基于遥感与机器学习的大尺度降雨型滑坡特征提取
编号:2934
访问权限:仅限参会人
更新:2024-04-23 20:07:01
浏览:976次
快闪报告
摘要
滑坡是世界上最常见、最严重的自然灾害之一,其中降雨型滑坡约占滑坡总数的90%,研究降雨型滑坡事件的时空变化特征对于区域滑坡预警和灾害防治具有重要意义。鉴于此,本研究设计一套基于 Google Earth Engine(GEE)与机器学习的滑坡事件空间信息自动化提取算法;耦合滑坡前期土壤湿度和近期降雨情况,建立基于水文气象阈值的滑坡预测模型,探索降雨型滑坡的区域空间分布特征。本文基于遥感长时序滑坡变化检测方法,顾及滑坡事件提取的面积精度,实现大尺度的滑坡事件空间信息的快速提取,同时考虑滑坡事件的类型和时间,提出一种顾及前期土壤湿度和近期降雨的水文气象阈值模型,实现降雨型滑坡的判别,为降雨型滑坡事件的时空特征分析提供了数据支撑。
发表评论