摘要
为实现快速自动化滑坡提取,本文中提出一种面向对象的滑坡智能提取方法,以震后亚米级高分辨率遥感影像中的地物对象作为分析单元,利用深度学习进行滑坡提取。在2014年8月3日鲁甸M_(S)6.5地震与2017年8月8日九寨沟M_(S)7.0地震震后滑坡提取实验中,对区域的总体分类精度达到98%,Kappa系数达到81%,能够进行快速的震后滑坡自动化提取,并且精度能够满足应用需求。
In order to achieve rapid and automatic landslide extraction,we proposes an object-oriented intelligent extraction method for landslides.The ground objects in the sub-meter high-resolution remote sensing image after the earthquake are regarded as the analysis unit,and deep learning is used for landslide extraction.In the landslide extraction experiment after Ludian M_(S)6.5 earthquake on August 3,2014 and Jiuzhaigou M_(S)7.0 earthquake on August 8,2017,the overall classification accuracy of the region reached 98%,and the Kappa coefficient reached 81%.The proposed method can automatically extract the landslide after the earthquake,and its accuracy can meet the application requirements.
作者
张萌
刘军
王琳
李世杰
ZHANG Meng;LIU Jun;WANG Lin;LI Shi-jie(Guizhou Earthquake Agency,Guiyang 550001,Guizhou,China;China Earthquake Emergency Search and Rescue Center,Beijing 100049,China)
出处
《内陆地震》
2022年第4期303-311,共9页
Inland Earthquake
基金
国家自然科学基金项目(42061073)
地震应急青年重点任务(CEAEDEM202016)
贵州省地震局创新团队(GZSDZJDZKJJJ202101-05).
关键词
高分辨率影像
地震滑坡
面向对象的影像分析
深度学习
High-resolution images
Earthquake landslides
Object-oriented image analysis
Deep learning
作者简介
张萌(1994~),女,工程师,硕士,2019年毕业于云南师范大学地图制图学与地理信息工程专业,主要从事地震应急、高分辨率影像研究工作.E-mail:cheungm@126.com。
