人工智能方法遥感影像上在滑坡灾害的应用

人工智能方法主要在滑坡识别、滑坡区域提取等方面发挥作用。

1.滑坡体识别 ：遥感卫星图像通常包含的空间范围比较大，因此可以利用滑坡区域与背景区域之间存在明显差异的特点进行分析，快速确定滑坡体的位置。基于深度学习的目标检测技术主要包括基于可能区域的分类和基于边界框的回归两种思路，前者具有更高的准确度，后者则具有更快的速度。此外，大型滑坡调查中常常会使用无人机这种航空遥感手段获取地表灾害数据。由于航空遥感数据具有较高的分辨率，可以直接对其进行分类识别，来判断该区域是否包含滑坡体。深度学习的发展带来了分类精度的极大提高，因此也出现不少基于深度网络的滑坡分类识别方法。

2.滑坡体区域提取 ：通过对多时相遥感影像进行变化检测能够自动地提取滑坡边界信息。变化检测方法通常有两类方法 ：图像差集和后分类比较。图像差集是对灾前灾后图像进行减法，后分类比较则可以使用神经网络分类器对灾前灾后的图像进行多尺度分类，然后对分类结果进行比较得到变化信息，从而确定滑坡的区域。另外，也可以在滑坡体识别的基础上，进一步通过图像分割算法得到更精细的滑坡体轮廓，从而为后续的救灾提供信息。