【青年科学家论坛】范宣梅：人工智能助力科技防灾减灾

在2022年“青年科学家50²论坛”数据科学主题论坛上，围绕“AI for Science”这一主题，成都理工大学教授、2022年“科学探索奖”天文和地学领域获奖人范宣梅带来分享：人工智能助力科技防灾减灾。

（以下文字根据现场速记实录整理。）

随着遥感和地理信息技术的发展，地质灾害数据不断丰富。借助人工智能，以前被认为天灾难防的灾害逐渐变得可以预测、预警。

人工智能如何助力防灾减灾

过去一百年，全球因为地质灾害造成的死亡人数达到800多万，90%以上的地质灾害是由于强震和极端气候引起的。中国承受着全球1/3的大陆地震，特别是以青藏高原及周缘为主体的西部地区是世界上地震灾害风险最高的区域。地震造成的死亡人数占到了全球1/2，其中一个非常重要的原因就是地震诱发大量的次生地质灾害。例如近百年发生在四川的两次强震，1933年叠溪7.5级地震和2008年汶川8级大地震，给人们造成了巨大的伤害，也给防灾减灾带来了惨痛的教训。

1933年叠溪地震诱发的滑坡导致具有千年历史的叠溪古城瞬间消失，3000余人遇难。在不到100年的时间内，2008年汶川地震，悲剧再次上演，地震诱发了大量的地质灾害，王家岩滑坡掩埋了大半个北川老县城。据不完全统计，汶川地震诱发的地质灾害的造成的死亡人数占到了地震总死亡人数的1/3。这些惨痛的教训，一次一次给我们敲响了警钟，时刻提醒着我们地质灾害预测及防治的重要性。

除了地震，极端季候是诱发地质灾害的另一个元凶。目前，全球气候变暖的速率是近两千年来前所未有的，导致极端气候事件频发。比如，2021年郑州特大洪水事件和2022年大家都深切感受到的全球高温事件。

极端气候造成地质灾害风险显著加剧，特别是在青藏高原。青藏高原又被称为地球的第三极，是全球气候变化的指示器和放大器。青藏高原的升温速率是全球平均升温速率的两倍，升温导致冰川消退严重，冰湖扩张，加速了地质灾害的发生。如2000年西藏易贡滑坡，体积达3亿方，堵江形成30亿方的堰塞湖，溃决洪水甚至超过了长江1998年特大洪峰流量，使西藏墨脱成为孤岛。2016年西藏阿里地区连续发生了两次巨型冰崩，大量牧场被摧毁。

中国平均每年因地质灾害造成的死亡人数高达数百人，直接经济损失数百亿元。为了减少地质灾害造成的人员伤亡和财产损失，中国地质灾害领域唯一的国家重点实验室——地质灾害与地质环境保护国家重点实验室，一直在开展防灾减灾方面的科研攻关。

2008年汶川地震以后，我们一直在聚焦解决三个关键问题：

首先，快速预测地震发生时哪里会发生次生地质灾害；这对于震前城镇建设规划和震后应急救援都至关重要。

其次，如何快速智能识别次生地质灾害。

第三，如何准确预警地质灾害的发生时间，这也是困扰学界多年的难题。

回顾汶川地震，在地质灾害调查现场，我站在引起地震的断裂带上，以我自己为一个标志点测量断层的错动距离。从那以后，强震地质灾害就成为了我研究的关键词。汶川地震不仅导致大量的房屋倒塌和人员伤亡，同时还诱发了数以万计的地质灾害，大大增加了震后应急救援和灾后重建的难度，其现象和科学内涵都远远超出了我们以往对地质灾害的认识。

震后通讯中断，大量道路受损，使震区在震后黄金救援72小时出现了信息盲区。大家不知道地震影响范围到底有多大，哪里受灾最严重，哪里的道路被滑坡、崩塌阻断等等信息。大家都认为震中受灾最严重，大量的救援力量集中到了汶川，但其实汶川县城并没有太大的损毁，反倒是北川县城彻底被摧毁。

此外，我国当时遥感技术也没有现在发达，遇到突发的灾害事件还在依赖国外的卫星数据。当时我们就在想，如果能够有一个模型在震后十分快速地，甚至跟地震发展近实时地去预测地质灾害及其可能产生的影响，一定能够救更多的人。

经过这些年的努力，我们基本实现了这个目标。2022年9月5日发生的泸定地震就是对模型最好的检验。我们在震后两个小时后，就发布了地震诱发滑坡预测结果，为现场应急救援提供了第一手信息。同时，利用震后无人机和卫星遥感影像，通过AI算法对影像中地质灾害及受损的道路、房屋进行了自动智能识别，相关结果每天都会报送给现场应急指挥部、国家应急管理部等部门，支撑现场应急救援和灾害排查工作，这在之前是完全不可能的。

地震诱发地质灾害的预测一直是热点、难点问题。美国地质调查局一直尝试解决这个问题，但由于之前大部分研究都仅针对个别地震案例，采用的算法也是简单的信息量或者逻辑回归等统计方法，加之地震诱发地质灾害机理本来就很复杂，因此预测结果一直不尽如人意。

为了弥补这些不足，我们做的第一件事情就是从数据下手，建立了全球53次地震诱发地质灾害数据库，包括40多万条地震滑坡样本，是目前全球最完整的数据库。AI算法是数据驱动的，数据的质量和丰富程度决定了模型的上限。虽然我们数据量与其他领域的大数据相比看似并不多，但在灾害领域已经是非常丰富的数据库了。

有了数据，接下来就是模型，地震诱发地质灾害受到很多因素的影响，比如地震因素，岩土体结构、强度等，挖掘这些因素与地质灾害深层次的关联性是预测模型的关键。因此，我们尝试了很多人工智能算法，包括随机森林、不同种类的深度神经网络等。通过对比发现，基于全卷积算法的回归模型效果是最好的。我们在模型准确率上得到很大的提升，可以达到85%以上，比美国地质调查局准确率提高了约25%。并且模型可以在一分钟之内就完成计算，可以说一旦哪里发生地震，就能基本同时预测地震诱发地质灾害的位置。

我们也搭建了预测平台，进行结果的前端展示和快速发布，2017年九寨沟地震地质灾害的预测结果，与现场实际情况是十分吻合的。

AI智能识别地质灾害

随着对地观测技术的发展，国产卫星数据的数量和质量都有了显著提升，无人机也越来越普及。汶川地震发生时，对地质灾害的识别只能采用人工解译的方法，汶川地震诱发的6万多处滑坡，两个博士用了半年多的时间来解释。现在利用AI技术学习能力和计算效率，6万滑坡的解译在几分钟内就可以完成。

提起AI可能会联想到人脸识别，其实滑坡识别比人脸识别难度还要更大一些，主要有三个方面的原因。

第一，滑坡识别的数据类型更多样；往往通过多源遥感影像，不仅包括日常照片中的RGB波段，还涉及到红外、短波、长波等其他通道的波谱信息。

第二，滑坡形态特征更复杂；人的面部五官特征和轮廓特征是高度统一的，但是地球上滑坡的尺度、结构、纹理形态却是千奇百态的。因此，学习和捕捉它们的关键特征值就更为困难。

第三，滑坡识别的干扰更突出；人脸识别时，通常面部完全曝露在镜头下或者只有口罩、眼镜等固定饰品的遮掩，但是现实中的滑坡会隐藏在茂密的植被和多种复杂地形条件下，背景环境干扰的问题尤为突出。

针对上述问题，我们建立了联合多源数据的地质灾害智能识别方法。

针对数据类型多样的问题，对异构数据进行智能匹配与时空对齐，使多源信息能够充分整合利用。

针对环境干扰显著的问题，我们利用自适应噪声滤波与信息增强技术降低数据的背景噪声与冗余信息。

针对滑坡形态特征复杂的问题，设计了融合增强型注意力模块的深度卷积神经网络，强化对滑坡目标多层次、多尺度的深度学习，从而实现大范围滑坡的快速智能识别。

在2022年泸定地震，我们就是利用上述方法进行震后地质灾害大范围快速智能识别。从显示的结果可以看出，智能识别滑坡范围与实际灾害范围高度吻合，识别准确率达到了95%以上。

人工智能也并不是所有的滑坡都能识别、解决所有的问题。针对一些特殊对象和特殊的环境，它也经常会发生失灵的现象，比如对滑坡特征明显，周围地质环境与滑坡十分相似的区域，智能识别存在漏检、误检的情况。此外，在一些特殊的环境，比如我们在利用AI算法自动提取青藏高原过去三十年的冰川变化时，就发现AI对于含冰量高、反射率高的冰面识别效果较好，而对于冰川前缘的冰舌是基本无法识别的，存在严重的漏检问题。

还有一个目前AI无法很好解决的问题，就是针对茂密植被覆盖老滑坡的问题。没有经验的人可能很难从影像上找到滑坡的位置和范围，只有当我们利用激光雷达数据去掉地表植被时，才能看到滑坡清晰的边界。如果只给AI一张单纯的RGB影像，类似这样的老滑坡就会被漏检。

地质灾害智能预警

如果可以在灾害发生前精准预警，就可以提前把受威胁的人撤离出来，从而避免人员伤亡。要预警地质灾害，就需要布设一张天罗地网，从表到里把它们监控起来。空天领域，我们主要依赖卫星和无人机观测。在地面和地下布设传感器，监测地质灾害表层和内部蛛丝马迹的变化。建立空-天-地-内协同监测体系，实现地质灾害的万物互联。

中国的地质灾害非常多，就四川省来看，已知地质灾害隐患已达到3万多处，现在已经安装监测设备的有1万多套，每天从现场实时传回到实验室的监测数据达2亿多条。从海量的数据里智能、实时而且准确地预警灾害何时发生，需要一个非常智能的预警模型。传统方法采用的阈值预警（设定一个滑坡的位移，当它超过一定的量值时，就认为它即将要发生），经过实践证实是完全行不通的。每个滑坡都是一个不同的个体，具有不同的地质基因，生病时的病症和病情发育过程自然不一样，所以采用单一的阈值不是漏报就是误报，产生了“狼来了”效应。

我们通过对大量滑坡研究发现，找准滑坡的发育过程和规律进行过程预警，才是解决滑坡预警问题的关键。

滑坡的发育过程大概分三类：

突发型，类似于我们的心脏病，从开始变形到最后发生的时间都非常短；

渐变型，发生过程具有明显的阶段性，发生之前具有显著的加速过程；

稳定型，类似于慢性病，在短时间内并不会发生明显的变化。

针对渐变型的滑坡，采用人工智能算法自动捕捉滑坡变形阶段，并且发出相应的预警信号。当滑坡进入到快速变形阶段的时候，会发出红色预警，预示着滑坡将进入临滑状态。

基于上述方法，我们实验室在黄润秋教授和许强教授带领下，经过十几年的不断探索，研发了地质灾害实时监测预警系统，基本实现了地质灾害实时智能精准预警，通过系统可以自动给灾害主管部门发送信息，现在已经成功预警地质灾害事件200余起。

在比较偏远的地方没有办法安装监测仪器，如何实现这些区域的速报？偏远地区人员稀少，一般认为即便发生灾害也不会造成太大的损失，但是这些灾害可能产生灾害链的问题，例如滑坡堵江形成堰塞湖，溃决洪水往往会波及下游非常大的范围。2018年金沙江白格滑坡产生的特大供水，到达了远在一千公里以外的丽江。

现在我们正在探索尝试采用地震动信息进行这些地区的滑坡速报，大型滑坡发生时也会产生地震动信号。如果有几个地震台站，可以进行滑坡事件位置、时间和规模的速报。从海量的地震台站数据中自动区分哪些是天然地震信号、哪些是滑坡、哪些是噪音，需要人工智能的算法，同时需要地球物理的专业知识。通过对过去大量事件不断的学习和训练，现在已经可以达到智能提取滑坡产生的地震动信号。目前，这个准确率也是比较高的。在此基础上，结合数值模拟方法可以快速预测灾害可能影响的范围和产生的风险。

人工智能推动了地质灾害领域的技术革命，弥补了传统模型的不足。但是如何打开人工智能的黑匣子，揭示结果背后的原理机制，需将人工智能与人类智慧结合，实现人工智慧是应对未来更复杂环境和条件下地质灾害预测所面临的挑战之一。