多源データに基づく潜在的な地滑り危険のための適応的識別法

地滑り災害の予防の効果は、潜在的な危険の早期識別の質に大きく依存しており、そのような危険を包括的かつ深く、正確に識別する方法が地滑り災害管理における主要な難しさとなっています。既存の潜在的な地滑り危険の識別のための深層学習方法は、固定サイズのウィンドウモデリングを使用し、異なるスケールの地滑りに必要な異なるウィンドウサイズを無視することが多いです。この問題に対処するために、多源データに基づく潜在的な地滑り危険のための適応的識別法を提案します。研究地域として中国の永平県を選び、地形、地質、人間活動、水文学、植生の観点から地滑り災害の背景に基づく多源因子データセットを作成し、処理後に識別モデルのサンプルとします。さらに、差分干渉合成開口レーダー（D-InSAR）と多時系列InSAR（MT-InSAR）を組み合わせて研究地域の表面変形を処理し、画像内のピクセルポイントの現在のウィンドウ内のピクセル変形差の平均に基づいて変形の豊かさを測定します。したがって、異なるウィンドウサイズの畳み込みニューラルネットワーク（CNN）が適応的に選択されます。結果は、研究地域における潜在的な地滑り危険の適応的識別の精度が85.30%、リコールが83.03%、F1スコアが84.15%であることを示しています。潜在的な危険の認識率は80%に達し、固定ウィンドウモデリングの結果よりも優れており、提案された方法の効果を証明しています。この方法は、潜在的な地滑り危険のためのインテリジェントな識別システムの改善に貢献し、土砂崩れや崩落などの他の潜在的な地質危険の識別にも寄与することができます。