基于语义分割方法的群发性滑坡智能识别研究OA

极端降雨或地震诱发的群发性滑坡具有数量多、密度高、影响范围广、空间分布不均匀等特点。传统滑坡识别方法以遥感目视解译为主,主要依赖专业知识和滑坡前后影像纹理特征进行判识,虽识别精度较高,但很难实现快速、大范围的解译,且效率低、成本高。近年来,随着人工智能的快速发展,基于数据驱动和深度学习的语义分割方法,被广泛地运用在群发性滑坡自动识别中。以甘肃省天水市秦州区娘娘坝镇为研究区,使用谷歌卫星影像,通过目视解译,建立降雨触发滑坡样本库,共3026处;随后将整幅卫星影像裁剪成1200×1200像素大小的图片共3026张,并随机选取2526张图片作为训练集、250张图片作为验证集和250张图片作为测试集;使用该数据集对金字塔场景解析网络语义分割模型进行训练。在第87000次迭代处选取最佳模型。验证集精确率、F_(1)值、召回率和交并比分别为0.903,0.821,0.752,0.696;测试集分别为0.920,0.865,0.816,0.761。测试样本中共识别滑坡204条,误识别18条,未识别28条。基于语义分割方法的群发性滑坡智能识别模型具有较高准确率,能够准确分割不同规模和形态的滑坡,整体泛化能力和识别效果良好,可作为群发性滑坡快速精确识别提供有效解决途径。