滑坡识别方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115439742A(43)申请公布日2022.12.06(21)申请号202210955861.X(22)申请日2022.08.10(71)申请人中国科学院地理科学与资源研究所地址100101北京市朝阳区大屯路甲11号(72)发明人熊木齐冷国勇(74)专利代理机构北京中政联科专利代理事务所(普通合伙)11489专利代理师张鑫垚(51)Int.Cl.G06V20/10(2022.01)G06V10/82(2022.01)G06V10/774(2022.01)G06V10/40(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图6页(54)发明名称滑坡识别方法、装置、电子设备及存储介质(57)摘要本申请公开了一种滑坡识别方法、装置、电子设备及存储介质，属于地质勘测技术领域，其中，滑坡识别方法包括：获取目标区域的滑坡基础数据及高分辨率遥感影像数据；根据滑坡基础数据提取滑坡属性特征；根据滑坡属性特征确定滑坡高发区域；确定滑坡高发区域在高分辨率遥感影像数据中对应的遥感影像栅格数据；将遥感影像栅格数据输入到训练好的滑坡识别模型中，得到滑坡边界。该方法基于中低分辨率数据和高分辨率数据，并结合机器学习模型，识别目标区域内滑坡的边界，大大节省了人力物力，提高滑坡识别的效率和精度，并且可以根据滑坡的边界计算的滑坡面积。CN115439742ACN115439742A权利要求书1/2页1.一种滑坡识别方法，其特征在于，包括：获取目标区域的滑坡基础数据及高分辨率遥感影像数据；根据所述滑坡基础数据提取滑坡属性特征；根据所述滑坡属性特征确定滑坡高发区域；确定所述滑坡高发区域在所述高分辨率遥感影像数据中对应的遥感影像栅格数据；将所述遥感影像栅格数据输入到训练好的滑坡识别模型中，得到滑坡边界。2.根据权利要求1所述的滑坡识别方法，其特征在于，所述滑坡基础数据包括：历史滑坡的地理位置、历史滑坡的边界、目标区域的DEM、目标区域的Landsat8影像、目标区域的河流和道路矢量图、目标区域的地震数据、目标区域的冰川分布状态及目标区域的土壤地质数据。3.根据权利要求2所述的滑坡识别方法，其特征在于，所述根据所述滑坡基础数据提取滑坡属性特征，包括：对目标区域DEM进行水文分析，生成正反集水流域，并将所述正反集水流域融合，经过后期人工修改不合理的单元，得到由河谷线和山脊线段组成的坡体单元；基于目标区域的Landsat8影像，计算目标区域的NVDI；基于目标区域的DEM，计算目标区域坡度、坡向及坡面曲率；根据目标区域的河流和道路矢量图进行河流、道路缓冲区分析；基于目标区域历史地震数据进行核密度分析；基于目标区域冰川分布数据进行缓冲区分析；基于目标区域土壤质地数据计算土壤可蚀性因子；使滑坡属性特征空间分辨率一致；将坡体单元的图层和各因子图层叠加分析，得到斜坡单元的因子属性特征；将目标区域的滑坡矢量数据结合斜坡单元的因子属性特征，得到滑坡属性特征。4.根据权利要求1所述的滑坡识别方法，其特征在于，所述根据所述滑坡属性特征确定滑坡高发区域，包括：将所述滑坡属性特征输入到训练好的滑坡易发性识别模型中，得到滑坡高发区域。5.根据权利要求4所述的滑坡识别方法，其特征在于，所述训练好的滑坡易发性识别模型是通过下述方法训练得到的：将滑坡是否发生作为预测目标，建立目标变量的预测模型，对数据进行处理和拟合；将各因子参数进行标准化转换；将滑坡样本数据随机抽取划分为训练数据和测试数据；将训练数据进行多折交叉验证；通过多折交叉验证查看训练数据的得分，选择最优参数，得到训练好的滑坡易发性识别模型。6.根据权利要求1所述的滑坡识别方法，其特征在于，所述训练好的滑坡识别模型是通过下述方法训练得到的：利用滑坡矢量数据，对每个滑坡进行距离为D的空间缓冲区分析，得到滑坡外拓多边形；将样本范围数据集中的每个样本范围和滑坡矢量数据进行相交分析，得到每个样本范2CN115439742A权利要求书2/2页围内部的滑坡多边形；获取滑坡样本范围内的遥感影像栅格数据，并调整图像通道，作为该样本的图像内容；在滑坡掩膜数据集中查找滑坡样本范围内所对应的滑坡掩膜多边形，并将其矢量栅格化，作为该样本的掩膜数据；分别获得的样本图像内容和样本掩膜数据，共同构成滑坡训练样本，并将所有滑坡样本编号，构成滑坡样本库；利用所述滑坡样本库进行滑坡检测模型训练，得到训练好的滑坡识别模型。7.根据权利要求1所述的滑坡识别方法，其特征在于，在所述得到滑坡边界之后，所述滑坡识别方法还包括：根据所述滑坡边界计算滑坡面积。8.一种滑坡识别装置，其特征在于，包括：获取模块，用于获取目标区域的滑坡基础数据及高分辨率遥感影像数据；提取