提取领域,并与深度学习相结合,弥补了传统遥感方法在植被覆盖区滑坡提取效果方面的不足,可为滑坡分析提供有力的技术支持.

关键词：点云数据、滑坡、数字地形模型、深度学习、持续同调、林下滑坡提取

所属期刊栏目：43

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金42171084

在线出版日期：2023-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：32-36