利用SegFormer和高分辨率卫星图像实现意大利小规模降雨引发的山体滑坡的精准自动检测

《Scientific Reports》：Robust automated detection of small-scale rainfall-induced landslides in Italy Using SegFormer and high-resolution satellite imagery

　　

摘要

在意大利，由降雨引发的滑坡因其规模较小、分布零散，以及对人群、建筑和基础设施造成的严重破坏，带来了巨大挑战。由于强降水事件的频率不断增加，加之意大利地形地貌的复杂性，这些挑战愈发严峻。因此，识别此类现象至关重要。尽管已有大量关于半自动和自动滑坡检测的研究，但仍有许多地区未能通过先进的深度学习模型得到充分研究。本研究利用高分辨率（3米）的RGB Planet影像，评估UNet和SegFormer在这些较少被研究的区域对小型滑坡进行分割的性能。与依赖局部卷积操作的UNet不同，SegFormer采用了基于变换器的架构，并结合注意力机制，从而更有效地捕捉对检测小型且分布零散的滑坡至关重要的局部和全局特征。在2023年5月遭受两次重大雷暴影响的意大利中部的艾米利亚-罗马涅地区进行的实验表明，最优的SegFormer配置（块大小为64，批次大小为16）的F1分数为73.42%，召回率为71.72%，mIoU值为63.87%，在分割精度和可靠性方面均优于UNet。在2025年3月因降雨量较大而受影响的意大利中部的托斯卡纳地区进行的跨区域测试进一步证明了SegFormer具备强大的泛化能力，其F1分数为50.01%，召回率为51.77%，mIoU值为66.35%。这些结果凸显了SegFormer在大规模绘制降雨引发的小型滑坡地图方面的潜力，同时也强调了在多雨地区需要自动化绘图解决方案来助力灾害防范。