融合InSAR、人工智能视觉大模型与GIS空间分析的广域滑坡隐患自动风险评估方法
后印本
An Automated Regional-Scale Landslide Hazard Risk Assessment Method Integrating InSAR, AI Visual Foundation Models, and GIS Spatial Analysis
摘要: 滑坡隐患精准识别与风险评估是滑坡防灾减灾工作的关键。然而，当前相关工程化业务主要依赖遥感影像目视解译与专家野外现场判识，工作效率受限。合成孔径雷达干涉测量（InSAR）技术可探测毫米级的地表微弱形变，目前已广泛应用于快速定位广域山体滑坡隐患。研究选取甘肃省舟曲县为试验区，根据2017-2023年Sentinel-1卫星影像，采用Stacking-InSAR技术获取该地区地表形变场，基于门控机制的多尺度特征融合网络，自动识别InSAR探测滑坡隐患及关联要素。针对滑坡灾害通常发生在滑移区而非起始区的特点，本文构建了顾及地表形变特征的滑坡隐患滑移区算法用于模拟潜在滑坡致灾范围。在此基础上，遵循灾害系统理论，从致灾因子、孕灾环境、承灾体三方面构建了滑坡隐患风险评价指标体系，通过多源遥感数据驱动，利用地理信息空间分析技术全面评价滑坡隐患风险性。舟曲县共识别53个滑坡隐患，总体以中低风险为主，其中高风险3个，较高风险4个，中等风险11个，较低风险18个，低风险17个。通过野外现场核查验证了算法在隐患位置识别及风险等级划分方面的准确性。本研究构建了一套集成InSAR形变监测、人工智能目标识别与GIS空间分析技术的广域滑坡隐患自动化风险评价方法体系，显著提高了滑坡灾害早期识别与风险评估的效率和精度，为区域滑坡灾害风险管控与应急响应提供了科学高效的技术支撑。
版本历史
| [V1] |
2025-07-21 15:08:55 |
ChinaXiv:202507.00393V1
|
下载全文 |
相关信息
待评议
点击量
下载量
