(通讯员 樊彦鹏 刘韵 曹淑云 )日前，我校湖北巴东地质灾害国家野外科学观测研究站地质灾害智慧管控（AIEG）团队窦杰老师指导的巴基斯坦籍博士研究生Hamza Daud（中文名：邓力），以第一作者身份在国际顶级地质工程类期刊《Acta Geotechnica》（一区TOP,T 1）上发表学术论文，题为《The Role of Multi-Resolution DEMs and Sampling Strategy Uncertainty in Deep Learning-Based Debris Flow Susceptibility Mapping》(《多分辨率地形尺度效应与采样策略不确定性在深度学习泥石流易发区预测中的作用解析》)。
该研究聚焦中巴经济走廊（CPEC）和喀喇昆仑公路（KKH）所经的Besham-Chilas廊道，面对该区域地质灾害频发、地形破碎、数据多源异构等挑战，研究团队创新构建了一个 深度学习模型（DL）耦合多分辨率 DEM 与采样策略不确定性分析的泥石流易发区评估框架。该框架不仅系统量化了不同 DEM 分辨率与采样策略对模型预测性能的影响，还为复杂山区泥石流灾害的精细化识别和高可靠性预测提供了可复现、可扩展的方法体系。
图1 研究技术路线
研究系统性地评估了四种不同分辨率的数字高程模型（DEMs，包括6.5m、12.5m、30m和90m）和100次对称采样迭代对四类深度学习模型（CNN-1D、CNN-2D、RNN和LSTM）性能的影响。结果表明，LSTM 模型在所有分辨率条件下均表现出稳定而显著的优势，其中在 12.5 m 分辨率下取得最高预测精度，AUC 值高达 0.973。同时，特征重要性分析进一步表明，降雨量是控制该区域泥石流发生的最关键致灾因子。
该成果是我校地质灾害智慧管控团队在高山峡谷区地质灾害风险评估领域的又一次重要突破。研究实现了对 DEM 分辨率效应与采样不确定性等关键影响因素的定量刻画，并确定了区域泥石流易发区预测的最优分辨率，为复杂山区环境下开展高精度灾害评估与预警系统建设提供了可复现、可推广的科学框架。
本研究由我校Hamza Daud博士研究生在导师窦杰教授指导下完成。
图2 导师窦杰教授（左）和Hamza Daud博士研究生（右）在野外实验现场交流
图3 窦杰教授（左二）团队和Hamza Daud博士研究生（左一）
研究工作得到了国家自然科学基金、湖北省自然科学基金创新群体项目、国家地理信息系统工程技术研究中心开放基金及水资源高效利用与工程安全国家工程研究中心开放研究基金等项目支持。
文章链接： https://link.springer.com/article/10.1007/s11440-025-02841-2
