Los deslizamientos de tierra de movimiento lento pueden desencadenar desastres severos cuando son activados por terremotos, lluvias torrenciales o tifones. La detección temprana es crucial para mitigar la pérdida de vidas y daños a la propiedad. La tecnología de Radar de Apertura Sintética Interferométrico (InSAR) se encuentra entre las técnicas más efectivas para detectar deslizamientos de tierra de movimiento lento, aunque su precisión puede mejorarse aún más a través de la integración con imágenes ópticas y Modelos Digitales de Elevación (DEM). Los enfoques actuales de aprendizaje automático que combinan datos de InSAR y ópticos sufren de eficiencia limitada, mala transferibilidad y desafíos en la aplicación a escala regional. Para abordar estas limitaciones, este estudio propone una red dual de modalidad múltiple que integra productos de InSAR con información textural de imágenes ópticas para detectar deslizamientos de tierra de movimiento lento. Un camino procesa tasas de deformación de InSAR y factores topográficos, mientras que el otro incorpora información de textura y datos auxiliares. Juntos, estos caminos extraen información semántica de características espaciales de alta dimensión y la condensan en representaciones de baja dimensión. Se emplea un módulo de agrupamiento piramidal para capturar características a múltiples escalas durante la extracción semántica a bajo nivel. Para la fusión de características, se introduce un módulo adaptativo limitado por tasa para mejorar la contribución de tasas de deformación a deslizamientos de tierra de movimiento lento. Según los resultados, el método propuesto mejora el F1-score para la detección de deslizamientos de tierra en un 6% en comparación con el uso de productos de InSAR por sí solos. Estos resultados proporcionan un apoyo técnico confiable para la compilación de inventarios regionales de deslizamientos de tierra y la gestión de desastres, así como nuevas perspectivas para encuestas a escala regional en áreas propensas a deslizamientos de tierra de movimiento lento.
Chen et al. (Sun,) estudiaron esta cuestión.