基于多尺度分层联合的泥石流物源信息精细化提取方法.pdf

Journal of Lanzhou University(Natural Sciences),2023,59(4)/August兰州大学学报自然科学版，2023,59(4)/8月基于多尺度分层联合的泥石流物源信息精细化提取方法李锦琪，谢文斌，刘高2，玄书晨，覃！1.兰州大学土木工程与力学学院，兰州7 30 0 0 02.兰州大学西部灾害与环境力学教育部重点实验室，兰州7 30 0 0 0摘要：针对泥石流物源分布破碎、赋存条件复杂的特点以及泥石流防治工程中物源信息精度需求高的问题，提出一种面向对象的分层联合信息提取方法，其综合样本分类器能实现模糊分类的优点和规则分类器在地物空间信息提取方面的便利性，联合样本分类与规则分类两种影像信息提取手段；根据不同地物间的特征差异，遵循由粗至细、去伪存真的处理原则，分阶段、分层次处理影像信息，逐层剔除无关地物信息的同时提取目标地物信息，从而实现泥石流物源类型及其空间分布特征的精细化提取，以西部高寒干旱地区某泥石流沟的无人机遥感影像为试验数据，对所提多尺度分层联合信息提取方法进行验证，结果表明降低了不同地物间的混淆，提高了分类结果精度，为破碎分布型泥石流物源信息的精细化提取提供了新方法和思路。关键词：面向对象；泥石流物源；信息提取；分层联合；多尺度中图分类号：P694文献标识码：A文章编号：0 4 5 5-2 0 5 9(2 0 2 3)0 4-0 4 4 7-0 8D0I:10.13885/j.issn.0455-2059.2023.04.003Refined information extraction fordebris-flow sources basedon a multi-scale combined hierarchy methodLI Jin-qi,XIE Wen-bin,LIU Gao2,XUAN Shu-chen,QIN Mang1.College of Civil Engineering and Mechanics,Lanzhou University,Lanzhou 730000,China2.Key Laboratory of Mechanics on Disaster and Environment in Western China with theMinistry of Education,Lanzhou University,Lanzhou 730000,ChinaAbstract:In order to solve the problem that the information extraction result of debris-flow source basedon remote sensing is difficult to meet the accuracy requirements of debris-flow prevention engineering,because of the complexity of its distribution characteristics and composition types,a multi-scale com-bined hierarchy method based on object-based image analysis idea was proposed.The method combinedthe virtue of sample-based method that fetched information through the fuzzy theory,and the convenientof rule-based method for extracting spatial information of target object,extracting the information of tar-get objects by stages and hierarchically according to the difference features between diverse objects.Andfor the accuracy of information extraction results,the whole extracting process was from being coarse tofine.Taking the unmanned aerial vehicle remote sensing image of a debris flow gully in the western al-pine region as the test data,the multi-scale combined hierarchy method was tested.Comparing with thetraditional object-oriented method,our method could effectively reduce the confusion between the tar-收稿日期：2 0 2 2-0 6-1 4修回日期：2 0 2 2-0 7-0 6作者简介：刘高(1 97 0-),男，重庆开县人，教授，博士，e-mail:,研究方向为岩土体力学与工程、地质灾害与防治、地质信息技术等，通信联系人：448兰州大学学报（自然科学版），2 0 2 3，5 9(4)get objects and other objects,and improves the accuracy of classification results,providing a new methodand idea for refined information extraction of distributed debris-flow sources.Key words:object-oriented;debris-flow source;information extraction;combined hierarchy;multi-scale作为泥石流评价与防治的重要依据，泥石流物源是泥石流灾害调查的重中之重，尤其是物源类型及其空间分布-3.随着遥感技术的发展，遥感信息因其覆盖范围广、不受限于交通的优点，成为地质灾害快速调查的重要辅助手段 4-6 泥石流物源特征复杂、类型繁杂，针对其信息提取的遥感技术研究较少 7 ,主要从3方面探索基于遥感的泥石流物源信息提取：1）提升遥感影像精度，如采用更高分辨辩率及更多信息的卫星影像，或者采用低空无人机摄影，甚至机载雷达的无人机低空摄影等，获得高分辨率光学影像与高精度雷达信息等，联合所获影像光学特征及纹理特征，人工识别解译泥石流物源 8-9;2)提高样本质量，如通过主成分分析 1 0 、噪声分离 、多源数据融合 1 2 等方法，进行图像增强或影像特征降维，选取处理后影像中目标地物典型图斑作为识别样本，使用支持向量机、最大似然分类等“面向像元”的影像分类方法，识别泥石流物源 1 3;3）提高影像信息利用程度，如使用基于规则的“面向对象”信息提取方法，将高精度遥感影像丰富的纹理特征、空间属性等纳入分类体系1 4，通过分析不同地物间影像特征的差异，构建具有针对性的树形分类规则，识别泥石流物源 7 现有泥石流物源提取研究主要集中在针对单一遥感信息提取方法，然而不同的影像信息提取方法存在算法机制上的差异，适宜场景各不相同5,单一方法对影像信息的利用程度有限.鉴于泥石流物源赋存条件、分布特征的复杂性6，在充分利用遥感影像丰富光谱、纹理、空间信息的基础上提取泥石流物源信息，可以更为准确地界定泥石流物源类型及其空间分布特征.“面向像元”方法通过比较训练样本与待分类影像间光谱特征的差异，可快捷有效地区分不同地物类型，但难以挖掘地物的空间分布信息 1 7 “面向对象”方法的优势在于提取地物空间特征与形状特征 1 4 ,但在利用地物光谱特征区分地物类型方面，还存在一定优化空间：1）单尺度分割很难表达真实地物特性1 8,多尺度分割的波段权重、分割尺寸、形状因子等影像分割控制参数选取没有最优解1 9,导致影像分割质量的不确定性，影响信息提取结果精度；2)单纯的规则分类法很难区分具有相似光谱信息的地物 2 0 ,容易造成信息提取错漏；3)同一地物可能满足不同影像分类规则，按照一次性完成影像分类的传统面向对象法，需在单次分类过程中同时使用大量分类指标，运算变得复杂，影响信息处理速度，还可能造成“维数灾难”2 1 ,降低信息提取结果精度.本研究基于面向对象理念，探索泥石流物源信息的分层联合提取方法，在影像多尺度分割的基础上，联合样本分类与规则分类两种手段，分层次分析不同地物影像特征差异，提取泥石流物源，界定物源类型及其空间分布特征.1方法泥石流沟谷区的地物类型多样，包括植被、人工建筑、裸地、基岩以及松散堆积物等.各类松散堆积物是泥石流的主要物源，按来源及赋存状态，包括崩滑物源、沟道物源和坡面物源1 6 .植被、裸地、基岩、人工建筑等不构成物源，属于无关地物.为抑制信息提取过程中无关地物的信息表达，在影像多尺度分割的基础上，依据不同地物间影像特征的差异，综合基于样本方法可实现模糊分类的优点与基于规则方法提取地物空间信息的便利性，联合样本分类与规则分类两种信息提取手段，分阶段、分层次地提取泥石流物源类型及其空间分布特征，第1 层次剔除难以使用分类规则识别的无关地物（植被和裸地）；第2 层次进行候选物源二次分类，获得泥石流物源；第3层次明确泥石流物源类型及其空间分布特征，进行泥石流物源信息精细化提取，避免一次性向分类器输人过多影像分类指标，降低分类规则复杂性，提高信息提取精度与运算速度(图1).1.1数据预处理与影像分割将研究区全色彩影像与地形数据进行波段组合，在所得区域多波段遥感数据的基础上进行影像分割，影像分割是面向对象信息提取方法的基础，分割质量直接决定后续信息的提取精度，分割尺寸选取不当，容易造成“过分割”、“欠分割”，降低影像分割质量 2 .基于多尺度影像分割理念，采用尺度参数估计工具ESP223,确定最优分割尺449李锦琪，等：基于多尺度分层联合的泥石流物源信息精细化提取方法影像多尺度分割结果第1 层次植被裸地候选物源第2 层次道路建筑基岩泥石流物源第3层次沟道物源坡面物源崩滑物源泥石流物源图1分层联合信息提取流程图Fig.1Flowchart of combined hierarchy informationextractionmethod度.该工具对尺度i级别下的影像同质性局部方差(localvariance,L)进行自下而上的送代，计算各尺度级别i对应L,的方差变化率(R),R,曲线峰值点对应尺度即为推荐分割尺度，L-Li-1R,=L-1100%.(1)其中，L-为第i-1尺度的影像局部方差，1.2分层联合物源信息提取第1 层次：基于样本的干扰地物剔除.由于沟谷地物日照、水流条件不均，导致同一区域植被生长程度差异较大，若使用归一化植被指数等基于规则的分类指标区分植被、裸地与其他地物，分类阈值难以界定，易造成信息提取错漏.特别对于西部高寒地区，难以使用归一化植被指数等单一光谱指数对非生长期的植被与其他地物进行有效区分 2 4 基于样本的信息提取方法，选取目标地物典型影像作为训练样本，按照不同规则比较待分类影像与训练样本在特征空间的差异，实现影像分类.特别是K最近邻、支持向量机等影像分类器，基于模糊理论与机器学习的方法 2 5 ,对局部异常值不敏感，可尽量避免“同物异谱”“同谱异物”现象造成的信息提取错漏，有效区分不同地物类型5 第1 层次影像分类使用基于样本的信息提取方法，避免由于归一化植被指数等光谱特征指标阈值选取不当导致的目标地物错分、漏分.由于面向对象的方法中，影像分割后信息提取的基本单元已由单个像素转化为由若干同质像元组成的影像对象.基于影像分割结果，选取目标地物典型对象图斑作为样本数据，即可识别提取目标地物信息，无需另外生成样本文件，提高了信息处理速度(图1).第2 层次：基于规则的泥石流物源提取第1 层次影像分类结束后，剩余地物主要由光谱特征与泥石流物源相近、难以使用样本分类方法区分的无关地物及泥石流物源组成.鉴于泥石流物源组成物质多种多样，特别是块石等泥石流物源重要组成地物分布松散错落，形状、大小、面积、光谱特征随所分布区域的地形变化而变化，与道路、建筑、基岩等无关地物相似度较高，需使用较多分类指标方可对无关地物进行有效区分.泥石流物源分类主要以其空间分布特征为依据，采用基于规则的方法提取泥石流物源信息.为减少单次信息提取过程中一次性输人影像分类器的影像特征指标数量，采用分层的方法处理剩余地物影像信息。第2 层次影像信息提取，使用基于规则的影像分类方法，通过分析第1 层次信息提取后剩余地物的光谱、纹理、空间特征，建立影像分类特征集(表1),构建针对性分类规则，归类剔除与泥石流物源形状、纹理特征差异较大的无关地物(基岩、道路及建筑），剩余地物即为泥石流物源。表1 影像分类特征集Table1Image classification feature set类别名称含义所属阶段灰度平均值不同波段地表反射率第2 层次光谱同波段相邻对象地表灰度差异第2 层次反射率差异延伸性最大直径与最小直径的比值第2 层次形状要素描述影像对象形状的度量第2 层次纹理面积组成影像对象的像元数目第2 层次粗糙度描述影像对象破碎程度第3层次紧致度影像对象间紧密程度的度量第3层次海拔影像对象的平均海拔第3层次空间坡度影像对象的平均坡度第3层次坡向影像对象的平均朝向第3层次第3层次：基于规则的泥石流物源分类.根据各类泥石流物源间光谱、纹理、空间特征的差异，构建影像分类特征集，按照崩滑、坡面、沟道3类泥石流物源分布特点划分泥石流物源类型.在明确泥石流物源类型的基础上，进一步提取各类泥石流物源赋存面积、所处区域、分布集中程度等空间分布特征.450兰州大学学报（自然科学版），),2023,59(4)2结果与分析2.1研究区概况拟建抽水蓄能电站位于陇中黄土高原西南部洮河流域下游左岸，初拟调节库容6.2 0 1 0 m，装机容量1 2 0 0 MW.研究区位于以震旦系变质岩及古生代侵人岩为基底的新生代盆地北部边缘，东侧和东北侧以洮河为界，与临洮黄土高原西缘分野，总体形成黄土-基岩的区域性地层结构(图2).前第四系主要由新近系及其下伏加里东中期侵人岩组成；黄土大面积出露，覆盖于基岩之上，厚度变化1 0 65m，部分地区达到近1 0 0 m，总的趋势表现为北部地区厚度大于南部地区；沟谷内冲洪积物和斜坡中低部残坡积广泛分布，厚度1 8 m.N.ZSSEQN.ISoSEKQoldlQalplQ4N.OS.SE0500mL10327E10329E10331E研究区洮河K白垩系花岗岩Q风积层Q冲洪积层Q:a崩坡积层图2 石研究区地质图Fig.2Geological map of the study area研究区地处黄土高原与青藏高原的过渡带，属温带半干旱气候，具有显著的高原气候特点.受南部山地的影响，研究区降雨较少，多年平均降水量5 39.6 mm，最大年降雨量8 0 1.5 mm，降雨主要集中在7-9月（占全年降水量的7 0%左右)，且多以暴雨形式出现，最长连续降雨长达1 5 d,24h最大雨强达1 4 3.8 mm.区内地形复杂，以高、中山黄土地貌为主，相对高差较大，沟谷侵蚀切割强烈，梁顶完整性差，梁顶与沟底相对高差最大为36 7 m,横断面多呈窄深的V形，两侧坡度为2 5 4 0 区内植被以草本植物及活地被物为主，局部分布少量山地灌木.研究区具备泥石流成灾充足的地形条件、水动力条件和物源条件，具有极端降水条件下发生泥石流灾害的可能。2.2数据获取与预处理选用大疆御Mavic2Pro多旋翼无人机，搭配P4M多光谱镜头，采集研究区高精度多波段遥感信息.基于运动恢复结构算法(SFM)26,对所获航摄数据进行定位、拼接及矫正等处理，生成分辨率为0.05m的数字正摄影像与数字高程模型(图3),按相等权重，将研究区红、绿、蓝、近红外、坡度、坡向、DEM数据组合为多波段影像进行图像分割.北0100ma正摄影像北高程/m256122040100mb高程模型图3研究区遥感影像Fig.3Remote sensing image of the study area2.3影像多尺度分割本研究区地物单体面积偏小、泥石流物源分布较为松散破碎，故选取1 作为ESP2工具迭代增量，在1 1 0 0 对影像L,进行自下而上的迭代，计算各尺度级别下L,的R，将送代计算所得R-L,曲线(图4)，所有峰值点对应尺度2 9、31、39、4 5、4 8、52、5 5、5 8、6 1、6 5、6 7、7 2、7 6、8 0、8 2、90、98共1 7 个尺度作为备选影像分割尺度，通过判别不同备选分割尺度下的影像分割效果，发现当i45时，不同地物被归于一类，出现“欠分割”现象.当39时，影像对象内部地物同质性较高、对象边缘清晰，分割效果满足使用需求.因此，选用=39进行影像分割2.4泥石流物源信息提取2.4.1干扰地物的剔除在影像多尺度分割的基础上，充分考虑样本的典型性和代表性，选取稀疏植被与裸地典型对象图斑作为训练样本，使用K最近邻分类器 2 7 ,基于模糊分类技术，统计各类地物训练样本区的特过分割(i=31)b适宜(i=39)c欠分割(i=45)a图5 不同尺度的影像分割结果Fig.5Segmentation results of different scales征规律，计算训练样本与待分类对象在特征空间中的距离，将待分类影像划分至与其最相似的样本类，归类剔除稀疏植被与裸地2 类地物生长、分布不均，难以使用分类规则进行有效识别的地物，结果见图6.将所得结果掩膜处理，将剩余地物归为候选泥石流物源进行二次分类北稀疏植被裸露土地候选物源0100m图6 第1 层次影像分类结果Fig.6Image classification result of the first level2.4.2泥石流物源的提取影像分割结果中隶属于道路与建筑两类地物的影像图斑几何形状偏向矩形且长宽比一般较大，隶属于基岩的图斑面积一般较大且对象间结合较为紧密.选择灰度差异、灰度平均值、面积、延伸性、形状要素及紧致度、粗糙度共7 种影像特征构建分类特征集，识别建筑、道路与基岩3类与泥石流物源光谱特征相近，但纹理、形状特征差异较大的无关地物，结果见图7，剩余地物即为泥石流物源2.4.3泥石流物源类型及其空间分布特征崩滑多发生于两侧岸坡陡峭处与节理裂隙发育的岩体或土体处，其崩塌失稳后往往堆积于斜坡坡脚平缓处或两岸上陡下缓、坡度变化明显处，构成泥石流崩滑物源.沟道物源主要由沟道两侧岸坡块石滚落至沟内堆积、谷底基岩风化剥蚀堆积以及中下游块石向下游搬运堆积形成，粒径具有一定分选性.坡面物源主要由沟谷两岸的崩(滑)塌堆积体、沟岸坡潜在失稳的原生岩土体及水土流失产生，分布较为松散.研究区左侧岸坡相452兰州大学学报(自然科学版)，2 0 2 3，5 9(4)稀疏植被道路建筑北裸露土地基岩出露全部物源0100m图7第2 层次影像分类结果Fig.7Image classification result of the second level较于右侧岸坡地势更为陡峭、植被更为稀疏，造成沟谷内的崩坡积物和潜在失稳岩土体物源多分布于沟道左侧岸坡.以坡度、海拔、粗糙度、紧致度、坡向构成影像为分类特征集，提取泥石流物源类型，结果见图8.坡面物源面积为1.6 x10*m，是研究区分布最广，面积最大的物源类型，以碎石坡积物为主，主要分布在主沟两侧岸坡中下部，不存在危岩体滑坡.沟道物源面积为1.2 1 0*m，是研究区重要的泥石流物源类型，主要由沟道块石堆积物组成，块石大小不一，但粒径普遍较小，米级粒径块石主要分布在主沟中下段沟道内，两岸沟道物源主要为各支沟内小粒径堆积碎石.崩滑物源面积为4.110m，主要由两岸坡脚处块石松散堆积物及少量黄土崩坡积物组成，分布较少且相对较为集中，表明研究区近期未发生大规模崩塌、滑坡。崩滑物源道路建筑北坡面物源基岩出露沟道物源稀疏植被裸露土地0100mL图：最终影像分类结果Fig.8Final image classificationresult2.5精度检验对所提分层联合信息提取方法结果精度进行两次检验.第1 次精度检验：根据研究区现场调查结果（图9)，使用用户精度(usersaccuracy,，U A)、生产者精度(producersaccuracy,PA)、总体分类精度(overallaccuracy,OA)及k系数，定量评价精度.UA=100%,(2)之Xi+=1XiPA=100%,(3)X+ii=1之XiOA=100%,(4)NKNx(X+Xt)i=1K=(5)N2之Xi(X;+X)其中，N为混淆矩阵元素总数；x.为第i行第i列元素；x为第i行元素之和；x为第i列元素之和；k为分类数目，沟道物源坡面物源b沟道物源与坡面物源房滑物源坡面物源流向流向a崩滑物源c坡面物源图9研究区现场调查结果示例Fig.9Examplesoffield investigationresultsin the study area第2 次精度检验：基于相同影像分类特征集与影像分割结果，使用不分层、不联合的传统面向对象的规则分类法，一次性提取泥石流物源信息，将结果作为对照组，基于现场调查结果，使用与第1次精度检验相同的评价指标，定量评价对照组信息提取结果精度；基于现场调查结果，对比分析传统方法精度评价结果（图1 0)与本研究分层联合方法精度评价结果，定性评价（表2）.本研究方法信息提取结果边界完整、位置准确，与现场实地调查453李锦琪，等：基十多尺度分精细化提取方法崩滑物源道路建筑北坡面物源基岩出露沟道物源稀疏植被裸露土地0100m图1 0传统面向对象法地物分类结果Fig.10 Identification results of traditional method表2 地物分类精度检验结果Table2Test result of land classification accuracy%传统方法本研究所提方法类别UAPAUAPA崩滑物源76.577.281.383.0沟道物源78.982.482.685.5坡面物源77.776.587.285.3基岩出露78.575.980.376.9裸地72.873.588.286.9道路建筑88.692.190.395.2稀疏植被地表71.278.382.487.5结果符合性较高，提取结果精度较高，其中OA由77.8%提升至8 9.7%，K系数由0.7 3提升至0.8 2.按照语义分割精度评价标准 2 8,信息提取结果与实际地物的相符程度由较高一致性提升至极高一致性.由于传统面向对象的信息提取方法主要依靠影像分割后影像对象间的特征差异阈值区分地物信息，本研究采用的最近邻分类器，使用模糊分类的方法，对裸地及稀疏植被2 类地物进行“像素级”剔除，在地物破碎程度较高、特征阈值不明显的西部高寒沟谷地区，本研究方法信息提取结果更为精细、完整，减少了干扰地物与泥石流物源的混淆现象.本研究采用分层处理的方法，将泥石流物源与基岩等其他地物进行区分，各类泥石流物源UA与PA提升了4%1 0%，提高了信息提取的精度与速度.3结论基于影像多尺度分割结果，分层联合提取泥石流物源信息，将已分类地物掩膜处理，降低不同地物间的混淆情况，提高破碎分布型泥石流物源信息提取结果的精细化程度.相较于传统面向对象分类方法，分层联合的信息提取方法更为有效地识别出分布破碎程度高、单体面积小的泥石流物源；各类泥石流物源识别精度分别提升了4%10%；信息提取结果与实际地物相符程度由较高一致性提升至极高一致性.参考文献1邹才能，熊波，薛华庆，等.新能源在碳中和中的地位与作用 J.石油勘探与开发，2 0 2 1,48(2)：41 1-42 0.2刘传正,刘艳辉.论地质灾害防治与地质环境利用 1 .吉林大学学报（地球科学版),2 0 1 2,42(5)：1 46 9-1 47 6.3陈宁生，田树峰,张勇，等.泥石流灾害的物源控制与高性能减灾 J.地学前缘,2 0 2 1,2 8(4):337-348.4王润生，熊盛青，聂洪峰，等.遥感地质勘查技术与应用研究 J.地质学报，2 0 1 1,8 5(1 1)：1 6 99-1 7 43.5梁懿文，张毅，苏晓军，等.基于InSAR的潜在滑坡人工智能识别：以延安宝塔区为例 .兰州大学学报（自然科学版),2 0 2 2,5 8(2):2 1 2-2 2 1.6张芝艳，刘兴荣，周自强，等.白龙江中上游地区泥石流危险性评价 .兰州大学学报（自然科学版),2 0 2 1,57(5):615-621,626.7李昕娟，林家元,胡桂胜，等.西南山地典型流域地震前后泥石流物源遥感精细识别：以九寨沟树正寨流域为例 J.遥感技术与应用,2 0 2 1,36(3):6 38-6 48.8董秀军，许强，余金星，等.九寨沟核心景区多源遥感数据地质灾害解译初探 .武汉大学学报（信息科学版,2020,45(3):432-441.9 CAO C,ZHANG W,CHEN J P,et al.Quantitative esti-mation of debris flow source materials by integratingmulti-source data:a case studyJ.Engineering Geology,2021,291:10622.10李桥，巨能攀，黄健，等.基于主成分分析的PSO-ELM_Adaboost算法耦合模型在极震区泥石流物源动储量计算中的应用 .科学技术与工程,2 0 2 0,2 0(1 5):5961-5970.11白，刘盼芝，惠萌.利用小波核最小噪声分离进行高光谱影像SVM分类 J.武汉大学学报（信息科学版),2016,41(5):624-628,664.12 MWANIKI M W,KURIA D N,BOITT M K,et al.Im-age enhancements of Landsat 8(OLI)and SAR datafor preliminary landslide identification and mappingapplied to the central region of KenyaJj.Geomorphol-0gy,2017,282:162-175.13 RAJENDRAN S,NASIR S.Discrimination of bedrocksand landslide area of Jabal Samhan-Zalawt Plain regionof the southern Oman using remote sensing technique.Remote Sensing Applications:Society and Environ-ment,2018,9:69-81.（责任编辑：蔡红霞）（上接第446 页）（责任编辑：蔡红霞）454兰州大学学报（自然科学版），),2023,59(4)14 BLASCHKE T.Object based image analysis for remotesensingJ.ISPRS Journal of Photogrammetry and Re-mote Sensing,2010,65(1):2-16.15詹琪琪，赵伟，杨梦娇，等.雅鲁藏布江中部流域土地沙化遥感识别 J.地球信息科学学报，2 0 2 2,2 4(2):391-404.16张友谊,袁亚东,顾成壮.震区泥石流物源储量评价方法综述 .山地学报，2 0 2 0,38(3)：394-40 1.17杨先增，周亚男，张新，等.融合边缘特征与语义信息的人工坑塘精准提取方法 .地球信息科学学报，2022,24(4):766-779.18谭衢霖，刘正军,沈伟.一种面向对象的遥感影像多尺度分割方法 .北京交通大学学报，2 0 0 7,40(4)：1 1 1-114,119.19周鹏，杨军.采用神经网络架构搜索的遥感影像分割方法 .西安电子科技大学学报，2 0 2 1,48(5)：47-5 7,77.20 DUAN H C,WANG T,XUE X,et al.Dynamics of aeo-lian desertification and its driving forces in the HorqinSandy Land,Northern ChinaJ.Environmental Moni-toring and Assessment,2014,186(10):6083-6096.21张森，陈健飞，龚建周.面向对象分类的决策树方法探讨：以Landsat-80LI为例 .测绘科学，2 0 1 6,41(6):117-121,125.23 QING F,ZHAO Y,MENG X M,et al.Application ofmachine learning to debris flow susceptibility mappingalong the China-Pakistan Karakoram HighwayJ.Re-mote Sensing,2020,12:2933.24 LI L P,LAN H X,GUO C B,et al.A modified fre-quency ratio method for landslide susceptibility assess-mentJ.Landslides,2017,14:727-741.25李郎平，兰恒星，郭长宝，等.基于改进频率比法的川藏铁路沿线及邻区地质灾害易发性分区评价 .现代地质,2 0 1 7,31(5):91 1-92 9.26郭长宝，唐杰，吴瑞安，等.基于证据权模型的川藏铁路加查-朗县段滑坡易发性评价 1 .山地学报，2 0 1 9,37(2):240-251.27 PRADHAN B,LEE S.Delineation of landslide hazardareas on Penang Island,Malaysia,by using frequencyratio,logistic regression,and artificial neural networkmodelsJ.Environmental Earth Sciences,2010,60:1037-1054.28 FAWCETT T.An introduction to ROC analysis.Pattern Recognition Letters,2006,27:861-874.29 VAKHSHOORI V,ZARE M.Landslide susceptibility22洪亮，楚森森，彭双云，等.顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法 .遥感学报，2020,24(12):1464-1475.23 DRAGUT L,TIEDE D,LEVICK S R.ESP:a tool to es-timate scale parameter for multiresolution image seg-mentation of remotely sensed dataJ.International Jour-nal of Geographical Information Science,2010,24(6):859-871.24刘佳丽，范建容，张茜或，等.高寒草地生长季/非生长季植被盖度遥感反演 J.草业学报，2 0 2 1,30(9)：1 5-26.25杜培军,夏俊士，薛朝辉，等.高光谱遥感影像分类研究进展 .遥感学报,2 0 1 6,2 0(2):2 36-2 5 6.26许彪，董友强，张力，等.分区优化混合SfM方法 .测绘学报,2 0 2 2,5 1(1):1 1 5-1 2 6.27 CHIRICI G,MURA M,MCINERNEY D,et al.A meta-analysis and review of the literature on the k-nearestneighbors technique for forestry applications that use re-motely sensed dataJ.Remote Sensing of Environment,2016,176:282-294.28文聪聪，彭玲，杨丽娜，等.主题模型与SVM组合的小尺度街区用地分类方法 J.地球信息科学学报，2 0 1 8,20(2):167-175.mapping by comparing weight of evidence,fuzzylogic,and frequency ratio methodsJ.Geomatics Natu-ral Hazards and Risk,2016,7:1731-1752.30 YUNUS A P,FAN X M,SUBRAMANIAN S S,et al.Unraveling the drivers of intensified landslide regimesin Western Ghats,IndiaJ.Science of the Total Envi-ronment,2021,770:145357.31 ZHANG F Y,HUANG X W.Trend and spatiotemporaldistribution of fatal land-slides triggered by non-seismic effects in China.Landslides,2018,15(8):1663-1674.32王忠武，祁维秀，白林，等.祁连山地区气候变化特征再分析 J.青海草业，2 0 1 8,2 7(2):42-48.33程鹏，孔祥伟，罗汉，等.近6 0 a以来祁连山中部气候变化及其径流响应研究 J.干旱区地理，2 0 2 0,43(5)：1192-1201.34 LAN H X,TIAN N M,LI L P,et al.Poverty controlpolicy may affect the transition of geological disasterrisk in ChinaJ.Humanities&Social Sciences Com-munications,2022,9:80.