基于InSAR的潜在滑坡人工智能识别——以延安宝塔区为例 |
| |
引用本文: | 梁懿文,张毅,苏晓军,刘旺财,李媛茜,王爱杰,孟兴民.基于InSAR的潜在滑坡人工智能识别——以延安宝塔区为例[J].兰州大学学报(自然科学版),2022(2):212-221. |
| |
作者姓名: | 梁懿文 张毅 苏晓军 刘旺财 李媛茜 王爱杰 孟兴民 |
| |
作者单位: | 1. 兰州大学地质科学与矿产资源学院;2. 甘肃省环境地质与灾害防治技术创新中心;3. 兰州大学资源环境学院 |
| |
基金项目: | 国家重点研发计划项目(2018YFC1504704);;甘肃省科技重大专项项目(19ZD2FA002);;国家自然科学基金青年基金项目(42007232);;甘肃省青年科技基金项目(20JR5RA223);;甘肃省科技计划项目(18YF1WA114);;自然资源部中国地质调查局地质调查项目(DD20189270); |
| |
摘 要: | 基于合成孔径雷达干涉测量(InSAR)技术,结合热点分析和机器学习算法,进行区域高形变斜坡自动提取和潜在滑坡人工智能识别研究,以提升潜在滑坡识别效率和准确性,解决传统人工调查和目视解译无法有效识别位于高位、隐蔽性较强的潜在滑坡问题.结果表明,基于热点分析自动提取20处高形变区域,提取正确率、错分率和漏分率分别为74.31%、25.69%和11.80%,证实热点分析方法能够有效应用于InSAR高形变区自动识别和提取.基于识别的高形变区,结合历史滑坡灾害发育特征,利用机器学习算法建立潜在滑坡预测模型,采用表现最佳的自适应提升模型对自动提取区域进行预测,预测召回率和准确率分别为81%和65%,能够实现潜在滑坡的有效识别.
|
关 键 词: | 潜在滑坡 基于合成孔径雷达干涉测量技术 机器学习 人工智能 |
|
|