融合多尺度特征与注意力机制的地震地表裂缝智能识别与特征分析:以2025年西藏定日M _S6.8地震为例

摘要

地震引发的地表裂缝对于揭示断层活动、解析地震构造特征以及震后灾害评估具有重要意义.本研究结合现场采集的高精度无人机（UAV）数据和深度学习技术，对2025年西藏定日M _S6.8地震的地表裂缝特征进行了自动识别与分析，揭示了裂缝的走向规律，并与InSAR变形数据进行了对比验证.基于现场无人机（UAV）获取的高分辨率影像，构建ResPSP-CBAM模型进行智能识别，成功提取了震后区域的地表裂缝分布.该模型集成了ResUNet的残差结构、空间金字塔池化（PSP）模块和卷积块注意力机制（CBAM），显著提高了地表裂缝识别的精度与鲁棒性.分析结果表明，ResPSP-CBAM模型在准确率、精确度、召回率、F1分数上表现优越，其相应数值分别为0.927、0.829、0.779和0.802，识别出的地表裂缝走向与InSAR解译的地表变形方向高度一致，进一步验证了该方法的有效性.本研究构建的ResPSP-CBAM深度学习模型显著提高了地震地表裂缝智能识别的精度和效率.识别出的地表裂缝包含原生和次生裂缝，且主要以断层破裂引起的原生裂缝为主，总体呈南北走向分布，与登么错断裂带走向高度一致.表明识别区域地震地表裂缝与断层的活动性密切相关.本研究为地震地表裂缝的智能识别提供了新的技术手段，对深入理解震源断层的构造特征提供了有力支持，同时为地震预测、预警及震后灾害评估提供了重要的科学依据.

关键词

地表裂缝 / 西藏定日M _S6.8地震 / 无人机 / InSAR / 深度学习 / ResPSP-CBAM / 地质灾害.

Key words

surface fracture / Dingri M _S6.8 earthquake / UAV / InSAR / deep learning / ResPSP-CBAM / disasters

基金资助

国家自然科学基金重大项目(42090054)

国家自然科学基金面上项目(42477170)

资源与生态环境地质湖北省重点实验室开放基金项目(HBREGKFJJ-202411)