数据驱动单险和多险灵敏度图的演化及深度学习方法的兴起
计算机视觉与模式识别
2025-02-14 v1
摘要
数据驱动的自然灾害灵敏度图已利用单一来源表示为栅格图像的分类方法的进展。灵敏度图是评估任何自然灾害风险的重要步骤。日益增多的自然灾害在空间、时间或两者同时发生，呼应于对多险灵敏度图的深入研究。近年来，单险灵敏度图算法已相当成熟，并扩展到多险灵敏度图。深度学习也正成为单险灵敏度图的有前景的方法。本文讨论了单一灾害的方法演化、其扩展到多险图作为决策的后期融合，以及深度学习方法在灵敏度图中的应用。我们最终提出了一种视野，旨在适应数据融合策略于多险灵敏度图的多模态深度学习。基于灵敏度方法的背景研究，我们展示了深度学习模型是多险灵敏度图中未被充分利用的方法。数据融合策略为多险灵敏度图适用的深度学习模型空间提供了更大的空间。
引用
@article{arxiv.2502.09045,
title = {Evolution of Data-driven Single- and Multi-Hazard Susceptibility Mapping and Emergence of Deep Learning Methods},
author = {Jaya Sreevalsan-Nair and Aswathi Mundayatt},
journal= {arXiv preprint arXiv:2502.09045},
year = {2025}
}