1. 引言 (Introduction)
- 背景：文章讨论了在阿尔卑斯山区检测岩崩、滑坡、碎石流等大规模地表运动的重要性，以及这些现象对人类生命、牲畜和基础设施的威胁。
- 研究目的：介绍了利用分布式声学传感（DAS）技术进行地震监测的潜力，并提出了一个半监督神经网络模型，用于筛选与瑞士Brienz地区岩石崩塌相关的DAS数据。
2. 研究地点和数据 (Study Site and Data)
- 研究地点：详细介绍了瑞士Griisons州Brienz村上方的动态滑坡复合体，包括“Dorf”和“Berg”两个部分。
- 监测系统：描述了自2011年以来安装的监测系统，包括用于检测快速质量运动的多普勒雷达。
- DAS记录：介绍了DAS记录的设置，包括连接到Tiefencastel和Filisur村的10公里长光纤，以及DAS数据的采集和处理方法。
- 多普勒雷达数据：解释了多普勒雷达如何识别速度超过约一米每秒的物体，并测量移动目标的速度和范围。
3. 方法 (Methods)
- 地震事件检测：将地震事件检测视为图像分类任务，并设计了一个基于卷积神经网络（CNN）的检测算法。
- 交叉谱密度矩阵（CSDMs）和标记：介绍了如何将DAS数据分割成图像序列，并计算相位的CSDM。
- 半监督分类：描述了使用VQ-VAE（向量量化变分自编码器）进行无监督表示学习和降维，以及使用XGBoost进行有监督分类的过程。
4. 分类结果 (Classification Results)
- 日间和夜间检测：分析了白天和夜间不同类型噪声的检测结果，包括车辆噪声和随机噪声。
- 滑坡失效检测：讨论了算法识别的滑坡失效事件，并与多普勒雷达数据进行了比较。
- 事件大小和信噪比（SNR）：探讨了事件大小和SNR对检测性能的影响。
5. 讨论和结论 (Discussion and Conclusions)
- 机器学习的应用：讨论了机器学习如何通过利用DAS记录中的时空信息来增强岩石斜坡失败的检测。
- 关键发现：文章指出，在主要崩塌之前，加速的岩石崩塌活动有所增加，这表明所提出的方法对于监测甚至预警具有吸引力。
- 算法的适用性：讨论了算法在其他地点的潜在适用性，以及可能需要的调整。
文章通过结合DAS技术和半监督学习，提供了一种新的岩石斜坡失效自动监测方法，并在瑞士Brienz地区的实际案例中验证了其有效性。
参考文献
Kang, J., Walter, F., Paitz, P., Aichele, J., Edme, P., Meier, L., & Fichtner, A. (2024). Automatic Monitoring of Rock-Slope Failures Using Distributed Acoustic Sensing and Semi-Supervised Learning. Geophysical Research Letters. https://doi.org/10.22541/essoar.171820821.18866285/v1
