徐玲，劉曉慧，張金雨，劉震

（山東建筑大學測繪地理信息學院，山東 濟南 250101）

0 引言

我國是地質(zhì)災害頻發(fā)的大國，由于山區(qū)眾多、地形結(jié)構(gòu)較為復雜，地質(zhì)災害隱患廣泛分布。國務院辦公廳于2020年5月印發(fā)《關(guān)于開展第一次全國自然災害綜合風險普查的通知》，定于2020—2022 年間開展第一次全國自然災害綜合風險普查工作［1］。根據(jù)自然資源部地質(zhì)災害數(shù)據(jù)統(tǒng)計，2020 年我國共發(fā)生地質(zhì)災害7 840 起，其中有滑坡4 810 起、崩塌1 797起、泥石流899起，造成了139人死亡（失蹤）、58人受傷，直接經(jīng)濟損失可達50.2 億元［2］。因此，對大范圍的滑坡開展自動檢測，快速獲取滑坡的區(qū)域分布、數(shù)量、規(guī)模等災害信息，對地質(zhì)災害普查工作、地質(zhì)災害管理以及風險評估具有重要意義［3］。然而，傳統(tǒng)的滑坡提取方法大多基于現(xiàn)場調(diào)查［4-5］，調(diào)查范圍有限、耗時長、工作量大、效率低，難以滿足救援部門的效率需求。由于遙感技術(shù)具有快速、宏觀的優(yōu)勢，使其飛速發(fā)展并在災害應急救援中得到廣泛應用［6-9］。因此，利用遙感技術(shù)初步掌握災害分布情況，對于地質(zhì)災害普查工作具有重要意義。

深度學習方法在計算機視覺領域得到廣泛應用，如影像分割、目標檢測和影像分類，并為自動提取滑坡提供了有效的框架［10-13］。與傳統(tǒng)方法相比，深度學習方法可以借助深度學習框架通過卷積運算自動學習特征，并用分層特征提取代替人工特征識別。MANFRé等［14］使用支持向量機、決策樹、二進制編碼等多種機器學習方法實現(xiàn)了對巴西圣保羅州地區(qū)的滑坡識別工作；陳天博等［15］基于模糊分類與支持向量機相結(jié)合的決策樹方法實現(xiàn)了對北京市西南部的霞云嶺鄉(xiāng)滑坡識別；HU 等［16］使用支持向量機、人工神經(jīng)網(wǎng)絡和隨機森林3 種方法實現(xiàn)了對九寨溝地區(qū)的滑坡識別工作。在上述研究中，采用了比較基礎的網(wǎng)絡結(jié)構(gòu)，由一系列卷積層、池化層和全連接層組成，網(wǎng)絡結(jié)構(gòu)比較簡單，對滑坡提取有一定的限制。張倩熒［17］將3 種深度學習算法應用于滑坡提取，在邊界上取得了很好的效果，但無法得到滑坡形狀。掩膜區(qū)域卷積神經(jīng)網(wǎng)絡（Mask Region-Based Convolutional Neural Networks，Mask R-CNN）是一個結(jié)構(gòu)完善、目標特征提取能力強的實例分割模型，能夠在定位目標的同時檢測不規(guī)則目標的邊界，在滑坡檢測過程中可以同步提取滑坡的位置和形狀。

在將深度學習應用于滑坡檢測的現(xiàn)有研究中，滑坡檢測所使用的影像主要是無人機實測影像數(shù)據(jù)、高分衛(wèi)星數(shù)據(jù)以及地球眼衛(wèi)星數(shù)據(jù)，這些數(shù)據(jù)往往無法公開獲取。對于滑坡檢測而言，低分辨率遙感影像往往會造成很多目標的漏檢，而谷歌地球（Google Earth）影像分辨率高、易于獲取，可以滿足檢測影像的需求。

基于以上分析，文章以四川省中西部的丹巴縣以及甘肅省西南部的永靖縣為研究區(qū)，以開源的Google Earth光學遙感影像為研究數(shù)據(jù)，分別建立了歷史山體滑坡和黃土滑坡樣本數(shù)據(jù)庫，利用Mask R-CNN目標檢測算法并結(jié)合遷移學習機制訓練滑坡數(shù)據(jù)集，探索使用Mask R-CNN深度學習方法檢測Google Earth 影像中大范圍的滑坡可行性。同時，結(jié)合影響滑坡發(fā)生的因子，使用多層感知器模型預測研究區(qū)內(nèi)各個區(qū)域的滑坡發(fā)生概率，通過對比基于Mask R-CNN檢測的滑坡災害點在研究區(qū)滑坡發(fā)生概率分區(qū)圖中的分布情況驗證滑坡識別結(jié)果的準確性。

1 Mask R-CNN滑坡檢測方法

文章使用Mask R-CNN目標檢測算法來實現(xiàn)滑坡的自動識別。Mask R-CNN是由HE等［13］開發(fā)的一種目標檢測算法，該算法在圖像分類與識別中取得了很好的效果。如圖1 所示，Mask R-CNN 算法是在更快的區(qū)域卷積神經(jīng)網(wǎng)絡（Faster Region-Based Convolutional Neural Networks，F(xiàn)aster R-CNN）的基礎上將感興趣區(qū)域（Region of Interest，RoI）特征提取算法RoI Pooling替換成RoI Align，并且在目標檢測的基礎上添加分支全卷積網(wǎng)絡層（Fully Convolutional Network，F(xiàn)CN），用于語義分割識別。Mask R-CNN是一個兩階段的目標檢測算法，第一階段是特征圖通過區(qū)域候選網(wǎng)絡（Region Proposal Network，RPN）生成候選框，再對每個候選框分類和邊界框回歸；第二階段則是在第一階段生成的候選框的基礎上，再次進行分類和邊界框回歸，從而達到提高檢測精度的目的。

圖1 Mask R-CNN模型結(jié)構(gòu)圖

1.1 主干特征提取網(wǎng)絡結(jié)構(gòu)

文章使用經(jīng)典的殘差網(wǎng)絡ResNet101（Residual Neural Network，ResNet）［11］和特征金字塔網(wǎng)絡［18］（Feature Pyramid Network，F(xiàn)PN）作為主干特征提取網(wǎng)絡，如圖2 所示。使用ResNet101 網(wǎng)絡通過跨層連接提取圖像特征，圖像經(jīng)過ResNet101網(wǎng)絡5次卷積運算（C1—C5）提取目標特征，得到5個不同大小的特征圖（P2—P6），在不降低特征提取性能的情況下加深神經(jīng)網(wǎng)絡的深度，使訓練更容易。為了使定位目標更為準確，通常使用高分辨率圖像輸入，其包含更多細節(jié)信息，從而可以提升目標檢測的性能。

圖2 主干特征提取網(wǎng)絡結(jié)構(gòu)圖

FPN通過引入自上而下的路徑，充分利用了不同層提取的特征，對高層特征圖上采樣到和下一層同樣的尺寸，并將其和下面的一層進行相加，進而得到一個融合高低層特征的新特征圖層。將低分辨率、大感受野特征（語義信息）與高分辨率、小感受野特征（細節(jié)信息）相結(jié)合，以檢測不同尺度的物體，一定程度上緩解了特征圖分辨率與感受野大小之間的矛盾。

1.2 區(qū)域候選網(wǎng)絡結(jié)構(gòu)

采用滑動窗口的方法將圖像劃分為大小不同且不重疊的圖像塊，然后對所有圖像塊進行分類和回歸計算，得到圖像中得分最高的RoI。通過這種方式，將RoI輸入到RoI特征提取算法RoI Align 以提取感興趣區(qū)域的特征。

1.3 RoI Align

RoI Align 是Mask R-CNN 區(qū)別于Faster RCNN中RoI特征提取算法RoI Pooling的一大創(chuàng)新。RoI Pooling的作用是把候選框在特征圖上對應的位置池化為固定大小的特征圖［12］，并進行后續(xù)的分類、回歸、掩膜生成。該過程需要對RoI的邊界量化取整、裁剪，將裁剪好的區(qū)域平均分割為k×k個單元，同時對每個單元的邊界進行第2次取整［13］。兩次量化使得候選框與回歸的邊界框之間存在偏移，從而造成區(qū)域不匹配的問題。

RoI Align則是在遍歷候選區(qū)域的時候保持浮點數(shù)邊界不量化，同時采用雙線性插值和最大池化計算每個單元中的4 個坐標位置。RoI Align 過程［13］如圖3所示。

圖3 RoI Align 過程

1.4 頭部網(wǎng)絡結(jié)構(gòu)

頭部網(wǎng)絡由3個分支構(gòu)成，分別實現(xiàn)目標分類、定位（邊界框回歸）以及生成掩碼。因此，整個網(wǎng)絡的損失函數(shù)L被定義為分類、回歸、分割掩碼分支損失之和，由式（1）表示為

式中Lcls為分類損失；Lbox為回歸損失；Lmask為分割掩碼損失。

1.5 精度評價

在目標檢測的訓練過程中，通常根據(jù)預測框與真實框的交并比來判斷識別的準確性［19］。重疊度（Intersection over Union，IoU）可以作為目標檢測算法中預測框與真實框相似度的度量，IoU 的值IU由式（2）表示為

式中I為預測框和真實框的交集面積；U為預測框和真實框的并集面積。

對模型精度評價之前要確定預測結(jié)果是否正確，通過設定置信度閾值和IoU 閾值判斷預測框是否能準確預測到了位置信息。在文章中，將IU＞0.5、置信度＞0.9的結(jié)果作為正確預測結(jié)果。

文章使用精確率P、召回率R、F1 值作為定量評估模型檢測結(jié)果精度評價指標。精確率是正確識別的滑坡數(shù)與識別滑坡總數(shù)的比值；召回率是正確識別的滑坡數(shù)與測試樣本集滑坡數(shù)量的比值；F1 值用于評估模型的整體性能，定義為精確率和召回率的調(diào)和平均數(shù)，且F1 值越大，模型的性能越好。精確率、召回率以及F1值分別由式（3）～（5）表示為

式中tp為正確識別的滑坡數(shù)量；fp為錯誤識別的滑坡數(shù)量；fn為尚未識別的滑坡數(shù)量。預測結(jié)果和實際結(jié)果的混淆矩陣見表1。

表1 預測結(jié)果和實際結(jié)果的混淆矩陣表

2 案例研究

案例研究過程的技術(shù)流程如圖4 所示，主要步驟包括：（1）數(shù)據(jù)收集選擇開源的Google Earth 遙感影像作為研究數(shù)據(jù)；（2）制作滑坡樣本集包括影像裁剪和樣本標記；（3）滑坡信息提取訓練模型得到最優(yōu)的滑坡檢測模型；（4）精度評價與檢測結(jié)果分析驗證。

圖4 滑坡檢測技術(shù)流程圖

2.1 實驗數(shù)據(jù)與樣本集制作

滑坡多數(shù)發(fā)生在我國的西北部和南部山區(qū)，文章選取101°17′—102°12′E、30°29′—31°29′N 和102°53′—103°13′E、35°59′—36°16′N的地理范圍作為研究區(qū)。兩個地區(qū)分別位于四川省中西部的丹巴縣以及甘肅省西南部的永靖縣，丹巴縣以山體滑坡為主，而永靖縣以黃土滑坡為主，如圖5所示。兩個研究區(qū)都是地質(zhì)災害多發(fā)地區(qū)，區(qū)內(nèi)地質(zhì)災害以滑坡、崩塌和泥石流為主。

圖5 研究區(qū)滑坡樣本分布圖

滑坡的尺寸、形狀各異，識別時有一定的難度。常見的滑坡特點可以總結(jié)為：（1）滑坡在空間分布上表現(xiàn)為多發(fā)生在道路兩側(cè)、山谷與河流相交的地區(qū)以及一些土壤較為松軟的邊坡與斜坡；（2）大部分山體滑坡的邊界較為明顯，在形狀上呈現(xiàn)為U形且與周圍的植被有明顯的界限，新發(fā)生的滑坡在顏色上呈現(xiàn)為暗灰色或灰白色，部分發(fā)生在沒有植被地區(qū)的滑坡以及發(fā)生時間較久的老滑坡，由于光譜信息與周圍相似識別難度較大，但仍然可以通過與周圍環(huán)境的顏色差異進行識別；（3）發(fā)生滑坡的地區(qū)表層的植被遭到破壞，深層的土壤裸露出來，在紋理特征上表現(xiàn)為地表環(huán)境破碎，紋理粗糙且色塊分布不均。

文章使用Google Earth 數(shù)據(jù)作為數(shù)據(jù)源構(gòu)建用于深度學習的滑坡樣本集。Google Earth 的衛(wèi)星影像是由多傳感器融合而成的。選擇2021 年9 月24日、2019年11 月5 日以及2018 年4 月16 日三期Pléiades 1A和SPOT 7衛(wèi)星融合而成的遙感影像作為實驗數(shù)據(jù)，其最高分辨率分別為0.5 和1.5 m。從Google Earth Pro虛擬地球應用軟件下載了1 400 幅遙感影像，其分辨率為2.15 m，為了使每個訓練批次可以訓練多張影像，將所有影像設置為相同的512 pixel×512 pixel，每張影像都只有RGB3個通道。

參考中科院地理所資源環(huán)境科學與數(shù)據(jù)中心（https：／ ／www.resdc.cn／）公開的滑坡點，結(jié)合滑坡特點，對照遙感影像使用“VGG Image Annotator”Web工具對已經(jīng)發(fā)生的滑坡進行樣本標記，對一些不確定是否為滑坡的地區(qū)，可以在Google Earth Pro中反復旋轉(zhuǎn)角度，從多角度查看三維影像，辨認是否為滑坡。將注釋了用于對象實例分割的訓練樣本保存為JavaScript Object Notation 的格式，手動注釋中使用的影像子集示例如圖6 所示。注釋的山體滑坡樣本共有1 466個，可隨機分為3個子數(shù)據(jù)集，包括訓練數(shù)據(jù)樣本集（1 047 個滑坡樣本），用于最小化過度擬合的驗證樣本集（100 個滑坡樣本），以及用于評估經(jīng)過訓練的深度學習算法的性能的測試樣本集（319個滑坡樣本）；黃土滑坡樣本共有757個，其中訓練樣本599個、驗證樣本96 個、測試樣本62個，樣本統(tǒng)計情況見表2。

表2 滑坡樣本統(tǒng)計表

圖6 手動注釋中使用的影像子集示例

2.2 實驗環(huán)境與參數(shù)設置

模型訓練和測試所使用的硬件設備為AMD Ryzen Threadripper 2970WX 24 - Core Processor、NVIDIA GeForce RTX 2080 Ti。實驗環(huán)境配置的tensorflow-gpu版本為1.8.0，cuda 版本為9.0。在訓練過程中，圖形處理單元用于訓練包裝中采用的網(wǎng)絡為ResNet101，共訓練100 個批次，每個批次迭代運算200 次，實驗中使用的圖形處理器顯存為11 GB，可以容納兩張圖片，因此將批量大小設置為2。HE［13］將學習率設置為0.02，但是在實際訓練時發(fā)現(xiàn)較高的學習率容易造成權(quán)重爆炸，尤其是訓練小批量的數(shù)據(jù)時，而較小的學習率收斂的更快，因此文章實驗中將學習率設置為0.001、學習動量設置為0.9、權(quán)重正則化系數(shù)設置為0.000 1。

為了降低訓練成本，有效提高模型性能和整體檢測精度，使用matterport 團隊在COCO 2014 數(shù)據(jù)集上訓練Mask R-CNN 得到的mask_rcnn_coco.h5（https：／ ／github.com／matterport／Mask_RCNN）作為文章滑坡檢測算法的預訓練權(quán)重。在預訓練權(quán)重的基礎上，對文章的訓練樣本集進行遷移學習，保存訓練得到的權(quán)重結(jié)果。在訓練過程中，為了減少過度擬合，使用驗證樣本集來驗證模型的精度，載入訓練得到的權(quán)重結(jié)果進行模型測試，將精度最高的模型作為測試模型，并將其應用于測試樣本集的滑坡檢測。

2.3 實驗結(jié)果與分析

2.3.1 滑坡檢測結(jié)果

Mask R-CNN 模型的訓練結(jié)果顯示，山體滑坡檢測模型訓練到第55個訓練批次時，驗證樣本集的平均精度（Average Precision，AP）達到最大值0.96（如圖7所示），此時損失也下降至平緩，因此將第55個模型參數(shù)用于后面測試樣本集的山體滑坡識別及精度評價。黃土滑坡檢測模型訓練到第7個批次時，AP 達到最大值0.82（如圖8 所示），同時損失達到0.41并趨于平緩，因此選擇第7個模型參數(shù)用于測試樣本集的黃土滑坡識別與精度評價。

圖7 山體滑坡訓練精度與損失

圖8 黃土滑坡訓練精度與損失

測試樣本集的精度見表3，共有319 個山體滑坡樣本和62個黃土滑坡樣本，分別使用文章實驗獲得的最優(yōu)模型進行檢測，其結(jié)果如下：正確識別的山體滑坡個數(shù)為273 個、錯誤識別的山體滑坡個數(shù)為11個、未識別的山體滑坡個數(shù)為46 個。訓練模型對于山體滑坡識別的精確率為96%、召回率為85%、F1值為0.90。正確識別的黃土滑坡個數(shù)為40個、錯誤識別的黃土滑坡個數(shù)為1 個、未識別的黃土滑坡個數(shù)為22 個。訓練模型對于黃土滑坡識別的精確率為98%、召回率為65%、F1值為0.78。

表3 測試樣本集精度統(tǒng)計表

2.3.2 滑坡檢測結(jié)果分析

部分正確的滑坡識別結(jié)果如圖9所示。為了便于展示識別效果，圖9（a）和（c）使用手動注釋的多邊形邊界來表示滑坡的真實值，圖9（b）和（d）為滑坡識別的結(jié)果。盡管Google Earth 影像是由不同傳感器的影像融合而成，光譜特征不統(tǒng)一，但從滑坡檢測的結(jié)果來看，Mask R-CNN 模型可以自動識別Google Earth影像中的歷史滑坡。

圖9 正確檢測結(jié)果圖

圖10～12 顯示了部分錯檢和漏檢的滑坡識別結(jié)果。通過識別結(jié)果對比發(fā)現(xiàn)，主要有3 種錯誤類型。第1種錯誤的識別結(jié)果多發(fā)生在生態(tài)環(huán)境遭到破壞、地表紋理較為復雜的地區(qū)，如河流階地、土壤侵蝕和地表裸露的地區(qū)（如圖10 所示）。這些地區(qū)復雜的地表紋理可能會形成類似于滑坡的光譜特征，因此這些區(qū)域很容易被錯誤地識別為滑坡。第2種遺漏的識別結(jié)果大多出現(xiàn)在有陰影（如圖11 所示）、山脊或斜坡頂部的影像中，在空間分布上集中分布在山體背斜的陰影區(qū)域。由于山體的陰影，滑坡信息模糊，無法正確識別這些地區(qū)的滑坡。第3種是多尺度目標檢測時，易出現(xiàn)遺漏的識別結(jié)果。由于精度和計算資源之間通常難以達到平衡，因此在識別大目標時容易遺漏一些小目標（如圖12所示）。

圖10 錯誤檢測結(jié)果圖

圖11 遺漏檢測結(jié)果圖

圖12 遺漏檢測結(jié)果圖

2.3.3 滑坡檢測結(jié)果驗證分析

導致滑坡發(fā)生的影響因素有很多，如地形地貌、植被覆蓋、斷層巖性以及人類活動等。為了進一步驗證基于Mask R-CNN模型檢測滑坡的準確性，文章以丹巴縣為例，通過分析研究區(qū)概況及歷史滑坡災害情況，選擇高程、坡度、坡向、巖性、歸一化植被指數(shù)以及斷層等6 個評價因子，構(gòu)建了丹巴縣滑坡災害影響因子體系，并采用多層感知器（Multilayer Perceptron Model，MLP）模型預測研究區(qū)內(nèi)各個區(qū)域的滑坡災害發(fā)生的概率。通過對比基于Mask RCNN模型檢測的滑坡災害點在滑坡發(fā)生概率分區(qū)中的分布情況，來驗證滑坡檢測結(jié)果的準確性。

使用MLP 模型對丹巴縣滑坡災害發(fā)生概率進行預測的具體流程如圖13所示，歷史滑坡樣本點與隨機生成的非滑坡樣本點按照1∶1 的比例構(gòu)建樣本數(shù)據(jù)集，獲取每個樣本數(shù)據(jù)所對應的影響因子值，并將獲取多源數(shù)據(jù)信息的樣本數(shù)據(jù)集輸入到數(shù)據(jù)挖掘軟件SPSS Modeler 中進行模型的訓練、驗證與測試。將樣本數(shù)據(jù)集的70%設置為訓練數(shù)據(jù)集、15%設置為驗證數(shù)據(jù)集、15%設置為測試數(shù)據(jù)集，得到最優(yōu)模型的測試數(shù)據(jù)集精度為82.1%。用訓練好的最優(yōu)模型預測整個研究區(qū)發(fā)生滑坡災害的概率，得到研究區(qū)滑坡災害發(fā)生概率圖。統(tǒng)計滑坡檢測點在研究區(qū)滑坡災害發(fā)生概率圖中的分布情況，發(fā)現(xiàn)79%滑坡檢測點分布于滑坡發(fā)生概率＞80%的區(qū)域（如圖14所示），驗證了基于Mask R-CNN 的滑坡檢測方法的可行性以及準確性。發(fā)生概率＜80%的區(qū)域也有滑坡發(fā)生的可能性，所以有21%的點落在該區(qū)域。

圖13 多層感知器模型滑坡發(fā)生概率流程圖

圖14 滑坡災害點在研究區(qū)滑坡災害發(fā)生概率圖中的分布圖

4 結(jié)論

針對傳統(tǒng)滑坡檢測方法自動化程度低、檢測精度不高的問題，文章將深度學習、遷移學習與遙感技術(shù)相結(jié)合，以Google Earth 遙感影像為數(shù)據(jù)源構(gòu)建了歷史滑坡樣本集，使用Mask R-CNN 目標檢測算法實現(xiàn)大范圍滑坡信息的自動檢測。經(jīng)過分析得到以下結(jié)論：

（1）以丹巴縣為研究區(qū)的山體滑坡案例研究結(jié)果顯示，山體滑坡識別精確率為96%、召回率為85%、F1 值為0.90，且有79%的滑坡檢測點分布于滑坡發(fā)生概率＞80%的區(qū)域，表明Mask R-CNN 目標檢測算法訓練的模型能夠快速準確地識別大范圍的山體滑坡。

（2）以永靖縣為研究區(qū)的黃土滑坡案例研究結(jié)果顯示，黃土滑坡識別的精確率為98%、召回率為65%、F1 值為0.78，表明Mask R-CNN 目標檢測算法對黃土滑坡的檢測精度較高，但由于黃土滑坡的光譜信息與背景一致，檢測結(jié)果存在較多漏檢現(xiàn)象。

（3）文章綜合考慮地形特征和紋理特征，有效地提高了地質(zhì)災害信息獲取的自動化程度以及滑坡檢測的精度，為從高分辨率遙感影像中快速準確地提取滑坡信息提供了一種方法，同時對地質(zhì)災害普查工作也具有重要意義。