CN119418215A 高位崩滑地质灾害智能识别方法 （中国地质调查局水文地质环境地质调查中心）

本发明公开了一种高位崩滑地质灾害智能识别方法，所述方法包括：获取待识别区域的所述INSAR监测数据得到地表形变信息，根据所于所述雷达地形图对所述隐患区域的遥感影像结合深度学习网络对高位崩塌进行地质灾害监2根据所述INSAR监测数据得到地表形变信息，根据所述地表形变信息和雷达地形图确基于所述雷达地形图对所述隐患区域的遥感影像将配准后的所述遥感影像图输入基于CNN和RNN网络构建的高位崩滑2.根据权利要求1所述的高位崩滑地质灾害智能识别方法，其特征在于，根据所述获取每个子区域中目标观测物在多个不同时间点的SAR监测数据，对每两个相隔预设对差分干涉处理后的数据进行噪声滤除，对噪声滤除后的差分干涉数据进行相位解利用先验DEM数据合成INSAR地形模拟相位，根据所述循环层中嵌套有CNN网络，所述CNN网络包括四个卷积层、四个所述RNN网络的输出层与全连接网络相连，所述全连接网络的输出为所述高位崩滑识5.根据权利要求4所述的高位崩滑地质灾所述注意力模块用于对RNN网络的多个输出值进行注意力得分计算并加权求和，将求将所述地标形变信息和雷达地形图进行叠加得到计算所述叠加形变图各个像素值和雷达地形根据多个所述特征点对所述隐患区域的遥感影像图和雷达地形3输出模块，用于将配准后的所述遥感影像图输入基于CNN和RNN网络述程序或指令被处理器执行时，能够实现上述权利要求1_7中任一项所述高位崩滑地质灾4害识别的准确性和时效性均难以满足青藏高原东南缘地区的防灾地质灾害进行快速准确的智能识别。中由于数据获取困难且更新速度慢，高位地质灾害识别过于依赖于专家经验或特定规则，[0009]根据所述INSAR监测数据得到地表形变信息，根据所述地表形变信息和雷达地形[0011]将配准后的所述遥感影像图输入基于CNN和RNN网络构建5[0014]获取每个子区域中目标观测物在多个不同时间点的SAR监测数据，对每两个相隔预设时间的SAR监测数据进行相干配准和差分[0018]进一步的，所述高位崩滑识别模型的基本框架为RNN网络，包括依次连接的输入[0020]所述RNN网络的输出层与全连接网络相连，所述全连接网络的输出为所述高位崩[0022]所述注意力模块用于对RNN网络的多个输出值进行注意力得分计算并加权求和，[0031]数据获取模块，用于获取待识别区域的INSAR监测数据、雷达地形图和遥感影像6[0037]本发明提供了一种高位崩滑地质灾害智能识别方法，该方法首先综合获取INSAR[0046]InSAR：合成孔径雷达干涉技术(InterferometricSyntheticApertureRadar)7[0058]获取每个子区域中目标观测物在多个不同时间点的SAR监测数据，对每两个相隔预设时间的SAR监测数据进行相干配准和差分8[0068]所述RNN网络的输出层与全连接网络相连，所述全连接网络的输出为所述高位崩[0072]将经过配准后的遥感影像图像Xr输入到输入层，设CNN网络中的四个卷积层依次[0083]在一些情况下，RNN网络的输入时序还包括有经过配准后的遥感影像图像所对应9[0087]所述注意力模块用于对RNN网络的多个输出值进行注意力得分计算并加权求和，更加集中地关注对当前任务最为重要的信息。通过对RNN网络的多个输出值进行注意力加t为序列长度。[0096]将注意力加权的隐藏状态(c)作为全连接层的输入，继续进行后续的预测或分类或者使用地理信息系统(GIS)工具或图像处[0112]输出模块404，用于将配准后的所述遥感影像图输入基于CNN和RNN网络构建的高[0113]这里需要说明的是：上述实施例提供的对应的装置400可实现上述各方法实施例[0115]存储器502在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备内部存储单元也包括外部存储设备。存储器502用于存储安装于计算机设备的应用软件及[0116]处理器501在一些实施例中可以是一中央处理器(CentralProcessingUnit，在计算机设备的信息以及用于显示可视化的用户界面。计算机设备的部件501_503通过系识别程序，该高位崩滑地质灾害智能识别程序被处理器执行时可实现上述实施例中的步任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或