Катастрофические оползни часто развиваются из активных оползней, раннее выявление активных оползней эффективно поддерживает своевременную профилактику и ликвидацию последствий, что помогает избежать человеческих жертв и материального ущерба. Технология интерферометрической синтетической апертурной радиолокации (InSAR) является важной поддержкой в идентификации активных оползней, однако в настоящее время идентификация в основном основана на деформации поверхности и особенностях рельефа с визуальной интерпретацией, что при применении на больших территориях сталкивается с проблемами высокой трудоемкости, пропусков и ложных срабатываний. В данной работе комплексно использованы InSAR и пространственные методы анализа для автоматического выделения областей эффективной деформации поверхности, построены комплексные критерии распознавания риска, охватывающие предпосылки бедствия, его причины и характеристики деформации. Разработан глубокий алгоритм AMRetNet для выявления много масштабных нелинейных связей между предпосылками, причинами и деформацией оползня. В районе Халун в провинции Цинхай с активным оползневым процессом проведено автоматическое выявление активных оползней, обнаружено 178 участков, из которых 48 новые. Алгоритм AMRetNet превосходит такие типичные методы, как Transformer, U-Net, CART и SVM. Результаты данной работы обеспечивают важную поддержку для автоматического распознавания и раннего обнаружения активных оползней в крупных городских районах.

InSAR;активные оползни;предпосылки и причины бедствия;активная деформация;автоматическое распознавание;глубокое обучение;Халун