Modelling of shallow landslides with machine learning algorithms     

Zhongqiang Liu  Graham Gilbert  Jose Mauricio Cepeda  Asgeir Olaf Kydland Lysdahl  Luca Piciullo  Heidi Hefre  Suzanne Lacasse 《地学前缘(英文版)》2021,12(1):385-393

This paper introduces three machine learning(ML)algorithms,the‘ensemble'Random Forest(RF),the‘ensemble'Gradient Boosted Regression Tree(GBRT)and the Multi Layer Perceptron neural network(MLP)and applies them to the spatial modelling of shallow landslides near Kvam in Norway.In the development of the ML models,a total of 11 significant landslide controlling factors were selected.The controlling factors relate to the geomorphology,geology,geo-environment and anthropogenic effects:slope angle,aspect,plan curvature,profile curvature,flow accumulation,flow direction,distance to rivers,water content,saturation,rainfall and distance to roads.It is observed that slope angle was the most significant controlling factor in the ML analyses.The performance of the three ML models was evaluated quantitatively based on the Receiver Operating Characteristic(ROC)analysis.The results show that the‘ensemble'GBRT machine learning model yielded the most promising results for the spatial prediction of shallow landslides,with a 95%probability of landslide detection and 87%prediction efficiency.  相似文献   

基于机器学习的目标点雷电安全风险预警方法研究     

殷启元  林蟒  杨思鹏  朱怡颖  方俏娴  杜晖  周方聪 《热带气象学报》2024,(2):217-225

收集广东地区1404组包括四个预警类型历史雷暴过程数据样本。结合目标点周围雷电发生的物理特征、雷电灾害的孕灾环境和承灾体特征的7个预报因子,利用四种机器学习算法训练得到面向目标点的雷电安全风险分级预警模型,并开展多指标对各模型进行评价分析,发现无等级模型和四级等级模型中都是随机森林算法的预警准确率最好,分别是95%和73%,而传统的卷积神经网络模型效果不佳。并选取广州塔作为目标点进行模型验证方法可行性,最终得到适应于广东雷暴特征的雷电安全风险预警分级模型。同时,根据本研究过程中可能存在不足提出下一步优化升级思路和方法。  相似文献   

Proof of concept of a novel cloud computing approach for object-based remote sensing data analysis and classification   总被引：1，自引：0，他引：1  

R. R. Antunes  T. Blaschke  D. Tiede  E. S. Bias  G. A. O. P. Costa  P. N. Happ 《地理信息系统科学与遥感》2019,56(4):536-553

Advances in the development of Earth observation data acquisition systems have led to the continuously growing production of remote sensing datasets, for which timely analysis has become a major challenge. In this context, distributed computing technology can provide support for efficiently handling large amounts of data. Moreover, the use of distributed computing techniques, once restricted by the availability of physical computer clusters, is currently widespread due to the increasing offer of cloud computing infrastructure services. In this work, we introduce a cloud computing approach for object-based image analysis and classification of arbitrarily large remote sensing datasets. The approach is an original combination of different distributed methods which enables exploiting machine learning methods in the creation of classification models, through the use of a web-based notebook system. A prototype of the proposed approach was implemented with the methods available in the InterCloud system integrated with the Apache Zeppelin notebook system, for collaborative data analysis and visualization. In this implementation, the Apache Zeppelin system provided the means for using the scikit-learn Python machine learning library in the design of a classification model. In this work we also evaluated the approach with an object-based image land-cover classification of a GeoEye-1 scene, using resources from a commercial cloud computing infrastructure service provided. The obtained results showed the effectiveness of the approach in efficiently handling a large data volume in a scalable way, in terms of the number of allocated computing resources.  相似文献   

深度学习的极化合成孔径雷达影像语义分割     

黄刚  刘先林 《测绘科学》2019,44(6):166-169,192

针对现有极化合成孔径雷达影像语义分割方法存在的缺点,且该方向深度学习研究较少的问题,该文以国产机载全极化MiniSAR系统为依托,首先,对极化合成孔径雷达原理和基于深度学习的极化合成孔径雷达影像语义分割方法进行了分析;其次,使用实验数据对该方法的分割精度进行了验证分析,单类分割最大像素精度达94.61%,全类均交并比达到86.83%,结果证明了该分割方法的可行性和准确性;最后,为进一步提高极化SAR影像语义分割精度,在样本制作、提升效率、矢量化等方面提出了建议。  相似文献   

卷积神经网络在大规模图像分类中的应用   总被引：2，自引：0，他引：2  

李英成  钱赛男  朱祥娥  刘晓龙  李晶晶 《测绘科学》2019,44(6):121-125

针对大规模无序图像分类处理中成对图像的匹配和几何验证的计算量大的问题,该文通过研究和学习机器学习及图像识别领域先进的方法,提出了一种基于孪生神经网络的大规模图像有序化方法。该算法主要是:通过抽取已训练好的VGG19的网络模型的卷积层作为图像的特征,将提出的特征分别加权后,连接起来,再次卷积和池化,利用响应函数判定图像之间连通性,实现对输入图像对连通性判定。经实验证明,该算法可有效地识别具有场景重叠的图像对,效率和精度上也有所提高,无须执行详尽的推定匹配和几何验证,适用于运动恢复结构,图像连接等各种场景。  相似文献   

超像素与主动学习相结合的遥感影像变化检测方法     

王成军  毛政元  徐伟铭  翁谦 《地球信息科学学报》2018,20(2):235-245

针对高分辨率遥感影像变化检测结果较破碎,易产生椒盐噪声、监督训练过程中人工标注成本较高、训练样本冗余以及大量未标注样本信息未有效利用等问题,提出一种超像素与主动学习相结合的高分辨率遥感影像变化检测方法。利用超像素分割算法得到超像素对象,提取其光谱和纹理特征;引入并借助主动学习样本选择策略充分利用未标注样本信息,挖掘不确定性最大、最易错分的样本交由用户人工标注;为保证所选样本的多样性,加入基于余弦角距离的样本相似性度量,以减少样本间信息冗余,在减轻人工标注负担的同时获得良好的分类性能。通过对2组不同场景的遥感影像的实验,表明本文提出的2种方法能够在标注少量训练样本的情况下获得较好的变化检测结果,且加入样本相似性度量的变化检测方法在有效减少人工标注成本和训练样本冗余的同时,能够更快地达到收敛、提升检测质量。  相似文献   

基于Adaboost的高分遥感影像自动变化检测方法     

陈伟锋  毛政元  徐伟铭  许锐 《地球信息科学学报》2018,20(12):1756-1767

基于监督分类的高分辨率遥感影像变化检测需要大量人工标注,且单个监督分类器难以适应高分影像中复杂多样的地表变化信息提取,检测结果中“椒盐噪声”严重、变化图斑破碎。因此,本文提出一种基于Adaboost集成算法、自动标注训练样本的变化检测方法。首先利用非监督分类方法完成变化初检,接着在初检结果中进行“非等距”区间采样自动获取均匀分布的训练样本;然后以Adaboost算法为集成框架,选择决策树桩、Logistic回归和kNN作为弱分类器,构建一种混合分类器集成系统,充分挖掘和利用高分影像中的空间信息以提升分类精度和分类器泛化能力,最后利用SLIC分割算法和空间邻域信息对像元级检测结果进行空间约束滤波,进一步提升变化检测精度。为验证本文方法的有效性,选取SPOT-5和WorldView-2影像为实验数据,结果表明本文方法能有效降低训练样本人工标注成本、提高变化检测精度。  相似文献   

基于全卷积神经网络的建筑物屋顶自动提取     

刘文涛  李世华  覃驭楚 《地球信息科学学报》2018,20(11):1562-1570

高分辨率遥感影像在地面自动目标提取中得到了广泛应用,然而利用传统算法,很难高精度地进行实时的建筑物屋顶绘图。本文使用深度学习方法探讨建筑物屋顶分割,由于卷积运算对形变、旋转、光照条件的不敏感,设计了一种用于建筑物屋顶提取的深度卷积神经网络,提出的网络为级联式全卷积神经网络,在深度卷积神经网络的设计中使用了特征复用和特征增强,实现建筑物的自动精确提取。以美国马萨诸塞州建筑物数据集为基础的实验结果表明,本文提出的网络结构取得了92.3%的总体预测精度,和其他方法相比,本文提出的方法具有更高的精度  相似文献   

分析学习智能元胞自动机及优化的城市模拟     

陶嘉  黎夏  刘小平  何晋强 《地理与地理信息科学》2007,23(5):43-47,51

元胞自动机被广泛应用于城市及其他地理现象的模拟,模拟过程中的最大问题是如何确定模型的结构和参数。该文提出一种基于分析学习的智能优化元胞自动机,该模型在逻辑回归模型的基础上,基于分析学习的智能方法,寻找元胞自动机模型的最佳参数。该方法允许用户控制空间变量影响权重,进而模拟出不同的城市发展模式,可为城市规划提供重要参考。  相似文献   

基于机器学习的岩体结构面剪切破坏区域预测研究     

王松挺 《地质与勘探》2024,60(2):388-406

剪切破坏区域是岩体结构面上下盘相对运动的主要接触区域,对抗剪强度具有重要影响。鉴于结构面剪切破坏区域与形貌特征的高度非线性关系,本文在分析结构面表面形貌特征及剪切机制的基础上,以粗糙度参数倾向、倾角、曲率、高差和孔径分布来描述结构面表面形貌特征。对结构面试样开展法向应力为1.0MPa的直剪试验,通过图像分割技术提取剪切破坏区域,利用多种机器学习方法构建结构面剪切破坏区域预测模型,建立结构面粗糙度参数与破坏状态之间的非线性关系,并采用训练准确率和AUC（Area Under Curve）值等指标对模型预测性能进行评估。结果表明所建立的模型中集成装袋树预测性能最好,其次是K最近邻,其训练准确率最高分别可达98.02%和97.38%,AUC值最高分别可达0.78和0.74。通过敏感性分析发现孔径分布对剪切破坏区域的影响最大。本研究对有效分析结构面的剪切破坏机理和准确评价抗剪强度具有重要意义。  相似文献