摘要：针对泥石流灾害评估问题,文章提出了一种新的轻量化卷积神经网络模型——融合注意力机制的双通道网络(dualchannel fusion attention mechanism network,DCFAMNet),旨在快速识别沟谷型泥石流灾害。首先,根据历史泥石流点记录,以沟谷数字高程图像(digital elevation map,DEM)及遥感影像为数据源,设计以双通道网络结构为基础技术框架,在DEM图像特征提取通道引入通道注意力机制强调图像特征的网络通道权重,在遥感影像特征通道引入3D卷积块提取沟谷的地表信息,在特征融合阶段利用深度可分离卷积进行更多的特征信息交互。其次,对相关流域的潜在威胁沟谷作出易发性预测,绘制泥石流灾害易发性图。最后,可视化DCFAMNet提取到的沟谷坡向、曲率、坡度等深层特征定位目标关键特征。结果表明,利用DCFAMNet结合GIS技术对泥石流沟谷的识别率可达到80%,AUC值为0.75,表现良好。保存模型最佳参数评估相关沟谷易发性,通过ArcGIS做可视化分析将泥石流灾害分为5个评价等级,并确定泥石流极高易发性,得出高易发区主要分布在贡山县独龙江干流、福贡县怒江干流等水系区域,兰坪县相对较安全。结果可为山区泥石流防灾减灾工作提供有用的参考和依据。