Page 199 - 《武汉大学学报（信息科学版）》2025年第6期

第 50 卷第 6 期 陈学业等：结合 SBAS-InSAR 技术与深度神经网络的滑坡早期识别 1221

图 11 地表形变分析结果
Fig. 11 Analysis Results of Surface Deformation

图 13 滑坡识别结果分布图
图 12 潜在滑坡区 Fig. 13 Distribution of Landslide
Fig. 12 Potential Landslide Area Identification Results

经过人工目视解译，在 21 处潜在滑坡区内识 4 处，平均坡度大多都在 20°~35°之间，符合孕育
别到滑坡灾害 30 处，滑坡识别准确率达 70%。其 滑坡的地形条件，部分识别结果的卫星影像图如图
中，有 9 处滑坡识别结果与湖北省环境工作总站 14 所示。
的野外调查资料相吻合，分别是八字门滑坡、店
4 结 语
子 湾 滑 坡 、渡 水 头 滑 坡 、卡 子 湾 滑 坡 、龙 王 庙 滑
坡、千将坪滑坡、树坪滑坡、新滩滑坡以及杨家堡
本文以秭归县为研究区，融合时序 InSAR 技
滑坡；有 4 处滑坡识别结果与中国地质调查局武
术与深度神经网络模型，构建了涵盖地表形变信
汉地质调查中心的资料相吻合，分别是马家沟 2
息、形变聚集区、滑坡易发性、斜坡单元和滑坡解
号滑坡、梅家河初级中学滑坡隐患点、庙岭滑坡 译标志等多源信息融合的滑坡早期识别指标体
以及张家坝 2 号滑坡；17 处是新增的滑坡隐患点， 系，开展滑坡早期识别工作。研究旨在揭示滑坡
有待野外考察进一步验证。滑坡早期识别结果 灾害的变形破坏模式和致灾机制，为区域地质灾
分布和对照表分别如图 13 所示。 害风险防控体系优化提供科学依据。研究所得
在识别的 30 处滑坡中，位于归州镇和沙镇溪 主要结论如下：
镇的最多，共计 15 处占比 50%，其次是水田坝乡 1）构建涵盖多种地质环境条件的滑坡易发