一种基于联邦学习和UNet的滑坡易发性评价方法

本发明涉及地质灾害风险分析技术领域，具体涉及一种基于联邦学习和UNet的滑坡易发性评价方法，包括以下步骤：S1，获取滑坡影响因子数据：收集多个滑坡影响因子数据；S2，建立联邦学习框架：建立联邦学习框架；S3，设计UNet深度学习模型：特征提取与分割；S4，联邦学习模型训练与参数整合：更新全局基于UNet的深度学习模型；S5，联邦学习迭代与模型优化：优化基于UNet的深度学习模型参数；S6，生成滑坡易发性特征图与概率回归：输出滑坡易发性评价结果；S7，结果验证与防灾减灾建议：提供滑坡风险预警和防灾减灾建议；本发明，能够实现更高效、更精准的滑坡易发性评估，并能及时更新模型，以应对新的数据变化。