IT之家 2 月 15 日消息，山區(qū)泥石流災(zāi)害的突發(fā)性與夜間發(fā)生特性使得災(zāi)害預(yù)警面臨巨大挑戰(zhàn)。

傳統(tǒng)的監(jiān)測技術(shù)如雨量計(jì)、泥位計(jì)、視頻監(jiān)控等，存在一定的局限性；而基于多普勒原理的微波雷達(dá)則不依賴可見光，具備全天候、全天時的監(jiān)測能力，但在實(shí)際應(yīng)用中卻會因?yàn)轱L(fēng)吹草動、落石、漲水等環(huán)境變化而導(dǎo)致誤報(bào)。

為了解決這一問題，中國科學(xué)院成都山地災(zāi)害與環(huán)境研究所劉雙與胡凱衡課題組聯(lián)合奧地利學(xué)者開展了泥石流雷達(dá)監(jiān)測技術(shù)的改進(jìn)研究。

他們在前期研究的基礎(chǔ)上，考慮風(fēng)吹草動、崩塌落石、溪水漲落、動物活動、車來人往等環(huán)境因素的影響，結(jié)合大量實(shí)地雷達(dá)測量與樣本采集，提出了基于深度學(xué)習(xí)的多目標(biāo)分類判識方法。

研究團(tuán)隊(duì)采用了 12 種深度學(xué)習(xí)網(wǎng)絡(luò)模型，并結(jié)合遷移學(xué)習(xí)算法，成功構(gòu)建了一個針對泥石流和落石的多目標(biāo)分類模型。

結(jié)果顯示，大部分深度學(xué)習(xí)模型能夠完成多目標(biāo)分類任務(wù)，最高準(zhǔn)確率達(dá)到了 95.46%。其中，vgg16、mobilenet_v2 和 googlenet 模型在泥石流與落石的分類識別上表現(xiàn)尤為優(yōu)秀。

此外，研究人員還探索了基于多個深度學(xué)習(xí)模型和投票策略相結(jié)合的集合判識方法。該方法進(jìn)一步優(yōu)化了目標(biāo)分類的準(zhǔn)確性和精度，顯著降低了虛警率，增強(qiáng)了泥石流的監(jiān)測判識能力。

IT之家附論文鏈接：
https://doi.org/10.1029/2024GL112351