| 基于机器学习的地表破裂自动识别和填图——以2021年青海玛多MW7.4级地震为例 |
| |
| 引用本文： | 曾宪阳,刘静,王伟,姚文倩,吴静,刘小利,韩龙飞,王文鑫,邢宇堃,杜瑞林,杨绪前.基于机器学习的地表破裂自动识别和填图——以2021年青海玛多MW7.4级地震为例[J].地球物理学报,2023(3):1098-1112. |
| |
| 作者姓名： | 曾宪阳 刘静 王伟 姚文倩 吴静 刘小利 韩龙飞 王文鑫 邢宇堃 杜瑞林 杨绪前 |
| |
| 作者单位： | 1. 中国地震局地质研究所地震动力学国家重点实验室;2. 天津大学表层地球系统科学研究院地球系统科学学院;4. 中国地震局地震研究所地震大地测量重点实验室 |
| |
| 基金项目： | 国家重点研发计划(2021YFC3000605-04)；;国家自然科学基金(U1839203,42030305)； |
| |
| 摘 要： | 大地震的同震地表破裂高分辨率填图对于理解破裂传播机制、量化地震灾害和地震危险性等至关重要；无人机航片和地形数据为地表破裂研究提供大量的高精度数据.同时基于海量数据的人工填图耗时费力，效率较低；机器学习(Machine learning)技术的发展为快速处理这类高分辨率图像数据提供了新思路.本文以2021年玛多MW7.4级地震震后高精度无人机航片为基础数据，展示了机器学习技术快速、高效识别地表破裂的潜力.基于卷积神经网络Canny算法，详细讨论了无人机数字正射影像的处理流程和关键步骤，包括准备训练数据、训练和后处理.对比人工识别和机器识别的结果显示，本文所提出的方法可以有效地绘制地表破裂，为未来研究大地震地表破裂提供新思路.同时，展示了机器学习在地震地质、地表过程和地貌等定量研究中的巨大优势和广阔前景.
|
| 关 键 词： | 机器学习 遥感影像 卷积神经网络 2021年青海玛多地震 地震地表破裂 精细填图 |
|
|
