一种识别植被覆盖滑坡的多模态深度神经网络模型

作者：唐小川; 涂子涵; 任绪清; 方成勇; 王宇; 刘鑫; 范宣梅^*

来源：武汉大学学报(信息科学版), 2023, 1-11.

DOI：10.13203/j.whugis20230099

• 滑坡识别
• 植被覆盖
• 山体阴影图
• DEM
• 多模态深度学习
• 数据融合

我国西南山区植被茂盛，该区域光学遥感影像上的滑坡常被植被遮挡、难以辨识，基于光学遥感影像的植被覆盖滑坡识别错误率较高，难以满足实际需求。针对这一问题，利用机载激光雷达(light detection and ranging， LiDAR)生成的数字高程模型(digital elevation model， DEM)和山体阴影图去除滑坡表面的植被覆盖，构建了一个植被覆盖山区的滑坡数据集。在此基础上，提出一种基于多模态深度学习的智能滑坡识别模型，综合利用DEM和山体阴影图识别植被覆盖条件下的滑坡，模型主要包括三个神经网络模块：自动提取DEM数据特征的Transformer神经网络，自动提取山影图特征的Transformer神经网络，以及融合多模态遥感数据的卷积注意力神经网络。通过实验对比了ResU-Net、LandsNet、HRNet、SeaFormer模型，实验结果表明，所提出的模型达到了最高的滑坡预测精度，IoU和F1分别提高了9.3%和6.8%。因此，LiDAR能够有效地去除植被干扰，适用于识别西南山区植被覆盖条件下的滑坡；本文提出的LiDAR滑坡识别模型能够预测滑坡的位置，为滑坡监测设备选址提供有力支撑。

• 单位
  中国民用航空飞行学院; 地质灾害防治与地质环境保护国家重点实验室; 成都理工大学; 电子科技大学