【论文解读|滑坡检测·U-Net·语义分割· 深度学习·遥感·中分辨率影像】基于双编码器 U-Net 的滑坡检测方法：融合 Sentinel-2 影像与 DEM 数据（二）-CSDN博客

本文链接：https://blog.csdn.net/2401_89898861/article/details/146345680

【论文解读|滑坡检测·U-Net·语义分割· 深度学习·遥感·中分辨率影像】基于双编码器 U-Net 的滑坡检测方法：融合 Sentinel-2 影像与 DEM 数据（二）

文章目录

【论文解读|滑坡检测·U-Net·语义分割· 深度学习·遥感·中分辨率影像】基于双编码器 U-Net 的滑坡检测方法：融合 Sentinel-2 影像与 DEM 数据（二）
- 2 研究区域与数据
- - 2.1 研究区域
  - 2.2 中分辨率遥感影像与滑坡参考数据

欢迎铁子们点赞、关注、收藏！
祝大家逢考必过！逢投必中！上岸上岸上岸！upupup

大多数高校硕博生毕业要求需要参加学术会议，发表EI或者SCI检索的学术论文会议论文。详细信息可关注VX “学术会议小灵通”或参考学术信息专栏：https://blog.csdn.net/2401_89898861/article/details/145551342

论文地址：DOI 10.1007/s10346-023-02089-5

2 研究区域与数据

2.1 研究区域

本研究区域（图 1a）位于中国四川省汶川县与都江堰市交界处，简称“汶-都”研究区，总面积 334.06 km²，地理范围为 103°29′–103°40′E，31°11′–31°20′N，临近四川省省会成都市（图 1b）。该区域属温带湿润气候，2020 年年降水量达 1229.6 mm，其中 8 月降水量最高，为 748 mm（国家统计局，2020）。
汶-都研究区地处青藏高原东缘，地势起伏显著，海拔介于 1029–4081 m 之间，以高山深谷地貌为主。区域内东临岷江，西倚龙门山，位于岷江断裂带与龙门山断裂带的交汇复合区。强烈的构造运动与丰沛降水共同促使该区域滑坡灾害的发生与演化。
如图 1c 所示，第二研究区为日本北海道（简称 Iburi），总面积 412.88 km²，地理范围为 141°53′–142°2´E，42°41′–42°50′N，属温带湿润气候。该区域位于日高山脉前缘褶皱逆冲带，地形以低丘陵为主，海拔16–449 m（Ozaki & Taku, 2014; Zhang et al., 2019）。受活跃构造运动影响，2018 年 9 月6 日，该区域发生 Mw 6.6 级地震。震前持续降水显著加剧了地震诱发滑坡，据 Zhang et al. (2019) 统计，2018 年 8 月 6 日至 9 月 6 日，该区累计降水量近 300 mm，最终导致数千处滑坡灾害的发生。

2.2 中分辨率遥感影像与滑坡参考数据

本研究采用 Sentinel-2 影像与 NASA 数字高程模型（NASADEM）进行滑坡检测。Sentinel-2 具备全球 5 天重访周期，提供 13 个波段影像，其中可见光与近红外波段空间分辨率为 10 m，红边与短波红外波段为 20 m，大气校正波段为 60 m。NASADEM 数据基于航天飞机雷达地形测绘任务（SRTM）再处理而成，空间分辨率 30 m（JPL, 2020）。研究所用数据均通过 Google Earth Engine（GEE）Python API 与 GEEMap 包（Wu, 2020）免费获取。
在汶-都研究区，由于山区多雨多云，影响光学影像质量，因此选取 2020 年 3 月 1 日至 9 月 1 日的 Sentinel-2 影像，并筛选云量小于 30% 的数据进行云掩膜处理，最终通过最小值合成法生成云量较低、质量较优的复合影像。而在 Iburi研究区，选取云量小于 10% 的 2019 年 8 月 6 日 Sentinel-2 影像作为遥感数据源。
为训练语义分割模型，本研究构建了逐像素滑坡掩膜数据。在汶-都研究区，利用 eCognition 软件对 Sentinel-2 影像进行多尺度分割，并采用面向对象视觉解译法提取滑坡信息，结合 Google Earth 影像进行人工修正。在Iburi研究区，直接采用 Zhang et al. (2019) 发布的滑坡数据库。最终，汶-都与Iburi研究区的滑坡掩膜覆盖面积分别为 13.35 km² 和 66.02 km²。最终参考滑坡掩膜为二值数据，其中“0”代表背景，“1”表示滑坡。图 2 展示了研究所用 Sentinel-2 影像（RGB 合成）及相应的滑坡掩膜。
下节请参考：【论文解读|滑坡检测·U-Net·语义分割· 深度学习·遥感·中分辨率影像】基于双编码器 U-Net 的滑坡检测方法：融合 Sentinel-2 影像与 DEM 数据（三）