地震地质

作者：刘鑫, 王诗柔, 石许华, 苏程, 鲁晨妍, 钱晓园, 孙侨阳, 邓洪旦, 杨蓉, 程晓敢

单位：1) 浙江省地学大数据与地球深部资源重点实验室, 浙江大学, 地球科学学院, 杭州 3100582) 教育部含油气盆地构造研究中心, 杭州 310058

关键词：机器学习,深度学习,活动构造,地貌,自动识别,

基金：国家自然科学基金(41972227); 国家自然科学基金(41941016); 国家自然科学基金(51988101); 浙江省钱江人才计划项目(QJD190202); 浙江大学百人计划项目

摘要： 活动构造与地貌学主要涉及活动构造的运动学、 地貌的演化过程及其相关动力机制, 该研究方向是近几十年来地球系统科学交叉研究的热点之一。随着大数据与机器学习研究的发展, 活动构造与地貌学的研究和深度学习的结合已成为该领域中受到广泛关注的新兴研究方向, 并产出了大量优秀成果。文中总结并综述了现今深度学习在活动构造与地貌研究中的数据来源, 以及利用深度学习的方法定量化解决活动构造与地貌中的重要科学问题(包括冰川识别、 火山活动与地貌、 水系分析、 滑坡监测和地表形变等)。基于对上述实例的探索, 文中运用深度学习中的卷积神经网络, 对华南东南部福建地区的花岗岩岩石构造裂缝开展了基于高精度无人机航拍影像的深度学习自动识别。所搭建的卷积网络模型在55min的运行时间内自动识别出人工需消耗近一周才可识别的9 000余条裂缝, 并获得了85%的查准率与89%的查全率, 表明该模型在准确识别构造裂缝的同时显著提升了工作效率。文中最后讨论并展望了未来深度学习方法在活动构造与地貌学领域的发展前景。

来源：2024年第2期

《地震地质》期刊编辑部

查看地震地质杂志2024年第2期