基于历史样本增强的滑坡智能识别改进算法

饶炜博; 陈刚; 邹崇尧; 范小洁; 常富强; 何建权; 林晓静; 李显巨; 唐骞

doi:10.19509/j.cnki.dzkq.tb20240572

您当前的位置：

首页 >

文章列表页 >

基于历史样本增强的滑坡智能识别改进算法

专栏·高新技术在地震与地质灾害领域的应用研究 | 更新时间：2026-11-05

- 基于历史样本增强的滑坡智能识别改进算法
- 基于历史样本增强的滑坡智能识别改进算法
- 地质科技通报 2025年44卷第4期页码：48-61
- 作者机构：
  
  1. 中国地质大学（武汉）海洋学院
  2. 中国地质大学（武汉）湖北巴东地质灾害国家野外科学观测研究站
  3. 湖北省测绘工程院
  4. 中国地质大学（武汉）计算机学院
  5. 中国地质大学（武汉）地质探测与评估教育部重点实验室
- 作者简介：
- 基金信息：
  
  湖北省自然资源厅科学研究项目（ZRZY2024KJ03）;湖北巴东地质灾害国家野外科学观测研究站开放基金项目（BNORSG-202415）
- DOI：10.19509/j.cnki.dzkq.tb20240572
  中图分类号： P642.22
- 纸质出版：2025
- 稿件说明：
移动端阅览
饶炜博, 陈刚, 邹崇尧, 等. 基于历史样本增强的滑坡智能识别改进算法[J]. 地质科技通报, 2025,44(4):48-61.

饶炜博, 陈刚, 邹崇尧, et al. 基于历史样本增强的滑坡智能识别改进算法[J]. Bulletin of Geological Science and Technology, 2025, 44(4): 48-61.
饶炜博, 陈刚, 邹崇尧, 等. 基于历史样本增强的滑坡智能识别改进算法[J]. 地质科技通报, 2025,44(4):48-61. DOI： 10.19509/j.cnki.dzkq.tb20240572.

饶炜博, 陈刚, 邹崇尧, et al. 基于历史样本增强的滑坡智能识别改进算法[J]. Bulletin of Geological Science and Technology, 2025, 44(4): 48-61. DOI： 10.19509/j.cnki.dzkq.tb20240572.

摘要

四川地形复杂，山区纵横交错处滑坡具有频发、突发、易发的特点，对人民财产和环境资源造成极大的危害，因此开展滑坡的识别检测，提取相关信息，对滑坡灾害预防监测及灾后预备有着重要的意义。针对传统目视解译方法经济成本高、耗时耗力、历史样本收集困难的问题，引入了高程、坡度、坡向、岩性、地表起伏程度、距断层距离、距水系距离、距道路距离、归一化植被指数9个滑坡影响因子，对历史滑坡的判识中引入影响因子的信息量值进行定量分析，增强了历史滑坡样本数据准确性；其次针对滑坡自动识别结果可能存在的定位不准确、分割边界模糊等问题，采用递归特征金字塔网络和DIoU损失对Mask R-CNN模型进行改进，提出滑坡智能识别改进算法。评价结果表明：改进算法相比原始模型，精确率提高了3.6%，召回率提高5.2%，对四川省青川县历史滑坡进行准确识别与边界分割，识别准确率达74.4%。随着卫星遥感手段与深度学习技术的发展，该改进算法对滑坡智能识别、构建地质灾害风险评价体系提供信息基础与理论参考具有重要意义。

Abstract

关键词

Keywords

references

许强.大型滑坡监测预警与应急处置[M].科学出版社,2020.

陈祖杰.基于GIS的青川县滑坡灾害易发性评价与区划[D].西南科技大学,2017(11).

李沧海.柒树湾不稳定斜坡变形机制分析及稳定性评价[D].成都理工大学,2010(05).

朱颖,甘建军,鹿淇瑞,邓怡武,邓坤.降雨型花岗岩残积土滑坡碎屑流运动过程分析：以湖北黄梅县袁山村为例[J].地质科技通报,2025(03).

张钰洁,刘佳佳,孙龙,易邦进,李佳.顾及无人机影像多特征信息的滑坡识别[J].自然灾害学报,2024(05).

赵通,张双成,何晓宁,薛博维,查富康.改进的DeepLabV3+模型用于震后高分遥感影像滑坡识别[J].遥感学报,2024(09).

黄发明,欧阳慰平,蒋水华,范宣梅,连志鹏,周创兵.考虑机器学习建模中训练/测试集时空划分原则的滑坡易发性预测建模[J].地球科学,2024(05).

刘亚静,刘红健.基于信息量-随机森林模型的地震带地质灾害易发性评价：以松潘-较场地震带为例[J].科学技术与工程,2024(01).

李国营,刘平,张凯,武倩倩,李玉香.量纲统一在滑坡易发性评价中的影响分析[J].水文地质工程地质,2024(03).

许伟,杨德芳,陈李昊,罗锴澍,张生鹏,张彦泽,李龙,陈刚.多源遥感影像融合处理提取格拉丹东雪山区域特征信息[J].地质科技通报,2024(02).

邹富宝,付卓,樊风雷,吴华,郭治兴.基于频率比与AHP模型的西藏东部地区滑坡易发性评价[J].自然灾害学报,2023(02).

豆红强,黄思懿,简文彬,王浩.基于遥感数据的闽东南山区公路滑坡快速识别技术研究[J].自然灾害学报,2023(01).

黄发明,陈彬,毛达雄,刘乐开,张子荷,朱莉.基于自筛选深度学习的滑坡易发性预测建模及其可解释性[J].地球科学,2023(05).

王世宝,庄建琦,郑佳,牟家琦,王野,付玉婷.基于深度学习的CZ铁路康定—理塘段滑坡易发性评价[J].工程地质学报,2022(03).

文广超,苏林雪,谢洪波,陈红旗,徐招峰.“5·12”汶川地震前后四川省主要地质灾害时空发育规律[J].地质科技通报,2021(04).

王雷,吴君平,赵冰雪,姚志强,张乐勤.基于GIS和信息量模型的安徽池州地质灾害易发性评价[J].中国地质灾害与防治学报,2020(03).

朱庆,曾浩炜,丁雨淋,谢潇,刘飞,张利国,李海峰,胡翰,张骏骁,陈力,陈琳,张鹏程,何华贵.重大滑坡隐患分析方法综述[J].测绘学报,2019(12).

陆会燕,李为乐,许强,董秀军,代聪,王栋.光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J].武汉大学学报(信息科学版),2019(09).

许强,董秀军,李为乐.基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J].武汉大学学报(信息科学版),2019(07).

姜琳,冯文兰,刘志红,李刚,郭兵.FY-3A/MERSI与MODIS的温度植被干旱指数反演及对比分析[J].水土保持研究,2014(03).

黄润秋,李为乐.汶川大地震触发地质灾害的断层效应分析[J].工程地质学报,2009(01).

苏凤环,刘洪江,韩用顺.汶川地震山地灾害遥感快速提取及其分布特点分析[J].遥感学报,2008(06).

兰恒星,伍法权,周成虎,王思敬.基于GIS的滑坡空间数据库研究——以云南小江流域为例[J].中国地质灾害与防治学报,2002(04).

Massimiliano Bordoni,Yuri Galanti,Carlotta Bartelletti,Maria Giuseppina Persichillo,Michele Barsanti,Roberto Giannecchini,Giacomo D'Amato Avanzi,Andrea Cevasco,Pierluigi Brandolini,Jorge Pedro Galve,Claudia Meisina.The influence of the inventory on the determination of the rainfall-induced shallow landslides susceptibility using generalized additive models[J].Catena,2020.

Zhaohui Zheng,Ping Wang,Wei Liu,Jinze Li,Rongguang Ye,Dongwei Ren.Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression[J].Proceedings of the AAAI Conference on Artificial Intelligence,2020.

Shunping Ji,Dawen Yu,Chaoyong Shen,Weile Li,Qiang Xu.Landslide detection from an open satellite imagery and digital elevation model dataset using attention boosted convolutional neural networks[J].Landslides,2020.

Ye Chengming,Li Yao,Cui Peng,Liang Li,Pirasteh Saeid,Marcato Jose,Goncalves Wesley Nunes,Li Jonathan.Landslide Detection of Hyperspectral Remote Sensing Data Based on Deep Learning With Constrains[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2019.

Omid Ghorbanzadeh,Thomas Blaschke,Khalil Gholamnia,Sansar Raj Meena,Dirk Tiede,Jagannath Aryal.Evaluation of Different Machine Learning Methods and Deep-Learning Convolutional Neural Networks for Landslide Detection[J].Remote Sensing,2019.

Maher Ibrahim Sameen,Biswajeet Pradhan.Landslide Detection Using Residual Networks and the Fusion of Spectral and Topographic Information.[J].IEEE Access,2019.

Matebie Meten,Netra PrakashBhandary,Ryuichi Yatabe.Effect of Landslide Factor Combinations on the Prediction Accuracy of Landslide Susceptibility Maps in the Blue Nile Gorge of Central Ethiopia[J].Geoenvironmental Disasters,2015.

Hiroshi P. Sato,Hiroyuki Hasegawa,Satoshi Fujiwara,Mikio Tobita,Mamoru Koarai,Hiroshi Une,Junko Iwahashi.Interpretation of landslide distribution triggered by the 2005 Northern Pakistan earthquake using SPOT 5 imagery[J].Landslides,2007.

Hochreiter S,Schmidhuber J.Long short-term memory.[J].Neural computation,1997.

C. E. Shannon.A Mathematical Theory of Communication[J].Bell System Technical Journal,1948.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自注意力机制生成对抗网络的三维储层建模方法

基于深度学习的复杂页岩储层多参数协同高效预测——以松辽盆地青山口组为例

一种改进的LSTM横波预测方法：以塔河油田缝洞储层为例

基于不同条件模拟策略的生成对抗网络沉积相建模

基于深度学习和钻孔图像岩体RQD智能计算