Katastrophale Erdrutsche entwickeln sich oft aus aktiven Erdrutschen; die frühzeitige Erkennung aktiver Erdrutsche kann eine effektive Unterstützung für die rechtzeitige Katastrophenprävention bieten und so Personenverluste und Sachschäden vermeiden. Die Interferometrische Synthetische Apertur Radar (InSAR)-Technologie bietet eine wichtige Unterstützung bei der Erkennung aktiver Erdrutsche. Derzeit basiert die Erkennung hauptsächlich auf Oberflächenverformungen und Geländemerkmalen mit visueller Interpretation, was bei der Anwendung auf große Gebiete zeitaufwendig ist und hohe Auslassungs- sowie Fehlalarmraten aufweist. Dieser Artikel kombiniert InSAR und Raum-Analysemethoden, um automatisch effektive Bereiche der Oberflächenverformung zu extrahieren, umfassende Kriterien für die Risikobewertung zu erstellen, die Dispositions-, Ursachen- und Verformungsmerkmale umfassen, und entwickelt den Deep-Learning-Algorithmus AMRetNet, der die mehrskaligen nichtlinearen Beziehungen zwischen Disposition, Ursachen und Rutschverformung umfassend untersucht. In der umfangreichen, rutschaktiven Region Hualong im Qinghai wurde eine automatische Erkennung aktiver Erdrutsche durchgeführt, bei der 178 aktive Erdrutsche identifiziert und 48 neu entdeckt wurden. Der vorgeschlagene AMRetNet-Algorithmus übertrifft typische aktuelle Algorithmen wie Transformer, U-Net, CART und SVM. Diese Arbeit bietet eine wichtige Unterstützung für die automatische Erkennung und Frühentdeckung aktiver Erdrutsche in großflächigen städtischen Gebieten.

InSAR;aktive Erdrutsche;Disposition und Ursachen;aktive Verformung;automatische Erkennung;Deep Learning;Hualong