利用地理空间人工智能与深度学习进行滑坡编目制图：进展、挑战与新兴方向

完整中文导读

这篇综述系统梳理了人工智能尤其是深度学习在滑坡编目制图中的应用，涵盖常用数据源与模型架构，并探讨特征增强与融合、注意力增强技术以及主动学习、迁移学习等提升模型适应性与预测能力的策略。文章同时指出剩余挑战与潜在方向，包括滑坡制图中更多样变量的估计、多模态数据对齐、区域变异性与可复现性建模，以及数据误读和模型可解释性问题。

论文资料与摘要整理

整理依据：原始摘要与元数据；未据此展示论文全文

Harnessing Geospatial Artificial Intelligence and Deep Learning for Landslide Inventory Mapping: Advances, Challenges, and Emerging Directions

作者：Xiao Chen；Wenwen Li；Chia-Yu Hsu；Samantha T. Arundel；Bretwood Higman
刊物：Remote Sensing
出版时间：2025-05-26
DOI：10.3390/rs17111856

研究方法

综述，考察常用数据源与模型架构，以及特征增强与融合、注意力增强技术、主动学习和迁移学习等策略（基于摘要）

研究对象

人工智能尤其是深度学习在滑坡编目制图中的应用（基于摘要）

主要发现

这些技术有助于实现更准确、可扩展和自动化的制图；仍存在多样变量估计、多模态数据对齐、区域变异性与可复现性建模、数据误读和模型可解释性等挑战（基于摘要）

材料局限

材料仅提供摘要与元数据，未提供全文；具体数据源、模型性能与验证结果未提供