《Remote Sensing》：CETransUNet: An Intelligent Landslide Identification Method Based on Collaborative Optimization of Global Context and Dual Attention Mechanisms
编辑推荐：
准确识别滑坡对于提升破坏性地质灾害应急响应能力至关重要。尽管基于深度学习（Deep Learning, DL）的语义分割已展现显著效果，但滑坡尺度的巨大差异与环境相似性仍对现有方法构成挑战。本研究基于2017年林芝地震遥感影像，系统构建了雅鲁藏布江流域的全新地
准确识别滑坡对于提升破坏性地质灾害应急响应能力至关重要。尽管基于深度学习（Deep Learning, DL）的语义分割已展现显著效果，但滑坡尺度的巨大差异与环境相似性仍对现有方法构成挑战。本研究基于2017年林芝地震遥感影像，系统构建了雅鲁藏布江流域的全新地震滑坡数据集，有效填补了该区域关键数据空白。本研究提出CETransUNet（Coordinate Attention and Edge-Guided Attention Transformer UNet，坐标注意力与边缘引导注意力Transformer UNet），一种融合ResNet与Transformer架构的新型滑坡检测模型。具体而言，在编码器与解码器之间的跳跃连接中引入坐标注意力（Coordinate Attention, CA）模块，该模块沿水平与垂直空间方向编码位置信息并动态重加权特征图，从而有效抑制由语义间隙引发的背景噪声并增强模型对滑坡区域的定位能力。此外，在解码器中融入边缘引导注意力（Edge-Guided Attention, EGA）模块，该模块利用拉普拉斯算子从输入影像中提取显式边缘先验，并通过边界反向注意力机制对预测结果施加几何约束，从而显著缓解滑坡边界模糊与形态畸变问题。在雅鲁藏布江、Iburi-Tobu及毕节三个区域数据集上的评估表明，CETransUNet在交并比（Intersection over Union, IoU）、平均交并比（Mean IoU, MIoU）和F1分数等指标上显著优于TransUNet、SegFormer和SwinUNet等最先进模型。总体而言，通过坐标注意力与边缘引导注意力模块的协同优化，CETransUNet模型在复杂场景中实现了边界完整性与几何精度的同步提升，为大规模智能滑坡识别提供了可靠的技术解决方案。
滑坡是全球分布最广、破坏性最大的地质灾害类型之一，其发生发展常与地震、强降雨、地下水波动、极端天气及河流侵蚀等因素密切相关。滑坡不仅造成地表剧烈变化，还可能诱发交通中断、建筑损毁和人员伤亡等次生灾害，对人类社会与自然生态系统构成双重威胁。因此，利用遥感影像进行滑坡检测对于理解其空间分布与形态特征、促进防灾减灾具有重要意义。传统方法主要依赖野外调查和人工目视解译，费时费力且难以在强降雨或地震后大规模群发滑坡时实现快速响应。光学遥感卫星能够获取高分辨率地表影像，为滑坡识别提供了前所未有的数据支撑，推动该领域从半自动化向全自动化发展。
然而，现有深度学习滑坡检测研究仍面临多重挑战。在模型架构层面，卷积神经网络（Convolutional Neural Network, CNN）凭借其层次化特征提取和端到端学习能力被广泛应用，如ResUNet等结构在区域滑坡制图中表现优异。但CNN的根本局限在于局部感受野：小卷股核的堆叠导致有效感受野远小于理论尺寸，难以建模全局上下文与长程依赖关系，引发语义噪声、光谱相似特征误分类及边界畸变等问题。Transformer架构通过自注意力机制直接捕获图像块间的全局相关性，如TransUNet将Transformer集成至U-Net瓶颈以改善全局上下文建模，但其保留细粒度局部细节和精确边界描绘的能力不足，尤其针对破碎化滑坡形态。现有混合模型多简单堆叠CNN与Transformer模块，缺乏协同设计，编码器-解码器特征间的语义间隙未获解决，且未能充分利用边缘先验进行边界精化。
在数据层面，滑坡事件的突发性使得高质量、大规模像素级标注数据集的获取成本极高，公开资源稀缺，不足以充分训练数据驱动模型。现有数据集在地形复杂度、场景多样性和触发机制代表性方面存在不足，导致模型面对复杂光照阴影、植被覆盖及形态各异的破碎滑坡边界等真实挑战时泛化能力显著下降。此外，数据类别不平衡问题普遍存在，加剧预测偏差，使模型倾向于将多数像素判为背景，造成实际滑坡体的严重漏检。
为应对上述挑战并满足复杂遥感场景下高精度自动化滑坡识别的需求，本研究聚焦于两个关键科学问题：一是如何构建雅鲁藏布江高山峡谷区的高质量滑坡数据集；二是如何开发有效的深度学习框架以克服现有方法在边界模糊、几何畸变和语义噪声方面的局限。研究人员首先基于2017年林芝地震震后遥感影像，系统构建了涵盖不同坡度、极端光照和复杂植被覆盖条件下多种滑坡形态的新型地震滑坡数据集，并对破碎边界和群发滑坡进行了像素级精细标注。进而提出CETransUNet框架，该框架融合ResNet与Transformer架构，通过嵌入CA模块增强位置感知并过滤无关语义噪声，抑制光谱相似特征（如裸岩与道路）的误分类；同时引入EGA模块，利用拉普拉斯边缘先验提供显式边界约束，缓解破碎滑坡区域的几何畸变和边缘模糊。
本研究所采用的关键技术方法主要包括以下方面。在数据层面，构建并整合了三个异构数据集：基于资源三号（ZY-3）卫星影像构建的雅鲁藏布江数据集（824个256×256像素样本）、基于日本地理空间信息局提供的3米分辨率卫星影像构建的Iburi-Tobu数据集（1484个512×512像素样本，为公开子集），以及基于TripleSat卫星影像构建的毕节数据集（770个样本）。在模型架构层面，CETransUNet采用"特征过滤-结构重建"的协同信息流动机制：CA模块嵌入跳跃连接，通过水平与垂直方向平均池化、拼接、卷积及Hard-Swish激活实现特征重加权；EGA模块集成于解码器，融合编码器多尺度语义特征、解码器初步预测特征及拉普拉斯算子提取的显式边缘先验，利用边界反向注意力机制和卷积块注意力模块（Convolutional Block Attention Module, CBAM）进行特征校准。在训练策略层面，采用Adam优化器，初始学习率1×10
-4，余弦退火调度，批大小16，训练60轮；通过BCE损失与Dice损失的复合损失函数（权重系数α=0.5）应对类别不平衡；数据增强策略包括高斯噪声添加、多角度旋转翻转及暗化处理。评估指标涵盖IoU、MIoU、精确率（Precision）、召回率（Recall）及F1分数。
研究结果部分，"对比实验"表明CETransUNet在三个数据集上均显著优于七种基线模型（UNet、SegFormer、SegUNet、BiseNetV2、AttUNet、SwinUNet和DCSAUNet）。在毕节喀斯特地貌过渡区，模型达到IoU 79.20%和F1分数88.24%，较次优SegFormer提升2.71%和1.71%，精确率和召回率同步优化。在Iburi-Tobu密集破碎滑坡群场景下，IoU达74.77%，超越SegFormer达5.96个百分点，召回率提升4.08%验证了EGA模块的结构精化效能。在雅鲁藏布江地质极端环境中，IoU达80.26%为唯一突破80%阈值的架构，F1分数89.01%（+3.49%），证实了CA模块噪声抑制与EGA模块边缘引导协同机制的关键作用。可视化对比显示，CETransUNet在边界清晰度、结构连续性和形态保真度方面均优于对比模型，红色标记区域的改善尤为显著。
"消融实验"通过对比基线TransUNet、仅引入CA模块（No-EGA）、仅引入EGA模块（No-CA）及完整CETransUNet，验证了注意力模块的有效性。所有指标在三个数据集上均有提升，但改善程度呈场景依赖性：毕节简单场景F1分数仅提升1.96%，而雅鲁藏布江和Iburi-Tobu复杂场景IoU分别显著提升4.65%和5.43%，F1分数提升2.97%和3.68%，表明模型有效缓解了复杂场景中的特征混淆和边界不确定性。可视化结果揭示，No-EGA变体抑制部分语义间隙噪声但边界连续性不足，No-CA变体增强局部边界清晰度但引入语义噪声，CETransUNet通过双模块协同在边界完整性、结构连续性和形状准确性方面表现最优。
"泛化性能实验"选取四川九寨沟县日则沟流域作为实验区域，该区域地质条件复杂、降雨充沛、滑坡灾害频发。采用最大均值差异（Maximum Mean Discrepancy, MMD）量化区域间分布差异，日则沟与雅鲁藏布江的MMD值为1.3014，显著低于与Iburi-Tobu（2.1243）和毕节（2.6862）的差异，表明二者特征空间分布更为接近。利用雅鲁藏布江数据集训练的模型参数进行大规模滑坡识别，CETransUNet在弱光照、水面反射及云雾遮挡等复杂干扰条件下仍能有效识别多数滑坡体，达到IoU 75.41%、MIoU 86.70%、精确率86.93%、召回率85.05%及F1分数85.98%，展现出优异的检测能力与场景适应性。少量误判源于人工标注主观差异引入的标签噪声，以及云层覆盖导致的地物光谱特征扭曲和低信噪比。
讨论部分，研究人员对Bijie数据集上精确率较TransUNet轻微下降的现象进行了专门分析。混淆矩阵对比显示，虽然假阳性（False Positive, FP）略有增加，但真阳性（True Positive, TP）的识别显著提升，直接促进召回率改善。这种精确率与召回率的权衡由滑坡分类决策阈值调节：降低漏检风险时放宽分类标准有助于捕获更多真实滑坡像素，但增加非滑坡区域误分类可能。在应急响应等关键应用中，优先目标是最大化潜在滑坡体检出率以支持灾害评估和救援操作，遗漏实际滑坡区域的后果远比核实潜在误报的工作量大。因此，CETransUNet以精确率轻微降低换取召回率大幅提升的性能特征并非模型缺陷，而是对应急场景的针对性优势。该特征还可能归因于Bijie地区独特的地形地貌和纹理特征使模型学习了更具包容性的区域适应特征表示。
模型复杂度比较方面，研究人员以参数量（Params）、浮点运算次数（Floating-Point Operations, FLOPs）、推理速度（Frames Per Second, FPS）和训练时间为指标评估计算效率。12层Transformer版本的CETransUNet参数量达221.8 M、FLOPs为48.76 G、FPS降至63.13 img/s，训练时间显著延长，表明注意力机制增强检测能力伴随额外计算负担。通过将标准Transformer层数减至8层，8层CETransUNet（Model A）参数量（188.2 M）接近基线TransUNet（192.4 M），FLOPs（43.12 G）略高于基线（42.56 G），FPS（81 img/s）略低于基线（85 img/s），但在三个数据集上均实现更优检测性能，F1分数分别提升1.65%、2.27%和1.05%，IoU同步增长。这证实了通过架构优化（减少Transformer层数同时嵌入CA和EGA模块）可实现更高参数效率和更强特征表示能力，尤其在破碎化滑坡形态和显著背景噪声场景中改善最为明显。
研究结论指出，本研究系统建立了雅鲁藏布江高山峡谷区震后滑坡数据集，有效填补了该区域高质量精细化滑坡检测数据空白。针对滑坡识别中的边界模糊和几何畸变挑战，提出深度整合CNN与Transformer架构的CETransUNet模型，通过创新性嵌入CA和EGA模块，有效桥接编码器-解码器语义间隙，实现全局语义建模与局部边界感知的深度融合。多场景广泛评估表明，CETransUNet在多种地质环境中显著优于UNet、SegFormer和SegUNet等主流模型，尤其在复杂地貌中的几何完整性识别方面展现出更优鲁棒性。通过将Transformer组件压缩至8层，模型在保持高精度的同时显著提升计算效率，平衡了算法性能与应急响应时效性。九寨沟地区泛化实验进一步验证了模型在实践防灾减灾中的应用潜力。尽管精确率与召回率存在权衡，但模型的高召回特性更符合灾害应急识别的实际需求。未来研究将探索多源数据融合策略以进一步抑制复杂背景中的假阳性。
