基于GoogLeNet的黄土地震滑坡遥感影像识别OA
区域性黄土地震滑坡识别为滑坡灾害风险管控提供了基础性数据。应用深度学习的方法,基于遥感影像数据对我国黄土地区典型地震滑坡进行自动识别分类。首先,基于防灾科技学院地震滑坡研究团队在甘肃、宁夏地区所调查的部分黄土地震滑坡数据库,辅助遥感影像目视解译,选择滑坡和非滑坡样本;其次,采用GoogLeNet网络模型对黄土地震滑坡与非滑坡进行自动分类识别;最后,对模型的分类识别结果进行精度评价,分析其在黄土地区地震滑坡的识别应用效果。结果表明,该方法识别黄土地震滑坡的准确度和效率均较高,可迅速在遥感影像中确定滑坡的重点区域。所提方法可以迅速评价同类型滑坡区域,为大规模滑坡灾害排查工作提供技术支持。
李平;王连升;李孝波;范钟元
河北省地震灾害防御与风险评价重点实验室,河北三河065201 防灾科技学院防灾减灾工程学院,河北三河065201防灾科技学院防灾减灾工程学院,河北三河065201防灾科技学院防灾减灾工程学院,河北三河065201防灾科技学院防灾减灾工程学院,河北三河065201
天文与地球科学
滑坡识别黄土地震滑坡遥感分类GoogLeNet模型
《地震工程学报》 2026 (3)
P.672-681,10
河北省高等学校科学技术研究计划项目(ZD2022166)黄土地震滑坡成灾机理与风险评估(U1939209)第一。
评论