Page 165 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 徐胜华等：多尺度特征学习的轻量化滑坡易发性评价方法 1187

SVM、Multi-CNN、DS-CNN、MSCNN、SFC‑ 得 该 方 法 达 到 轻 量 化 水 平 ，从 而 验 证 了 其 有
Net 和 MFL-LN 模型的 ROC 曲线如图 16 所示 。 效性。
DS-CNN 精度最低，其仅使用可分离卷积导致特
表 3 模型轻量化效果分析/MB
征 表 达 能 力 受 限 ，部 分 重 要 特 征 信 息 丢 失 。
Table 3 Model Lightweighting Analysis/MB
Multi-CNN、SFCNet 和 SVM 精 度 较 低 ，Multi-
模型 参数量 浮点运算量
CNN 通 过 特 征 图 非 对 称 聚 合 连 接 2D-CNN 和
Multi-CNN 0.351 32.210
1D-CNN，维持网络深度而限制模型参数，减少了 DS-CNN 0.015 1.795
计算量，但没有顾及对滑坡影响较大的评价因子 MSCNN 1.521 443.967
的作用；SFCNet 利用可分离卷积和因式分解卷 SFCNet 0.130 123.853
积降低了模型复杂度，但未能有效融合不同层次 MFL-LN 0.081 41.102
的滑坡特征；SVM 虽然具有解决非线性高维模式
4 结 语
识别问题的优势，但存在特征信息挖掘不够的问
题。MSCNN 方法精度相对较高，然而参数过多，
滑坡易发性评价可以为滑坡灾害防治工作
计算成本较高。MFL-LN 方法精度最高，其考虑
提供科学依据，是相关部门开展滑坡防灾减灾应
到不同特征对滑坡的影响程度不同，并进行了重
用的基础。本文以陕西省安康市为研究区，采用
要特征增强处理。
Spearman 等级相关系数法对滑坡评价因子冗余
性进行分析，基于 DSC 和通道增强的注意力机制
构建 DFEM 模块，利用 ASPP 策略构建 MSFF 模
块，在此基础上提出多尺度特征学习的轻量化网
络，对研究区滑坡易发性进行评价，从滑坡易发
性分区图、滑坡灾害点密度分区统计及评价模型
精度 3 个方面与 SVM 模型、Multi-CNN 模型、DS-
CNN 模型、MSCNN 模型、SFCNet 模型进行了易
发 性 精 度 对 比 分 析 ，从 参 数 量 和 浮 点 运 算 量 与
Multi-CNN 模型、DS-CNN 模型、MSCNN 模型、
SFCNet 模型进行了模型轻量化效果分析。实验
图 16 不同模型的 ROC 曲线 结果表明，MFL-LN 模型利用 DFEM 搭建网络架
Fig. 16 ROC Curves of Different Models 构，具有较低的参数数量和计算复杂度，能够动
态地学习不同滑坡评价因子之间的重要性，增强
3.4 模型轻量化效果分析
了模型对数据的表征能力；采用 MSFF 将编码后
模型轻量化效果分析见表 3。由表 3 可知，
的浅层丰富特征与深层局部细节特征相结合，有
MSCNN 方法参数量和浮点运算量最大，这是因
效提升了滑坡预测的准确性。由于滑坡是一个
为该模型使用多层卷积层和池化层，同时在进行
长期且复杂的时空演化过程，本文方法没有考虑
多尺度特征融合时，使用了大量全连接层，导致
滑坡的时序预测，后续研究可以基于时间序列数
了较大的内存消耗；Multi-CNN 方法先采用 2D-
据评估滑坡发生的时间和空间概率分布并提供
CNN，后转换为 1D-CNN 进行特征提取，在保证
动态的滑坡易发性信息，以捕捉滑坡易发性的时
参数量不高的同时，大幅度减少了运算量；SFC‑
空动态变化，有效提高预测时效性。
Net 方法采用可分离卷积和因式分解卷积，将参
数量减小了一个数量级，然而该方法中使用了逐 参 考 文 献
点 卷 积 、可 分 离 卷 积 和 因 式 分 解 卷 积 的 拼 接 操
［1］ 严俊 . 滑坡易发性预测建模的不确定性： 滑坡边界
作，因此运算量仍处于较高水平；DS-CNN 方法
及 环 境 因 子 误 差 的 影 响［D］. 南 昌 ： 南 昌 大 学 ，
仅采用 DSC，由于该方法采用 2D 输入数据，与其
2022.
他对比方法输入不同，因此参数量和运算量均较
YAN Jun. Uncertainties in Landslide Susceptibility
小 。 本 文 提 出 的 MFL-LN 方 法 结 合 DFEM 和 Prediction Modeling ： Influence of Landslide
MSFF，大幅度降低了模型的参数量和运算量，使 Boundary and Conditioning Factor Error ［D］.