基于多源数据融合的山体滑坡研究

来源：计算机技术与发展杂志2025年第04期北京时间：

作者：刁君华;冯向萍;马新春;

单位：1. 新疆农业大学 计算机与信息工程学院,新疆 乌鲁木齐 830052;2. 新疆电子研究所股份有限公司,新疆 乌鲁木齐 830013

摘要：山体滑坡是一种频发的地质灾害,通过对滑坡的识别来进行灾害防治是一项重要的任务。 目前,单一的数据源使得滑坡识别效率较低,仅从滑坡遥感影像上来进行滑坡研究,无法充分识别坡度、坡向和高度变化等地形特征。 针对于此,实验结合滑坡遥感影像和 DEM 数据进行研究,设计了一个不共享权重的孪生网络,对两类多源异质数据进行特征融合。 其次,使用一种基于注意力机制改进的 DeeplabV3+语义分割模型进行分割研究,并将改进模型与 FCN、Unet、SegNet和 AED-Net 等语义分割模型进行对比。 实验结果表明,多源数据的融合相比于单一数据具有更好的滑坡分割效果,在精确率(Precision)、召回率(Recall)、F1 分数(F1-score)和平均交并比(MIoU)上分别提高了 3. 5 百分点、4. 9 百分点、4. 2 百分点和 3. 1 百分点。 引入注意力机制的 DeepLabV3+模型的 F1-score 和 MIoU 比原模型分别提高了 1. 6 百分点和 1. 1 百分点。

关键词：滑坡识别;多源数据;特征融合;孪生网络;注意力机制;语义分割