Page 167 - 《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 1189

Journal for Science and Engineering， 2022， 47（6）： 报， 2022， 30（3）： 908-919.
7367-7385. WANG Shibao， ZHUANG Jianqi， ZHENG Jia， et
［16］ 孙德亮， 陈丹璐， 密长林， 等 . 基于随机森林-特征 al. Landslide Susceptibility Evaluation Based on
递归消除模型的可解释性缓丘岭谷地貌滑坡易发 Deep Learning Along Kangding − Litang Section of
性 评 价［J］. 地 质 力 学 学 报 ， 2023， 29（2）： 202- CZ Railway［J］. Journal of Engineering Geology，
219. 2022， 30（3）： 908-919.
SUN Deliang， CHEN Danlu， MI Changlin， et al. ［23］ LIU R， YANG X， XU C， et al. Comparative
Evaluation of Landslide Susceptibility in the Gentle Study of Convolutional Neural Network and Conven‑
Hill-Valley Areas Based on the Interpretable Ran‑ tional Machine Learning Methods for Landslide Sus‑
dom Forest-Recursive Feature Elimination Model ceptibility Mapping［J］. Remote Sensing， 2022， 14
［J］. Journal of Geomechanics， 2023， 29（2） ： （2）： 321.
202-219. ［24］ YI Y N， ZHANG Z J， ZHANG W C， et al. Land‑
［17］ FANG Z C， WANG Y， DUAN G H， et al. Land‑ slide Susceptibility Mapping Using Multiscale Sam‑
slide Susceptibility Mapping Using Rotation Forest pling Strategy and Convolutional Neural Network：
Ensemble Technique with Different Decision Trees A Case Study in Jiuzhaigou Region［J］. CATENA，
in the Three Gorges Reservoir Area， China［J］. Re‑ 2020， 195： 104851.
mote Sensing， 2021， 13（2）： 238. ［25］ WANG Z L， XU S H， LIU J P， et al. A Combina‑
［18］ ZHAO Q F ， CHEN W ， PENG C H ， et al. tion of Deep Autoencoder and Multi-scale Residual
Modeling Landslide Susceptibility Using an Eviden‑ Network for Landslide Susceptibility Evaluation［J］.
tial Belief Function-Based Multiclass Alternating De‑ Remote Sensing， 2023， 15（3）： 653.
cision Tree and Logistic Model Tree［J］. Environ‑ ［26］ LIU T， CHEN T， NIU R Q， et al. Landslide De‑
mental Earth Sciences， 2022， 81（15）： 404. tection Mapping Employing CNN， ResNet， and
［19］ 郭天颂， 张菊清， 韩煜， 等 . 基于粒子群优化支持 DenseNet in the Three Gorges Reservoir， China
向量机的延长县滑坡易发性评价［J］. 地质科技情 ［J］. IEEE Journal of Selected Topics in Applied
报， 2019， 38（3）： 236-243. Earth Observations and Remote Sensing， 2021， 14：
GUO Tiansong， ZHANG Juqing， HAN Yu， et al. 11417-11428.
Evaluation of Landslide Susceptibility in Yanchang ［27］ GE Y F， LIU G， TANG H M， et al. Comparative
County Based on Particle Swarm Optimization Sup‑ Analysis of Five Convolutional Neural Networks for
port Vector Machine［J］. Geological Science and Landslide Susceptibility Assessment［J］. Bulletin of
Technology Information， 2019， 38（3）： 236-243. Engineering Geology and the Environment， 2023，
［20］ 徐胜华， 刘纪平， 王想红， 等 . 熵指数融入支持向 82（10）： 377.
量机的滑坡灾害易发性评价方法： 以陕西省为例 ［28］ 马欣蕊， 徐胜华， 王琢璐， 等 . 融合自编码与密集
［J］. 武 汉 大 学 学 报（信 息 科 学 版）， 2020， 45（8）： 残差网络的滑坡易发性评价［J］. 测绘科学， 2023，
1214-1222. 48（7）： 146-154.
XU Shenghua， LIU Jiping， WANG Xianghong， et MA Xinrui， XU Shenghua， WANG Zhuolu， et al.
al. Landslide Susceptibility Assessment Method In‑ A Combination of Autoencoder and Dense Residual
corporating Index of Entropy Based on Support Vec‑ Network for Landslide Susceptibility Evaluation［J］.
tor Machine： A Case Study of Shaanxi Province［J］. Science of Surveying and Mapping， 2023， 48（7）：
Geomatics and Information Science of Wuhan Uni‑ 146-154.
versity， 2020， 45（8）： 1214-1222. ［29］ 蔡超 . 基于多源数据与尺度分割的滑坡易发性评价
［21］ 林荣福 . 基于优化支持向量机模型的滑坡易发性评 方法研究： 以上犹县为例［D］. 赣州： 江西理工大
价： 以陕西省商洛市为例［D］. 阜新： 辽宁工程技 学， 2021.
术大学， 2021. CAI Chao. Landslide Susceptibility Evaluation
LIN Rongfu. Landslide Susceptibility Evaluation Method Based on Multi-source Data and Scale Seg‑
Based on Optimized Support Vector Machine Model mentation − The Example of Shangyou Country
− Taking Shangluo City of Shaanxi Province as an ［D］. Ganzhou： Jiangxi University of Science and
Example［D］. Fuxin： Liaoning Technical Universi‑ Technology， 2021.
ty， 2021. ［30］ HOWARD A G， ZHU M L， CHEN B， et al. Mo‑
［22］ 王世宝， 庄建琦， 郑佳， 等 . 基于深度学习的 CZ 铁 bileNets： Efficient Convolutional Neural Networks
路康定—理塘段滑坡易发性评价［J］. 工程地质学 for Mobile Vision Applications［EB/OL］. ［2018-