论文以川藏公路北线为研究区,通过遥感解译、野外调查等方式对研究区的泥石流沟进行了判别,分析了区内泥石流的发育特征。在此基础上,构建了用于神经网络训练的泥石流样本数据集。然后,建立了四种神经网络框架,并分别加入SE通道注意力机制;利用构建的数据集,基于matlab2021a平台完成了神经网络模型的训练。通过以上研究取得如下成果:1、收集了研究区泥石流形成的环境背景资料以及现有泥石流灾害的调查资料;分析了区内泥石流堆积扇、物源和植被等的发育特征,为后续神经网络训练数据集的建立奠定基础。2、建立了泥石流遥感解译的标志,并对研究区的流域进行遥感解译;通过实地调查验证和修订了解译标志和结果。在此基础上,构建了用于泥石流神经网络模型训练的遥感影像样本数据集,并对数据集进行处理形成能够训练的数据集样本。3、分析神经网络结构,以卷积神经网络为基础,以resnet50、resnet101、inceptionv3以及xception为基本网络框架建立了符合样本数据集的尺度的泥石流自动判识模型;然后,又将SE通道注意力机制应用于以上网络建立了新的网络模型。4、选择合适的训练参数对所得到网络模型进行训练与验证。结果表明,神经网络的各个模型均能对泥石流进行判识,且准确率均大于74%,在加入SE通道注意力机制后准确率能够进一步提升。其中网络模型对进泥石流自动识别所确定的重要区域不同,resnet50的判别效果较差,se-resnet50判别效果较好。以上研究表明,神经网络能够应用于泥石流的遥感解译,以达到自动化解译的目的。该研究对于泥石流的遥感解译提供了一个新思路。