大尺度地震会引发一系列的灾害,特别是地震滑坡,对城市和农村地区造成了巨大的破坏。我们最关心地震滑坡灾害的问题是“地震后哪些地方发生滑坡”以及“地震滑坡的规模和危害性怎么样”。地震后哪些地方发生滑坡是地震滑坡应急响应的第一步,随着遥感技术的发展,基于遥感影像空间感知的地震滑坡自动识别已成为解决地震后哪些地方发生滑坡的基本要求。过去,通常是基于像素或面向对象的方法进行滑坡自动识别。但由于大量遥感数据的堆积,未来地震场景的未知性以及地震后救援时间的敏感性,这些方法未能为地震滑坡识别提供准确、快速、全面、通用（跨场景）的解决方案。另一方面,在遥感大数据背景下,地震滑坡的规模和危害性怎么样的核心问题是融合遥感和地学特性的地理信息空间认知,即如何利用区域滑坡空间定位和地震滑坡应急评估先验数据及模型来提供快速准确的地震滑坡灾情信息。而过往的技术往往只是将图像处理的一般性方法简单地应用于灾害遥感这类特殊的图像上,而没有对灾害遥感数据的时空特殊性等灾害地理信息属性进行充分的耦合运用。因此,面对诸多挑战,遥感认知的效率、精度及层次已经从根本上限制了遥感数据的在地震滑坡快速识别与评估中的应用。随着人工智能、机器学习等的兴起,本文从深度迁移学习,遥感和地理信息系统快速融合角度出发,探寻地震后哪些地方发生滑坡?（遥感影像空间感知）和地震滑坡的规模和危害性怎么样?（地理信息空间认知）两大问题。进一步,实现在地震发生后,10分钟甚至5分钟内,对滑坡范围进行精准定位,滑坡危险情况,损失情况等进行准确、鲁棒评估。在整个实现过程中涉及的研究内容以及主要结论如下:（1）为解决区域滑坡自动识别的空间准确性和跨场景鲁棒性两大挑战,即针对遥感地物识别在有监督和无监督两种不同情况下,分别基于卷积神经网络和无监督域自适应迁移学习,构建了高效率、高精度、跨场景、鲁棒和操作简便的遥感地物空间感知框架。具体而言,首先,当研究目标域中有相应的带标签滑坡训练样本时,为解决遥感影像中滑坡类内高方差、类间低方差和目标尺度差异大等挑战,提出了一种新颖的具有编码器-解码器网络的多尺度卷积特征融合方案（Multi-scale Feature Fusion with Encoder-decoder Network（MFFENet））,以提取和融合遥感图像中物体的多尺度特征。MFFENet在公开的遥感有监督语义分割数据集上实现了突出的分割精度。其次,在大多数情况下,地震的突发性和遥感影像中的大量数据使标注目标域变得困难,本论文基于对抗学习的域自适应方法,提出了在输出空间域自适应的对抗性域自适应模型（Adversarial Domain Adaptation Network（ADANet））和在特征空间域自适应的类感知生成对抗网络（Class-aware Generative Adversarial Network（Ca GAN））可以有效地实现遥感跨场景的无监督分割,即将带有标签的遥感数据集迁移到没有标签的新的遥感数据集。实验结果证明了两个模型在无监督地物识别中的有效性。同时ADANet中提出的多级输出空间适应方案和Ca GAN中的类感知域对齐方案被证明可进一步提高分割模型的适应性。最后,我们进一步对由于真实源域数据缺乏,或者类别不匹配,无法找到合适的有标注源域的情况也进行了初步讨论,提出了缺乏源域的域自适应模型;（2）为了进一步提高有监督或无监督分割模型结果的准确性,我们构建了结果微调模块,其包括地质特征融合和双时相特征融合。地质特征融合模块通过融入滑坡形态特征可以消除部分非滑坡区域（如道路,小塌陷等）。双时相特征融合模块可以消除与地震滑坡的无关区域,例如历史滑坡和一些无关的目标;（3）为解决遥感和地理信息系统的快速融合,基于地理信息系统,对识别结果进行空间粒化,构建了地震滑坡空间地理信息属性。对地震滑坡的规模和危害性怎么样问题构建了能反映地震滑坡灾情信息的风险地理信息属性空间。同时借助其他非遥感数据和滑坡风险评估先验模型等抽取区域内每一个滑坡静态属性,反映滑坡分布、危险情况,损失情况等。最终从空间粒化和属性粒化相结合的角度提出了通用的地震滑坡识别与评估方案;（4）利用现有的地震前和地震后的遥感图像,该方案被应用于九寨沟（中国）和北海道（日本）的两次地震触发的滑坡实例中。应用结果表明,有监督框架（带有微调模块的MFFENet模型）在区域滑坡识别方面表现出最先进的性能（综合精度91.59%）。无监督框架（带有微调模块的ADANet模型）在不同的地震滑坡任务中表现出优异而鲁棒的效果（综合精度82.33%）。基于地理信息系统,对有监督或者无监督框架识别结果进行空间粒化后,将滑坡规模情况、滑坡灾害危害程度等融合空间地理信息系统,从而实现区域地震滑坡的快速评估。总体而言,基于深度迁移学习的地震滑坡快速评估框架通过地理信息系统实现了遥感空间粒化,滑坡风险属性粒化指标的高效率融合,进一步建立了地震滑坡属性特征空间和区域滑坡数据库。以期在充分认识遥感解译特殊性的基础上,综合视觉认知和地学分析技术,为地震滑坡的智能应急救灾探索可行之路。