基于自校正原型网络的泥石流灾害易发性评价——以怒江州为例OA北大核心CSTPCD

为解决泥石流易发性评价中因子选择不一致造成的评价差异问题,以及目前神经网络不能有效提取泥石流特征以提升易发性评价正确率问题,提出了基于自校正原型网络的泥石流灾害易发性评价方法。以沟谷为评价单元,提取沟谷的DEM、高分一号和Google Earth遥感影像作为训练数据,引入注意力机制和空洞空间卷积池化金字塔结构构建原型网络的特征提取器,并使用自校正的方法优化原型网络的计算,将未发生泥石流的沟谷图像输入改进后的模型,计算其泥石流灾害易发性指数从而得出泥石流评价等级。运用该模型对怒江州的沟谷进行评价,并与历史灾害数据进行对比。结果表明:模型分类正确率达到86.32%,评价结果中的易发区和高易发区均与历史泥石流沟谷的空间分布较为吻合;相比于传统评价方法,该方法能够较好地自动学习遥感影像中泥石流特征,并实现灾害区域的快速识别与评价。研究成果可为泥石流灾害的研究提供新的思路。