摘要：滑坡作为一种破坏性的地质灾害,不仅对人类的生命和财产安全构成严峻威胁,还有可能触发一系列次生灾害,从而进一步扩大损失。因此,准确识别滑坡区域,实现对其精准的检测与分割,对于预防和减轻灾害具有至关重要的作用。U-Net模型作为一种典型的图像分割网络,具有较强的特征提取能力,而CBAM模块通过增加通道和空间注意力,进一步增强了模型对关键信息的关注能力。在研究中,结合二者的优势,设计了U-Net+CBAM模型,对滑坡区域进行自动识别,并对比了U-Net与U-Net+CBAM两种模型在滑坡识别任务中的表现,从准确率、召回率、F1分数和mIoU等多个评价指标进行了全面评估。结果表明,引入CBAM注意力机制的U-Net+CBAM模型在大部分评价指标上优于U-Net模型,尤其在复杂场景的特征捕捉能力和检测精度上表现更为突出。这表明U-Net+CBAM模型在滑坡区域识别任务中具有较好的精确性和适应性,为地质灾害的预防和监测提供了一种更为有效的解决方案。