基于变化检测的机器学习技术在复杂山地地貌中用于识别地震引发的滑坡

《Geomorphology》：Change detection-based machine learning for earthquake-triggered landslide identification in complex mountain landscapes

　　林 Wang | 张丽敏 | 程峰 | 范曦薇 | 梁爽
新疆帕米尔大陆内俯冲国家观测与研究站，中国地震局地质研究所，北京，100029，中国

**摘要**
快速识别同震和早期震后滑坡对于量化地震相关的地表变化以及评估构造不稳定山区强地震的地貌响应至关重要。一个关键的识别挑战在于区分新近引发的滑坡与历史滑坡相关和人为土地覆盖的地表。相似的特征可能会严重偏置地震相关侵蚀的估计。本研究开发了一种基于变化检测的机器学习框架，从双时相卫星图像中映射新暴露的滑坡表面，并使用2017年中国四川九寨沟6.5级地震的数据对其性能进行了评估。模型在一个滑坡密集区进行训练，并在两个具有不同干扰背景的相邻区域进行了评估：一个区域以广泛的历史滑坡为主，另一个区域以集中的人造设施为主。通过使用堆叠的震前和震后光谱输入以及包括波段差异和比例特征在内的增强配置，比较了基于像素的分类器和具有多尺度特征融合的卷积分割模型。在以历史滑坡为主的背景下，明确的变化特征减少了在持续裸露表面上的误检测；最佳软集成分割模型在历史滑坡区域的误分类率为9.28%，F1分数为85.50%。在以基础设施为主的背景下，明确的变化特征增加了误报，而在人造设施区域的误分类率为0.39%，F1分数为92.57%。这些结果表明，明确变化特征的有效性在很大程度上取决于场景，并且利用空间上下文的分割模型为同震和早期震后事件窗口内的地貌分析和灾害评估提供了更可靠的地震触发滑坡清单。

**引言**
构造不稳定的山区以强烈的地形起伏、快速的地表变形和高度动态的地表过程为特征（Fan等人，2019；Francis等人，2022；Wang等人，2020）。在这样的环境中，地震和强降雨经常触发大量的滑坡群，导致山坡和沟渠中的物质突然重新分布（Dai等人，2021；Fan等人，2021；Mondini等人，2021；Xu等人，2023）。这些事件驱动的质量转移是物理侵蚀的主要组成部分，强烈影响短期沉积物通量、长期地貌演变和地貌灾害的空间表现（Aditian等人，2018；Campforts等人，2020；Fan等人，2025）。因此，可靠地识别由个别构造事件引发的滑坡对于量化地震引起的地表扰动以及区分构造不稳定地区的瞬态地貌响应和背景剥蚀至关重要（Guzzetti等人，2012；Novellino等人，2024；Wang等人，2023）。基于事件的滑坡清单在这种情况下起着核心作用（B?lteanu等人，2020；Massey等人，2020）。它们为估计新暴露物质的面积和体积、评估地震激发与地表响应的空间耦合以及评估对基础设施、生态系统和下游沉积系统的影响奠定了基础（Hakan和Luigi，2020；Yunus等人，2023）。然而，在反复的斜坡失稳导致广泛历史滑坡表面的地区，构建此类清单特别具有挑战性（Chen等人，2024a；Saito等人，2022）。这些长期暴露的裸露表面可能持续多年或几十年，并且通常在灾后图像中表现出与新触发滑坡相似的光谱和纹理特征（Garcia等人，2023）。如果不当地区分，历史暴露可能被误分类为与事件相关的变化，从而导致对地震驱动侵蚀的系统性高估和地貌信号的误解（Fang等人，2024；Ghorbanzadeh等人，2022a）。当历史滑坡在大面积区域内占主导地位时，这一挑战尤为突出，因为系统性的误报会直接影响用于地貌分析的新暴露面积的估计。

遥感提供了一种高效的方法，可以在大面积且通常难以到达的地区绘制滑坡图，光学卫星图像已被广泛用于编制灾后清单（Ghorbanzadeh等人，2022b；Santangelo等人，2022；Wang等人，2021）。然而，传统的单日期绘图方法容易将新引发的滑坡、预先存在的裸露表面和人工特征（如道路、建筑物、采石场面和工程地面）混淆。在构造不稳定的中国山区，基础设施通常集中在谷底和交通走廊，地表改造、光照差异和阴影几何形状可以产生类似滑坡的假信号（Chen等人，2021；Rumora等人，2020）。这些干扰背景引入了空间结构的假阳性，直接影响了灾害影响和地震相关地表扰动的评估。这些误报往往集中在特定的干扰表面上，这促使人们评估映射的历史滑坡和人造设施内的错误，而不仅仅是依赖于全局准确性指标。这些观察表明，震后滑坡绘图中的一个关键未解决的问题不仅是双时相信息是否提高了整体检测能力，还包括它是否改进了新暴露滑坡表面与不同干扰背景的分离。当映射的清单用于地貌解释和侵蚀相关分析时，这个问题尤为重要。

使用震前和震后图像的变化检测提供了一种有前景的方法，以孤立与大地震相关的滑坡（Chen等人，2024b；Peng等人，2025；Shafique等人，2022）。通过强调与植被移除和新鲜物质暴露相关的光谱差异，双时相方法可以抑制随时间持续存在的稳定背景表面（Saito等人，2022）。因此，已经探索了多种变化检测辅助方法，包括植被指数差异、成分分析、概率优化框架以及最近整合多时相信息的机器学习和深度学习模型（Shafique等人，2022；Shi等人，2020；Tehrani等人，2022；Wang等人，2022）。总体而言，这些研究表明，时间背景可以增强滑坡信号，特别是在植被覆盖的地形中。尽管取得了这些进展，但基于变化的方法的有效性并非普遍适用。在以历史滑坡为主的景观中，明确的变化信息可能有助于区分新暴露的滑坡表面与现有的裸露地形。相比之下，在基础设施丰富的山谷中，人为改造、光照变化和震后的人类活动可能会产生与斜坡失稳无关的明显变化。因此，变化检测可能会抑制一种类型的背景，同时放大另一种类型，这对用于地貌分析的地震触发滑坡清单的可靠性有直接影响（Chen等人，2021；Peng等人，2025）。因此，一个关键的实际需求是澄清明确变化特征的价值取决于目标场景中的主导干扰背景。最近的研究还探索了自适应迁移学习、物理信息驱动的方法以及结合动态地震信息和静态环境因素的混合深度模型，以改进滑坡识别和易感性建模（Liu等人，2024；Meng等人，2026；Zhang等人，2026）。尽管这些发展很有前景，但它们在混合干扰背景下的事件窗口滑坡绘图中的直接应用仍然相对较少。

在本研究中，我们区分了同震滑坡和地震触发滑坡。同震滑坡是指在地震震动期间或之后立即发生的斜坡失稳。地震触发滑坡这一术语在操作绘图中用来表示在震前图像中不存在但在震后图像中迅速出现的滑坡。由于双时相图像涵盖了地震和早期震后时期，映射的滑坡可能包括即时的同震失稳和由降雨、渐进性弱化或震后调整引起的早期震后斜坡失稳（Tunnicliffe等人，2024；Utley等人，2025）。这里提到的历史滑坡是指在地震前一直保持裸露的长期暴露的滑坡疤痕。因此，重点不是将每个滑坡归因于特定的触发机制，而是在事件窗口内绘制与地震相关的地表暴露。

基于这一动机，本研究评估了在单一构造不稳定山区内的干扰背景下基于变化检测的机器学习方法的表现。以2017年中国四川九寨沟6.5级地震为例，模型在一个滑坡密集区进行训练，并应用于两个具有不同地表条件的相邻区域：一个区域以广泛的历史滑坡为主，另一个区域以集中的人造设施为主。这种设计反映了现实的震后绘图场景，其中标记数据在空间上有限，地表条件在短距离内变化明显。我们不仅关注整体分类准确性，还关注在主导干扰背景下的目标误分类率，以及平均精度和F1分数等标准指标。我们进一步比较了基于像素的分类器和卷积分割模型，以检查空间背景和多尺度表示如何影响历史滑坡和人造设施上误报的抑制。通过比较带有明确变化特征增强的堆叠光谱输入，本研究旨在澄清变化检测在构造不稳定山区地震触发滑坡清单的检测和划分精度上何时以及在哪里得到改进。

本文的其余部分组织如下。第2节介绍研究区域、数据和方法。第3节报告了在不同干扰背景下的结果。第4节讨论了所提出框架的方法论意义、鲁棒性和局限性。第5节总结了本文。

**研究区域和数据**
2017年8月8日，中国四川省九寨沟县发生了一次强地震，造成了重大的破坏和广泛的斜坡失稳（Cai等人，2022；Hu等人，2019）。九寨沟位于青藏高原东缘与四川盆地之间的过渡地带，活跃的构造活动与陡峭、深切的地形相吻合。根据Tian等人（2019）的研究，这次地震引发了4800多处滑坡。

**在不同干扰背景下的模型性能和变异性**
模型在B区和C区使用五个指标（F1、精度、召回率、AP和MR）在两种输入配置（PP和PPDR）下进行了评估。对于MR计算，B区使用历史滑坡掩膜作为参考，C区使用设施掩膜。对于卷积分割模型（CNN、FCN和FPN），在A区使用不同的随机种子进行了十次独立训练运行，并采用了相同的训练-验证分割。十次运行的汇总性能（平均值±标准差）……

**在干扰背景下的地震相关地表扰动的稳健映射**
尽管这三个区域在地理上接近，但它们在干扰背景上存在显著差异，包括B区的广泛历史滑坡和C区的集中人造设施。这种对比提供了一个在具有不同地表条件的相邻区域之间的受控比较，这在构造不稳定的山区很常见，那里既有历史滑坡也有谷底基础设施共存。除了总体准确性之外，地震相关地表扰动的空间分布也有所不同……

**结论**
本研究开发了一种基于变化检测的机器学习框架，用于从受2017年九寨沟6.5级地震影响的构造不稳定山区双时相Sentinel-2图像中绘制地震触发滑坡。模型在一个滑坡密集区进行训练，并在两个具有不同主导干扰背景的相邻区域进行了评估：一个区域以广泛的历史滑坡为主，另一个区域以集中的人造设施为主。这种设计反映了……

**作者贡献声明**
林 Wang：撰写——原始草稿、可视化、验证、软件、方法论、资金获取、正式分析、数据管理、概念化。
张丽敏：撰写——审阅与编辑、监督、资金获取、概念化。
程峰：撰写——审阅与编辑、监督。
范曦薇：撰写——审阅与编辑、资金获取。
梁爽：撰写——审阅与编辑。

**利益冲突声明**
作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

**致谢**
我们衷心感谢编辑Achim A. Beylich和Rong Yang以及两位匿名审稿人的建设性和宝贵意见。本研究得到了中国地震局地质研究所的国家非营利基础研究资助（授权号IGCEA2443和IGCEA2106）、NSFC/RGC联合研究计划（编号N_HKUST620/20和4201101075）以及香港特别行政区研究资助委员会（编号T22-606/23-R和16203720）的支持。