同自然灾害抗争是人类生存发展的永恒课题。
——————习近平

【杨志强、许冲等-BOEG】一种在CNN中引入3D信息和注意力机制的滑坡危险性评价模型

发布时间: 2022-09-20

来源: 地质灾害研究中心

       准确的区域滑坡危险性等级图是应急救援和滑坡风险管理的重要科学依据。相较于定性描述滑坡发生情况,以机器学习(ML)算法为主导的定量统计方法逐渐在危险性建模中展示出显著成效。然而基于ML的评价模型结构相对较浅,很难完全捕获滑坡分布与环境因子间隐藏、复杂的非线性关系。作为深度学习(DL)中最具代表性的方法之一,卷积神经网络(CNN)因具有强大的表征学习能力,已在危险性评价中体现出不容忽视的作用。尽管如此,绝大多数基于CNN的评价方法仅选择1-D数据格式表征滑坡发生概率,未顾及到空间自相关性;且以往研究仅选取一个研究区作为验证,未考虑不同地质环境条件下同种模型的适应性。针对以上问题,引入3-D滑坡样本作为CNN模型的输入;为驱动模型挖掘3-D滑坡样本在空间邻域和特征维度上隐含的环境信息,在设计的CNN模型(CNN-3D)中引入一种注意力机制,旨在使模型侧重于对结果分类更有作用的部分。研究人员分别以2017年四川九寨沟Ms7.0地震和2018年日本北海道Mw6.6地震为研究案例开展区域地震滑坡危险性评价。研究结果(图1)表明,CNN-3D在特征提取阶段引入注意力机制能够使模型在两个具有不同滑坡特征和地质环境的研究区获得更高的准确率,且相较于ML模型,所提模型能获更平滑的危险性结果。

图1 基于CNN-3D的中国四川九寨沟地震区(左)和日本北海道地震区(右)地震滑坡危险性等级图

       该研究成果发表在SCI收录期刊Bulletin of Engineering Geology and the Environment(BOEG,IF=4.13)上,第一作者为我院研究生杨志强,通迅作者为我院地质灾害研究中心许冲研究员。详见:Yang Z, Xu C, Shao X, Ma S, Li L (2022) Landslide susceptibility mapping based on CNN‑3D algorithm with attention module embedded. Bulletin of Engineering Geology and the Environment, 81(10): 412. 原文链接:https://doi.org/10.1007/s10064-022-02889-4