.png){kind=icon}
返回
A data-knowledge-model synergistic reasoning framework for landslide identification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.rse.2026.115404.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
滑坡是频繁且具有高度破坏性的地质灾害。潜在滑坡的早期识别对于风险降低以及加强灾害预防和减灾至关重要。干涉合成孔径雷达（InSAR）因其全天候能力、大范围覆盖和高精度形变测量，已被广泛用于滑坡探测和监测。然而，在植被茂密区域和复杂地形中，相干性损失和敏感性降低常常限制检测性能，从而制约滑坡解释的可靠性。此外，现有的基于深度学习的滑坡识别方法通常未能充分利用地球科学领域知识，这削弱了模型的解释性和泛化能力，并阻碍了大规模部署。为解决这些局限性，提出了一种数据-知识-模型协同推理框架，用于潜在滑坡识别，通过集成InSAR、地球科学知识图谱（KG）和图神经网络（GNN）。首先，应用改进的InSAR处理策略提取地表形变，随后采用形变阈值规则进行初步筛选。在此步骤中，在滑坡易发环境条件约束下构建坡面单元，并将形变测量映射到这些单元。该框架进一步考虑了InSAR导出的形变保持相干性而潜在滑坡仍存在的情形，这种情况在以往研究中考虑不足。其次，通过融合多源地球科学数据构建潜在滑坡KG，以表示滑坡与控制因素之间的多维关系，并采用基于规则的推理进行进一步筛选。最后，采用GNN区分KG推理后仍模糊的坡面单元。实验结果表明，所提出的框架弥补了单一技术的局限性，显著提高了潜在滑坡识别的准确性，并提供了一种可扩展的方法用于大范围滑坡监测和风险评估。研究结果也支持“知识+学习”范式在智能滑坡识别中的有效性，并突显了紧密耦合的多源数据集成与先进算法在促进科学和智能地质灾害防治方面的潜力。
Keyword:
InSAR
landslide identification
knowledge graph
graph neural network
geohazard monitoring
期刊
IF:
11.4
论文数:
1.1W
被引数:
9.4W
机构
引用论文
Automatic delineation of geomorphological slope units with r.slopeunits v1.0 and their optimization for landslide susceptibility modeling用r.Slopeunitsv1.0自动描绘地貌坡度单元及其对滑坡敏感性建模的优化
OAAI
OAAI分享收藏
Evolution of large landslides in tectonically active regions - A decade of observations in the Zhouqu County, China构造活跃区大型滑坡的演化——中国舟曲县十年的观测研究.png)
ENGINEERING GEOLOGY
ENGINEERING GEOLOGYIF8.4
PREAI
分享收藏Slip surface, volume and evolution of active landslide groups in Gongjue County, eastern Tibetan Plateau from 15-year InSAR observations贡觉县（青藏高原东部）活动滑坡群的滑动面、体积及演化特征：基于15年InSAR观测
PREAI
分享收藏Hydrological proxy derived from InSAR coherence in landslide characterization基于InSAR相干性的水文代理在滑坡特征描述中的应用
PREAI
分享收藏A landslide susceptibility assessment method considering the similarity of geographic environments based on graph neural networkGONDWANA RESEARCH
GONDWANA RESEARCHIF8.6
PREAI
分享收藏
查看更多内容