排序方式: 共有19条查询结果,搜索用时 31 毫秒
11.
针对气象灾害预警业务中客观描述降雨型滑坡发生不确定性的实际需求,利用2014—2020年全国滑坡数据以及多源融合降水实况分析数据,通过样本构建、模型训练、参数优化以及预报输出等关键步骤构建基于机器学习分类算法的区域降雨诱发滑坡概率预报模型,探究不同类型机器学习分类算法识别诱发滑坡的降雨过程的可行性。结果表明:在算法评估中,线性判别分析算法准确率最高且泛化能力最好,其次为逻辑回归算法,再次为最邻近算法。在预报试验中,线性判别分析、逻辑回归以及最邻近等算法能够提取并学习降雨诱发滑坡的条件特征,对诱发滑坡的降雨过程有一定识别能力,最邻近算法和逻辑回归算法的概率预报高值区范围相对较大,易造成虚警结果,线性判别分析算法对局地降雨信息的提炼较好,但线性判别分析算法在非降雨中心区域输出低值概率预报的面积偏大。 相似文献
12.
13.
14.
在地震这种重大自然灾害面前,快速有效地从遥感影像中提取震区土地利用信息,在灾情评估及灾后重建中发挥着重要作用。选取四川省芦山地震灾区无人机影像为数据源,运用面向对象的影像分析方法,首先研究了多尺度分割中参数的选择,获取了研究区最优分割参数;然后考虑了各个"影像对象"的数字化特征值,利用改进的SEaTH算法进行特征值优化处理;最后采用了隶属度信息提取方法,获得了芦山地震灾区无人机低空遥感影像分类图,并进行了分类精度评估,结果表明:研究区影像的分类总精度为87.5%,kappa系数为0.835。 相似文献
15.
地震后经常会引发大量的泥石流灾害(称作地震泥石流),容易造成极大的破坏,无人机低空遥感技术以其便捷、时效性强等特点成为一种快速获取灾害信息的手段,但其影像的光谱信息较为缺乏,较难准确地检测地震泥石流灾害信息。针对以上问题,提出了一种基于迁移学习机制地震泥石流检测方法,该方法在已构建地震泥石流灾害样本库的基础上,将卷积神经网络训练得到的特征迁移到地震泥石流灾害信息检测中,完成地震泥石流灾害信息的自动检测,并将面向对象的地震泥石流灾害信息检测结果与迁移学习支持下的检测结果进行了对比与分析。结果表明:基于迁移学习的地震泥石流灾害信息检测结果在精度上稍优于面向对象的地震泥石流灾害信息检测结果,且前者在保持地震泥石流的平滑性和完整性上要优于后者。 相似文献
16.
17.
18.
滑坡是最为常见的地震次生灾害之一,对其进行有效监测一直都是业界研究的热点。基于此,提出了一种高分遥感影像地震滑坡信息快速检测方法,该方法将SHALSTAB模型与面向对象影像分析相结合,首先对遥感影像进行多尺度分割,并根据稳定性模型赋权,然后根据深度学习机制对滑坡对象进行检测,最后对检测结果进行过滤,并将该方法应用于2013年芦山地震滑坡检测,与目视解译结果进行对比。结果表明:该方法能快速检测高分遥感影像上滑坡,滑坡检测正确率达85%以上。 相似文献
19.