基于地形特征融合的卷积神经网络滑坡识别

滑坡严重威胁着人民群众的生命财产安全。完整、准确的滑坡编录图是研究滑坡的重要资料。深度卷积神经网络方法由于众多优势而备受关注,然而卷积神经网络结构复杂,需要大量的训练样本,制约了其在滑坡制图上的发展。提出了融合地形特征的卷积神经网络建模方法。首先在遥感影像上叠加地形因子构建新的滑坡样本,然后设计提取并融合空间与光谱特征的轻量级卷积神经网络(FF-CNN),最后训练最优模型进行滑坡识别。在四川汶川地区进行的消融实验证明：在空间特征基础上融合光谱特征的FF-CNN模型滑坡识别评价指标F1分数和平均交并比(MIoU)分别提高0.020 2和0.014 4;在遥感影像上叠加地形因子后,FF-CNN模型滑坡识别评价指标F1分数和MIoU值分别提高0.066 4和0.048 2。在湖北省三峡库区和四川省都江堰市虹口乡的实验说明FF-CNN模型表现出较强的适用性和迁移能力,在滑坡识别上具有较大潜力。     

遥感技术在西北地质调查中的应用及展望

西北地区地广人稀、地质结构复杂、自然资源丰富、生态环境异常脆弱,利用遥感技术开展地质调查能起到事半功倍的效果。笔者简要回顾了遥感地质学的发展及西北地区遥感地质工作总体成效,系统归纳了西安地质调查中心通过构建“西北特殊景观区自然资源遥感探测与监测示范系统”取得的技术创新成果和新认识,客观分析了遥感技术在西北地质工作中的适用性、实用性及挖掘潜力,以此为缩影展示了遥感技术在西北资源能源勘查、地质环境调查监测、资源环境效应分析中发挥的重要先导作用。通过梳理利用遥感技术解决西北典型资源环境问题面临的挑战与技术短板,提出“十四五”时期应重点围绕西北重点生态工程实施与重点区域综合治理、矿山地质环境恢复治理、战略性矿产资源快速勘查、寒区旱区国土空间优化4个应用方向,不断融入大数据、云计算、人工智能、5G和区块链等高新信息技术,就自然资源要素遥感快速智能识别、地质环境动态变化定量分析与模拟预测、图谱合一的谱遥感地球体检等关键技术展开机理研究和方法创新。研究结果可为推进遥感技术在西北地质调查中的产学研用一体化提供理论依据和技术参考。