顾及In SAR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,In SAR)二维In SAR数据可反映滑坡在垂直和水平方向的形变特征。引入二维In SAR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In SAR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In SAR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In SAR形变因子可以提升滑坡...