本發(fā)明涉及地質(zhì)災害監(jiān)測領(lǐng)域，尤其涉及一種滑坡識別方法、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、三峽庫區(qū)自蓄水以來，大部分滑坡在庫水位變化和降雨的影響下呈現(xiàn)出長期緩慢、短期加速的季節(jié)性變形波動特征。根據(jù)坡體的滑動速度，可以將滑坡分為慢速滑坡和快速滑坡兩類。

2、慢速滑坡每天滑動數(shù)厘米至數(shù)十厘米，有的蠕變（每年移動0.5~10?mm）甚至無法用肉眼觀察，只能通過儀器觀測；而快速滑坡每小時滑動數(shù)十厘米至數(shù)米。

3、滑坡災害的類型呈現(xiàn)出多樣化的特點。每一種類型的滑坡都有其獨特的形成機制和形態(tài)特征。為了更全面、準確地識別各種類型的滑坡，需要應用多源遙感數(shù)據(jù)，如光學影像、雷達遙感等，彌補單一數(shù)據(jù)源的局限性。將遙感技術(shù)與人工智能算法相結(jié)合，實現(xiàn)滑坡清單的動態(tài)更新，為及時發(fā)現(xiàn)并應對滑坡災害提供了全新的方法和手段，同時也為減災工作提供更為有效的支持。針對不同類型的滑坡采取不同的識別方法，可以更有效地分配資源，例如針對快速滑坡采取緊急處理措施，針對慢速滑坡進行長期監(jiān)測和管理，從而最大程度地減少災害損失。因此，在滑坡識別過程中，需要結(jié)合多源數(shù)據(jù)和多時相影像，并借助于時序分析方法，以便更全面地探測和監(jiān)測滑坡的演化過程，從而提高滑坡識別的準確性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于：提出一種滑坡識別方法、設(shè)備及存儲介質(zhì)，以更全面地探測和監(jiān)測滑坡的演化過程，從而提高滑坡識別的準確性。

2、本發(fā)明供的一種滑坡識別方法，具體包括以下步驟：

3、s1：獲取待監(jiān)測區(qū)域的sar影像數(shù)據(jù)，并進行預處理，得到年平均形變速率結(jié)果；

4、s2：根據(jù)年平均形變速率分布，借助三維地形圖和多時相光學影像，識別慢速滑坡；

5、s3：獲取待監(jiān)測區(qū)域的高分光學遙感影像，進行預處理，獲取快速滑坡的光學特征，并依據(jù)光學特征建立滑坡樣本數(shù)據(jù)集，同時完成數(shù)據(jù)增廣；

6、s4：將滑坡樣本數(shù)據(jù)集輸入預先構(gòu)建的深度學習神經(jīng)網(wǎng)絡(luò)模型中訓練，對測試集進行預測，獲得訓練好的模型；

7、s5：利用訓練好的模型自動提取快速滑坡；將提取到的慢速滑坡與快速滑坡進行整合，得到區(qū)域滑坡的識別結(jié)果。

8、一種存儲介質(zhì)，所述存儲介質(zhì)存儲指令及數(shù)據(jù)用于實現(xiàn)一種滑坡識別方法。

9、一種滑坡識別設(shè)備，包括：處理器及所述存儲介質(zhì)；所述處理器加載并執(zhí)行所述存儲介質(zhì)中的指令及數(shù)據(jù)用于實現(xiàn)一種滑坡識別方法。

10、本發(fā)明提供的有益效果是：用時序insar技術(shù)提取慢速滑坡，用深度學習swintransformer-upernet網(wǎng)絡(luò)模型自動識別快速滑坡，對區(qū)域內(nèi)不同類型的滑坡進行全面而有效的識別，提升滑坡識別的準確性。

技術(shù)特征：

1.一種滑坡識別方法，其特征在于：包括以下步驟：

2.如權(quán)利要求1所述的一種滑坡識別方法，其特征在于：步驟s1具體為：

3.如權(quán)利要求2所述的一種滑坡識別方法，其特征在于：步驟s11中，預處理方法為：利用sarscape軟件進行sbas?insar技術(shù)處理。

4.如權(quán)利要求1所述的一種滑坡識別方法，其特征在于：步驟s3具體為：

5.如權(quán)利要求4所述的一種滑坡識別方法，其特征在于：所述數(shù)據(jù)增強方法包括：水平翻轉(zhuǎn)、垂直翻轉(zhuǎn)、隨機旋轉(zhuǎn)、隨機縮放、隨機裁剪、擴展和平移。

6.如權(quán)利要求1所述的一種滑坡識別方法，其特征在于：所述預先構(gòu)建的深度學習神經(jīng)網(wǎng)絡(luò)模型為：swin?transformer-upernet網(wǎng)絡(luò)模型。

7.一種存儲介質(zhì)，其特征在于：所述存儲介質(zhì)存儲指令及數(shù)據(jù)用于實現(xiàn)權(quán)利要求1~6任一項所述的一種滑坡識別方法。

8.一種滑坡識別設(shè)備，其特征在于：包括：處理器及存儲介質(zhì)；所述處理器加載并執(zhí)行存儲介質(zhì)中的指令及數(shù)據(jù)用于實現(xiàn)權(quán)利要求1~6任一項所述的一種滑坡識別方法。

技術(shù)總結(jié)
本發(fā)明涉及地質(zhì)災害監(jiān)測領(lǐng)域，提供了一種滑坡識別方法、設(shè)備及存儲介質(zhì)，方法如下：獲取待監(jiān)測區(qū)域的SAR影像數(shù)據(jù)，并進行預處理，得到年平均形變速率結(jié)果；根據(jù)年平均形變速率分布，借助三維地形圖和多時相光學影像，識別慢速滑坡；獲取待監(jiān)測區(qū)域的高分光學遙感影像，進行預處理，獲取快速滑坡的光學特征，并依據(jù)光學特征建立滑坡樣本數(shù)據(jù)集，同時完成數(shù)據(jù)增廣；將滑坡樣本數(shù)據(jù)集輸入預先構(gòu)建的深度學習神經(jīng)網(wǎng)絡(luò)模型中訓練，對測試集進行預測，獲得訓練好的模型；利用訓練好的模型自動提取快速滑坡；將提取到的慢速滑坡與快速滑坡進行整合，得到區(qū)域滑坡的識別結(jié)果。本發(fā)明對不同類型滑坡進行全面有效識別，提升滑坡識別的準確性。

技術(shù)研發(fā)人員：甘露露,周超,曹穎,喻進,陳玲
受保護的技術(shù)使用者：中國地質(zhì)大學（武漢）
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/28