基于三维卷积与残差结构的沟谷泥石流危险度评价.pdf
《基于三维卷积与残差结构的沟谷泥石流危险度评价.pdf》由会员分享,可在线阅读,更多相关《基于三维卷积与残差结构的沟谷泥石流危险度评价.pdf(11页珍藏版)》请在咨信网上搜索。
1、基于三维卷积与残差结构的沟谷泥石流危险度评价徐繁树1,王保云2,3*(1.云南师范大学信息学院,云南昆明650500;2.云南师范大学数学学院,云南昆明650500;3.云南省高校复杂系统建模及应用重点实验室,云南昆明650500)摘要:沟谷的泥石流危险度评价是泥石流防治工作中基础且重要的一环,针对该问题,以怒江州为例,提出了一个结合立体卷积与残差结构,能同时对数字高程模型(DigitalElevationModel,DEM)数据与多光谱数据进行特征学习的神经网络模型.以整沟为研究对象,将模型在历史泥石流灾害沟谷的数据上训练后,根据相似度对沟谷的泥石流危险度进行评分,并绘制了怒江州的泥石流危险
2、度评价图.在所有 214 条沟谷中,高风险沟谷共 114 条,中风险沟谷共 40 条,低风险沟谷共 60 条.实验结果表明,该模型能在沟谷泥石流分类任务上达到最高 80%的正确率、88%的召回率以及 0.81 的 Kappa 系数.此外,在使用更少训练数据的实验以及对比各个不同模型的实验中,所设计的模型均表现优异.模型给出的危险度与历史灾害记录和实地考察结果基本相符.关键词:泥石流;卷积神经网络;残差结构;多光谱图像;危险度评价;怒江中图分类号:P694文献标志码:A文章编号:02587971(2023)04087511云南怒江傈僳族自治州(以下简称怒江州)是泥石流重灾区,其对沿沟及沟口区域的
3、建筑和居民人身安全造成巨大威胁1-2,因此泥石流的防治工作意义重大,而危险度评价是泥石流防治中基础且重要的一环.对沟谷的泥石流孕灾危险度评价,始于 20 世纪 70 年代3,目前已有许多评价方法,如模糊综合评判法4、层次分析法5-6、可拓模型7-8、熵权法9、贝叶斯模型10等.但上述方法均存在一定的局限性,一般需要主观设定用于评价危险度的因子,最终的结果受所选取的因子影响大.此外,以往的研究往往选取某些点位或是局部流域作为泥石流危险度的评估对象11,而泥石流的发生一般是以沟为单位发生的,用整沟作为评价对象更为合理.由于怒江州内地形复杂,进行实地调查往往会耗费大量的人力与时间,无法对沟谷泥石流孕
4、灾危险度进行快速评估.使 用 神 经 网 络 模 型(Convolutional NeuralNetwork,CNN)对各类地质灾害进行评价,不需要手动选择危险因子,能通过图像自适应地识别灾害对应的特征,快速便捷,成为当前研究的热点.卷积神经网络已应用于地震识别与震相拾取12-13;杜星等14用神经网络预测地震液化,最高可达 96%的正确率;吴鑫俊等15将神经网络用于洪水演进预测;胡涛等16使用神经网络对崩塌落石灾害进行危险度评估,可将平均误差降低至 5%;赵鹏辉等17利用卷积神经网络对河道山地灾害进行识别.尽管神经网络在多种地质灾害的评价分析中均有较好的表现,但将其应用于泥石流危险度评价仍存
5、在一定问题.比如卷积神经网络需要一定的数据量作为支撑,而对于沟谷泥石流而言,不存在如此大量的正样本,因此必须仔细构建网络结构,否则会导致模型梯度随网络深度增加而消失18.He等19在 2015 年提出的残差结构能很好地解决梯度消失问题,且该结构各类小样本问题上表现优异.本文借鉴了三维卷积神经网络20结构,构建了一种同时对泥石流沟谷的数字高程模型(Digital收稿日期:2022-07-05;接受日期:2022-10-05;网络出版日期:2022-12-19基金项目:国家自然科学基金(61966040).作者简介:徐繁树(1997),男,上海人,硕士生,主要研究泥石流灾害识别及机器学习.E-ma
6、il:.*通信作者:王保云(1977),男,云南人,博士,副教授,主要研究机器学习及图像处理.E-mail:.云南大学学报(自然科学版),2023,45(4):875885JournalofYunnanUniversity:NaturalSciencesEditionDOI:10.7540/j.ynu.20220326ElevationModel,DEM)图与多光谱图像进行特征提取与学习的立体残差网络(Stereoscopic-ResidualNet,SRNet).模型在历史泥石流灾害沟谷的 DEM和多光谱数据上进行训练,然后对沟谷的泥石流孕灾危险度进行评测.本研究提出的危险度评价方法,可以一
7、定程度上减少泥石流防治工作中人力物力的开支,为更全面地推进防治工作提供理论指导.1研究区域与研究数据1.1研究区域怒江州位于云南西北部,有怒江、澜沧江、独龙江 3 条河流自北向南流经.其中怒江流域沟壑纵横,加之流域内双雨季降水分布不均,局部暴雨频发,沟谷型泥石流频繁发生21-22.研究区域示意图见图 1.地图基于自然资源部标准地图服务网站下载的审图号为 GS(2019)3333 号的标准地图制作,底图无修改,下同.图1研究区域位置图Fig.1Locationmapofthestudyarea1.2研究数据本文使用的 DEM 数据来自美国地质勘探局(UnitedStatesGeologicalS
8、urvey,USGS)于 2008 年发布的公开数据集,分辨率为 30m.使用的多光谱图像来自高分一号(GF-1)卫星,该卫星的幅宽为 800km,拍摄时间为 2021 年,卫星所拍摄的各光谱图的参数信息见表 1.数据集的构建方式为两种:对于有泥石流灾害发生的沟谷,通过查阅 20002020 年间的云南减灾年鉴,并结合相关新闻报道,通过 ArcGis软件提取出了怒江州内有记录的泥石流沟谷,共计 50 条.对于未发生泥石流灾害的沟谷,选取沟谷旁有建筑或农田,且无泥石流记录的沟谷共 50条作为负样本.实际上,对于沟谷是否发生过泥石流,只存在发生与不确定这两种情况,因为未造成人员伤亡或较大经济损失的
9、泥石流几乎不会被记载,通过上述负样本的选取方式,可以大大提高所选择的沟谷确实未发生过泥石流的可信度.表1多光谱数据参数Tab.1Parametersofhyperspectraldata波段波长/m主要信息Band10.450.52 对水体穿透强提供水体信息Band20.520.59对绿色穿透力强可区分人造地物,反映水下特征Bnad30.630.69叶绿素的主要吸收波段提供植被、裸露地表信息Band40.770.89对绿色植物类别差异敏感用于区分植被类型,增强陆水反差姚振国等23研究发现,主沟长度越长,流域面积越大的沟谷越容易发生泥石流.一般而言,主沟长度越长的沟谷其流域面积越大.为了探究形态
10、各异的沟谷对泥石流危险性的影响,在初步将研究区所提取的沟谷分为是否发生泥石流的基础上,本文又根据主沟长度和流域面积,将上述两类数据再分别划分为 3 类.具体的划分结果见表 2.表2泥石流数据的分类方式Tab.2Classificationofdebrisflowdata主沟长度/m流域面积/km2发生/条未发生/条(0,5 000(0,152117(5 000,10 000)(15,35)141710 000,15 000)35,102)1516由于泥石流的成因较为复杂,不仅与沟谷本身的长度、坡度等结构信息有关,还受物源条件、植被覆盖、水体条件等诸多因素的影响,这些条件在不同区域的泥石流灾害中
11、往往是共同作用的,本文重点关注沟谷的几何形态和物源条件这两方面所具有的潜在危险度.于是,所使用的数据可视为两部分,即提供了沟谷几何信息的 DEM 图和物源信息的遥感图像.所有的 DEM 图片与多光谱图片在提取后,均被填充至 1080 像素1080 像素.这是因为对于泥石流灾害的形成,流域大小与沟谷长度是关键性因素,如果将图像不加更改地直接输入模型训练,会876云南大学学报(自然科学版)http:/第45卷使模型无法捕获到这两个十分重要的特征.为了能充分挖掘多光谱数据与 DEM 的信息,实验中将沟谷的 DEM 图与 4 张对应的多光谱图像堆叠在一起,构建出 1080 像素1080 像素5 的数据
12、块作为模型的原始输入以适应三维卷积.所提取出的沟谷数据的示意图和数据块构建方式如图 2 所示.图2DEM 与遥感数据示意图及数据块构建方式Fig.2SchematicdiagramofDEM&remotesensingdataandconstructionofdatacube1.3模型构建多光谱图像进行特征提取与学习的立体残差网络(SRNet)是基于三维卷积与残差结构所设计的网络模型,该网络结构能很好地适应所输入的数据特点,模型的结构图见图 3.不同于仅有 3 个通道(RGB)的普通图像,本实验的数据块为 1 通道 DEM 数据与 4 通道遥感数据,使用常规的二维卷积块无法充分利用多光谱影像中
13、丰富的空谱信息,因此设计上采用了有长、宽与深度 3 个维度的卷积块作为卷积核.此外,为了使模型更加稳定,并充分利用原数据中的信息,在主干结构上又增加了 1 个残差结构(图 3 中蓝色虚线所示),残差连接上的特征图直接通过最大池化生成,不进行卷积操作.池化所得的特征图在个数和形状上都与主干上得到的特征图一致,以进行残差连接的加和操作.2实验设计与结果分析2.1实验平台与超参数设定硬件环境:IntelPlatinum8157CPU2.30GHz,NVIDIAGeForceRTX3090GPU;软件环境:Ubuntu18.04 操作系统,Python3.8,CUDA11.0,PyTorch1.7.1
14、,以及图像相关的第三方代码库.模型训练时使用 GPU 加速,具体训练设置如下:最大训练轮数设置为 100,由于样本个数较少,故一次训练所选取的样本数(batchsize)设置为 2,学习率设置为 0.0001,优化方法为随机梯度下降,损失函数为交叉熵损失(CrossEntropyLoss).所有模型结构中的卷积块初始化方法均为凯明初始化24.2.2实验流程首先,使用发生过泥石流的沟谷数据和未发生泥石流的沟谷数据对构建的神经网络模型进行训练,之后使用训练好模型对测试集中的沟谷数据进行特征提取,根据相似度得分计算沟谷的危险度.由于数据集划分时,0、1、2 三类为发生过泥石流的样本,3、4、5 三类
15、为未发生泥石流的沟谷.因此,根据神经网络模型给出的测试图片与各类别的相似度评分,可以计算各沟谷的孕灾危险度.具体实验流程如图 4 所示.下面给出沟谷泥石流孕灾危险度的计算方法:si=exi5i=0exi,(1)xiisixi0,1式中:表示模型输出的待评价沟谷与第 类沟谷的相似度得分,为将 归一化到的相似度得分.第45卷徐繁树等:基于三维卷积与残差结构的沟谷泥石流危险度评价877S=2i=0si5i=3si.(2)i=1,2,3SS 1,1S根据待测沟谷与已发生过泥石流沟谷()的相似度,可以计算得到沟谷的危险度评分.显然,有.该值越大表示待测沟谷与发生过泥石流的沟谷相似度越高,将区间划分为 3
16、 部分,可根据 所处的区间判断沟谷泥石流的危险度.危险度的划分方式如公式(3)所示.1.00 S 0.33,低危险度;0.33 S 0.33,中危险度;0.33 S 1.00,高危险度.(3)2.3实验结果分析2.3.1 沟谷泥石流潜在危险评估使用训练后的模型,对怒江州的沟谷进行评价后,得到了各条沟谷的危险度等级,分为高危险、低危险、中危险3 类.其中高危险沟谷 114 条,中危险沟谷 40 条,低危险沟谷 60 条.之后根据各沟谷的危险度等级,绘制了怒江州的沟谷泥石流危险度评价图(图 5).表 3 中展示了训练后的模型给出的 3 个典型沟谷孕灾危险度评价结果,分别代表高、中、低危险度沟谷.其
17、中沟谷假彩色图是通过给遥感图的波图3立体残差网络(SRNet)结构示意图Fig.3StructureofStereoscopic-ResidualNet(SRNet)图4实验流程Fig.4Experimentprocess图5沟谷泥石流潜在危险性评价图Fig.5Riskassessmentmapofdebrisflowinvalley878云南大学学报(自然科学版)http:/第45卷段 1、波段 2、波段 3 分别赋蓝(B)绿(G)红(R)所生成的接近自然颜色的图像.3 条沟谷的危险度评分见表 4.分析如下.S=1东月各沟谷曾发生过特大泥石流.其沟口坐标为 27389N,984350N.从地
18、质条件上看,东月各河沟所处的地形为典型的高山峡谷地形,沟体狭长,相对高差可达 3000m 以上,较为险峻,有利于泥石流的加速.该沟流域面积约为 47km2,且流域上游呈扇形,支沟短,有利于水流汇聚,极易诱发泥石流.此外,沟谷上游处的岩体多为绢云石英片岩、大理岩、燕山期花岗岩等,抗风化能力差异大,易发生崩塌,为泥石流的形成提供了物源条件;从卫星拍摄图像可以看出,东月各沟头有冰川分布,冰雪消融或遭遇强降雨,也会成为泥石流的物源.SRNet 给出的东月各沟谷的危险度评分为,危险度极高.龙坡沟谷的沟口坐标为275230N,984043E,有冲毁过农田的记录,由于村民转移及时,并未造成人员伤亡.尽管该沟
19、谷主沟长度约 6000m,但汇S=0.30水面积小于东月各沟谷,且两侧山体植被较上一个样例更为完好.然而,沟头的冰雪融水与山坡碎石仍能成为诱发泥石流的物源条件.SRNet 给出的龙坡沟谷的危险度评分为,中等危险.S=0.94岔花村沟谷的沟口坐标254042N,985214E,沟底有大量的房屋和农田,此处无任何泥石流灾害记录.该沟沟底较为平坦,地形较为开阔,两侧山高均为 500m 左右,且坡度在 40左右.因此,并不利于形成泥石流的水流汇聚,较难发生泥石流.SRNet 给出的该沟谷的危险度评分为,危险较低.2.3.2 不同模型结构对比实验为了显示所设计的 SRNet 对于 DEM 和多光谱数据的
20、表征能力,研究中使用了由 Google 开发的 InceptionV125作为比较对象;另外,为了体现 3D 卷积设计的效果,还与 ResNet18 与 ResNet3419这 2 个通过残差结构构建的模型进行了对比实验.为了适应上述 3 个模型的输入与输出,在输入层将 3D 数据块通过11 卷积核降维到 2D,在全连接层将最终的输出表3危险度评估示例Tab.3Exampleofriskassessment沟谷名称沟谷DEM灰度图沟谷假彩色图伤亡与损失危险度评价东月各沟谷2人死亡,90人失踪,38人受伤,直接经济损失1.4亿元,将100余米宽的怒江干流短时阻塞高危险龙坡沟谷淹没数亩农田中危险岔
21、花村沟谷无灾害记录低危险表4各沟谷危险度评分Tab.4Riskassessmentofvalleys沟谷名称012345危险度评分S东月各001.000001.00(高危险)龙坡0.080.560.010.010.240.100.30(中危险)岔花村0.080.560.010.010.240.100.94(低危险)第45卷徐繁树等:基于三维卷积与残差结构的沟谷泥石流危险度评价879类别修改为 6.除此之外,这 3 个模型的结构不做任何调整,所有超参数与 2.1 中的设置保持一致进行对比实验.进行的多组实验中,每组实验各个模型所使用的训练集与测试集均相同,训练集共80 张,测试集共 20 张.多
22、组实验中各模型的表现类似,图 6 中展示了一组实验的可视化曲线.其中(a1)(a4)为各个网络训练时的损失值变化与训练集上的正确率变化,(b1)(b4)为各个网络的测试准确率变化曲线.图6不同模型的训练正确率/损失曲线与测试正确率曲线Fig.6Trainingaccuracy/losscurveandtestingaccuracycurveofdifferentmodel880云南大学学报(自然科学版)http:/第45卷二分类正确率通过六分类的结果计算得到,它表示将数据视为发生过泥石流和未发生两类时得到的正确率.从测试正确率来看,SRNet 有着最高的测试正确率,接近 80%,远远高于其它模
23、型结构.从损失值的收敛情况来看,SRNet 相对与其它模型结构损失值下降的更为平滑,InceptionV1 最不稳定.尽管ResNet18 的损失函数下降在后期更为平滑,但其正确率仅有 50%左右.为了进一步对模型性能进行评价,在研究中不断重新划分数据集,进行了多轮平行实验,计算出各个模型的六分类正确率、精确率、召回率、Kappa 系数,计算均值中所选取的数值均为每次测试中每个模型的最好结果.表 5 给出了多轮平行实验所得到的平均结果.从表 5 中可以看出,SRNet 在几乎各指标上的表现都是最好的.最值得注意的是高达 88%的召回率,因为对于泥石流危险性评价而言,召回率尤为关键,由于召回率表
24、示的是样本中有多少正例被正确分类,即有泥石流孕灾危险的沟谷有多少被模型所正确捕获,因此召回率高的模型可以覆盖更多真正有泥石流危险的样本,这对评估工作至关重要.表5实验结果Tab.5Experimentresult模型六分类正确率/%精准率/%召回率/%Kappa系数SRNet7666880.81InceptionV16268620.55ResNet185558600.52ResNet345060620.542.3.3 训练/测试数据比例对模型的影响为了进一步测试各个模型对不同数据量的稳定性,按不同比例重新划分数据集,并对各个模型进行测试.图 7 中展示了不同训练测试比例下,各模型的六分类测试正
25、确率随训练轮数的变化.图 7(a)为 80 条沟谷数据训练,20 条沟谷数据测试得到的结果;图 7(b)为 70 条沟谷数据训练,30 条沟谷数据测试的结果;图 7(c)为 60 条沟谷数据训练,40 条沟谷数据测试的结果.从图 7 可以直观地看出,所有模型的测试正确率均随着样本量的减少而下降,在训练样本减少至 60 张时,所有模型都几乎无法很好地识别图像中的特征.但不难发现,SRNet 在不同测试中均表现出了最高的正确率.此外,所有模型的测试正确率曲线均有较大的波动,推测原因可能为:一方面是使用的数据量过少,因此在测试过程图7不同数据集划分下的六分类测试准确率变化Fig.7Thechange
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 三维 卷积 结构 沟谷 泥石流 危险 评价
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。