10.13722/j.cnki.jrme.2022.0266
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
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.
边坡工程、滑坡易发性评估、二维时序InSAR、深度学习、CNN
42
P642(水文地质学与工程地质学)
自然资源部城市土地资源监测与仿真重点实验室开放基金;甘肃省自然科学基金;兰州交通大学天佑青年托举人才计划基金项目
2023-04-04（万方平台首次上网日期，不代表论文的发表时间）
共16页
450-465
