本技术公开了一种基于多源数据和深度学习的滑坡易发性评估方法和系统,结合SBAS‑InSAR技术、遥感影像分析、深度学习算法、TRIGRS‑SCOOPS3D耦合模型与MASSFLOW模拟的滑坡易发性评估方法。该方法用于高精度的滑坡易发区识别、潜在滑坡位置预测及三维滑坡过程模拟,尤其适用于山区的滑坡灾害风险管理与应急响应。
背景技术
现有的滑坡监测技术,虽然可以有效地获取大范围的地表形变信息,但传统方法对于潜在滑坡区域的精确识别存在局限性。尤其在复杂地形中,如何通过地表形变数据识别潜在滑坡点,仍然缺乏高效的自动化方法。现有技术一般依赖于人工选择和手动标注潜在滑坡点,无法实现从海量遥感数据中精准、高效地提取潜在滑坡信息。
而且现有的滑坡过程推演技术,主要关注滑坡体的体积、路径及稳定性分析,但在模拟所有潜在滑坡点发生滑坡后的危险区域分布方面,精度仍然不足。现有技术通常只能针对单一滑坡事件进行模拟,难以全面考虑多个潜在滑坡点在不同环境条件下发生滑坡后的风险分布。尤其在复杂地形、多种影响因素交织的情况下,现有模型无法准确预测每一个潜在滑坡点的滑坡后果及其扩展区域。
实现思路