英国地质调查局在利用人工智能技术提升滑坡风险评估方面取得重要进展

近日，由英国地质调查局（BGS）与意大利佛罗伦萨大学地球科学系组成的国际研究团队利用人工智能（AI）技术结合卫星干涉雷达（InSAR）数据，开发出了一种适用于从国家尺度识别和分类活动滑坡的新方法，可为灾害风险评估和基础设施安全保障提供重要支撑。应用研究结果表明，英国约有3000处坡体在近年持续缓慢移动，涉及道路和铁路等关键基础设施，相关成果已发表于《International Journal of Applied Earth Observation and Geoinformation》期刊。

滑坡是英国造成重大经济损失和人员伤亡的主要地质灾害之一。长期以来，由于监测成本高昂、技术复杂，尤其是全国范围内的主动识别与预警难度较大，滑坡风险管理始终面临挑战。该研究团队利用干涉合成孔径雷达监测地面微小形变，引入机器学习（ML）与层次聚类算法（HDBSCAN）进行数据降噪与模式识别，将海量InSAR数据（约650万个点）降至380万个有效点，结合坡体单元实现地貌可靠性分析，生成InSAR滑坡清单地图，填补了传统滑坡数据库的空白。新方法显著提升了滑坡检测效率和精度，高效处理庞大的数据和复杂的噪声，使研究人员能够在国家尺度下快速圈定活动坡体。 

上述滑坡风险评估方法的应用研究发现，在2018-2022年间显示出持续活动迹象，识别出约3000处活动坡体，每年的变形速率超过2.5毫米；涉及约14000千米道路与360千米铁路，分别占英国全国道路与铁路总长度的2.4%和1%；共对336557个坡体单元进行了分类，其中5%区域的滑坡清单与InSAR数据存在差异，表明需重点实地检查；该方法实现了对全国约30万处坡体的自动分类。虽然这些坡体并不一定已发生滑坡，但其活动性意味着未来存在潜在风险，需在基础设施维护与土地利用规划中给予重点关注。 

这种新方法作为地质灾害管理的一种高效且低成本的工具，可快速识别当前受地面运动影响的高风险区域；支持道路、铁路及建筑维护的优先级决策，降低潜在灾害损失；提升对气候变化下滑坡活动增加的监测能力。英国地质调查局遥感地质学家强调，该半自动化方法可支持滑坡专家开展相关评估工作，是实现大规模地质灾害监测的切实可行方案。佛罗伦萨大学研究员表示，这一工具已成为“强有力的灾害管理决策支持系统”，可提升监测效率并降低成本。 

此外，研究团队未来计划整合更高分辨率的地形数据，发展到自动绘制坡体内单个滑坡的范围与类型；进一步提高对滑坡类型、规模与触发机制的分类精度；研究成果将共享给地方政府、基础设施所有者及研究自然灾害防治的合作伙伴，用于国家级风险评估与预警体系建设。