CN119442922B 基于多源数据和深度学习的滑坡易发性评估方法和系统 （石家庄铁道大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119442922B(45)授权公告日2025.07.08

(21)申请号202510033535.7

(22)申请日2025.01.09

(65)同一申请的已公布的文献号申请公布号CN119442922A

(43)申请公布日2025.02.14

(73)专利权人石家庄铁道大学

地址050043河北省石家庄市长安区北二

环东路17号

(72)发明人张骞曹书杰肖仕华赵亚坤王景春胡指南

(74)专利代理机构河北卓英知识产权代理有限公司13181

专利代理师马振芹

(51)Int.CI.

GO6F30/27(2020.01)

GO6F30/28(2020.01)

GO6V20/13(2022.01)

GO6V10/25(2022.01)

GO6V10/44(2022.01)

GO6V10/82(2022.01)

GO6F18/2415(2023.01)

GO6F18/27(2023.01)

GO6N3/0464(2023.01)

G01B15/06(2006.01)

G01S13/90(2006.01)

(56)对比文件

曹书杰.区域滑坡多尺度风险分析及时空演化规律研究.石家庄铁道大学图书馆.2024,6-7,16,20,28-38,42-50,53-56.

杨志强.融合InSAR校正和深度学习的滑坡易发性评价.中国优秀硕士学位论文全文数据库_基础科学辑.2024,A008-234.

审查员范晓晴

权利要求书2页说明书7页附图2页

(54)发明名称

基于多源数据和深度学习的滑坡易发性评估方法和系统

(57)摘要

本发明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

CN

CN119442922B

获取研究区域的高分辨率遥感图像和数字高程模型

获取研究区域的高分辨率遥感图像和数字高程模型数据，通过Bas-relief技术、深度卷积神经网络和YOLO算法获取地表形变特征和

潜在滑坡点信息

获取潜在滑坡点的地质环境数据，并筛选出地质环境数据具有滑坡影

响力因素的特征，基于地表形变特征和筛选出的特征，通过量子贝叶斯优化构建滑坡易发性评估模型

使用TRIGRS-5COOPS3D耦合模型对降雨诱发的滑坡进行特征分析，获取不同降雨条件下滑坡的稳定性和潜在滑坡的空间分布

根据不同降雨条件下滑坡的稳定性和潜在滑坡的空间分布，通过MASSFLOW模型对潜在滑坡区的三维滑面进行模拟，计算滑坡体积与

潜在滑坡路径，获得滑坡易发性评估结果

CN119442922B权利要求书1/2页

2

1.一种基于多源数据和深度学习的滑坡易发性评估方法，其特征在于，包括以下步骤：

获取研究区域的高分辨率遥感图像和数字高程模型数据，通过SBAS-InSAR技术、深度卷积神经网络和YOLO算法获取地表形变特征和潜在滑坡点信息；

获取潜在滑坡点的地质环境数据，并筛选出地质环境数据具有滑坡影响力因素的特征，基于所述地表形变特征和筛选出的特征，通过量子贝叶斯优化构建滑坡易发性评估模型；

使用TRIGRS-SCOOPS3D耦合模型对降雨诱发的滑坡进行特征分析，获取不同降雨条件下滑坡的稳定性和潜在滑坡的空间分布；

根据所述不同降雨条件下滑坡的稳定性和潜在滑坡的空间分布，通过MASSFLOW模型对潜在滑坡区的三维滑面进行模拟，计算滑坡体积与潜在滑坡路径，获得滑坡易发性评估结果；

获取地表形变特征和潜在滑坡点信息包括：

通过SBAS-InSAR技术计算卫星影像中研究区域的地表形变，获得研究区域的地表形变

信息；

获取研究区域的高分辨率遥感图像和数字高程模型数据，通过预训练的深度卷积神经网络进行特征提取，获得卷积提取特征；

根据所述地表形变信息和卷积提取特征，通过YOLO算法检测和定位潜在滑坡点；

构建滑坡易发性评估模型包括：

获取潜在滑坡点的地质环境数据，其中地质环境数据包括坡度、坡