技術(shù)特征：

1.一種滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：s1中，獲取的數(shù)據(jù)包括有多源光學(xué)、熱紅外、微波、地形及insar遙感數(shù)據(jù)，具體包括有：

3.根據(jù)權(quán)利要求1所述的滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：s2中，多光譜變化特征參數(shù)集的構(gòu)建過程具體有：

4.根據(jù)權(quán)利要求3所述的滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：2.1)中，光譜指數(shù)包括歸一化植被指數(shù)ndvi、植被覆蓋度f(wàn)vc以及土壤調(diào)節(jié)植被指數(shù)savi的具體的計(jì)算公式如下：

5.根據(jù)權(quán)利要求4所述的滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：2.1)中，水熱因子空間梯度參數(shù)集的構(gòu)建過程有：

6.根據(jù)權(quán)利要求5所述的滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：2.1)中，2.2)中，變化特征參數(shù)的具體計(jì)算方法如下：

7.根據(jù)權(quán)利要求1所述的滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：s3中，地形特征參數(shù)集的構(gòu)建過程有：

8.據(jù)權(quán)利要求1所述的滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：s4中，模型訓(xùn)練樣本的選取方法為：

9.據(jù)權(quán)利要求1所述的滑坡隱患多模態(tài)識(shí)別融合方法，其特征在于：s5中，使用概率平均方法進(jìn)行多模態(tài)融合，輸出每個(gè)類別的概率預(yù)測(cè)的情況，針對(duì)兩類模型，首先估算對(duì)每個(gè)類別的概率預(yù)測(cè)：

10.一種滑坡隱患多模態(tài)識(shí)別融合系統(tǒng)，其特征在于：包括有以下模塊：

技術(shù)總結(jié)
本發(fā)明公開了一種滑坡隱患多模態(tài)識(shí)別融合方法及系統(tǒng)，以光學(xué)、熱紅外、微波、地形以及InSAR多源遙感數(shù)據(jù)為基礎(chǔ)，引入光譜特征、地形屬性以及水熱因子的長(zhǎng)時(shí)序變化趨勢(shì)變量構(gòu)成多光譜變化特征參數(shù)集，以地形指數(shù)結(jié)合InSAR形變數(shù)據(jù)構(gòu)成地形特征參數(shù)集，進(jìn)行多模態(tài)數(shù)據(jù)融合，全面地表征滑坡災(zāi)害潛在的變化特征，能夠提供更全面的背景信息及演化趨勢(shì)，克服因單一依賴InSAR形變結(jié)果而影響滑坡隱患識(shí)別精度的問題。并且，滑坡隱患識(shí)別模型完成訓(xùn)練后，只需要將多光譜變化特征集以及地形特征參數(shù)集分別輸入模型，可快速獲取識(shí)別結(jié)果，顯著提升滑坡識(shí)別效率，大幅降低人力和物力成本。

技術(shù)研發(fā)人員：陳虹,易明華,黃永芳,賀鵬,萬(wàn)芳琦,葉群,葉小強(qiáng),劉文軍,邊皓然
受保護(hù)的技術(shù)使用者：中國(guó)自然資源航空物探遙感中心
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/18