高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

尼泊尔地震触发滑坡识别和雪崩形变分析

2015-04-25尼泊尔Gorkha附近发生了Mw 7.8级强震,引发尼泊尔及中国西藏地区大量的山体滑坡和雪崩灾害,造成了严重的人员伤亡与经济损失。基于Landsat 8影像和亚像素相关性匹配技术识别形变失相关区域,并结合目视解译提取震害滑坡与雪崩沉积区域,统计分析了所提取的滑坡数目、面积等与地形因子的关系,同时对珠峰雪崩高发区的冰川形变进行了定量分析。实验结果表明,提取形变场中的形变失相关区域并结合目视解译验证是一种识别震害滑坡与雪崩沉积区域的有效方法;统计结果显示滑坡体随坡度分布呈现高斯特性,多发生在坡度大于30°的地形,易发于河谷两侧,且高坡度更容易触发单体面积大的滑坡体。该研究为利用Landsat 8影像数据进行震害滑坡与雪崩沉积区域提取、雪崩高发区的冰川流速监测预警工作提供了新视角。     

地震滑坡高分辨率遥感影像识别

区域性地震滑坡信息获取目前主要通过遥感目视解译和计算机提取,存在主观性强、耗时费力、提取精度低等问题,导致难以满足灾后应急调查、灾情评估等方面的应用需求。采用资源三号、高分一号高分辨率遥感影像,以汶川震区为实验区,在地震滑坡灾害特征分析的基础上,通过多尺度最优分割方法构建多层次滑坡对象,融合光谱、纹理、几何等影像特征和地形特征信息建立多维滑坡识别规则集合,基于高分辨率影像认知模式与场景理解过程提出滑坡分层识别模型,从而实现地震滑坡空间分布及其滑源区、滑移区和堆积区的准确识别。实验区分析结果显示最低识别精度为81.89%,而滑坡的堆积区最容易被分辨,识别方法具有可推广性。研究成果可为灾后应急调查提供技术支撑,并促进国产高分辨率遥感卫星的地质灾害应用。     

基于遥感影像的建筑物监测监管平台的设计与实现

针对人工目视解译方法在建筑物监测监管方面效率低下的问题,本文设计研发了基于遥感影像的建筑物监测监管平台.通过深度学习算法模型,实现对影像上建筑物的自动提取,并生成矢量图层,将不同历史时期的矢量图层通过GIS算法进行对比分析,自动提取差异,实现对建筑物的自动识别与监测,使劳动力得到了解放,提高了建筑物监测监管与执法的效率...     

利用无人机影像进行滑坡地形三维重建

针对滑坡表达研究的需要,提出了一种基于无人机影像序列的滑坡地形全自动鲁棒三维重建方法。以某滑坡区为试验场地,利用无人机搭载小型数码相机获取滑坡影像,辅助飞控数据建立的影像拓扑关系,依据计算机视觉原理,对滑坡地形进行了全自动三维建模,生成了包含颜色信息的三维点云数据,构建了滑坡体数字表面模型(DSM)。结果表明:该方法可快速实现滑坡三维地形精细测绘,有效降低作业成本和劳动强度;所建模型可准确表达滑坡体的空间分布特征,为正确分析评价滑坡稳定性提供了有力支持,尤其适合在困难山区或潜在危险地区的滑坡遥感动态监测。     

基于无人机遥感的湖南金童山保护区滑坡监测

以湖南金童山国家级自然保护区内某条山区公路为例,利用无人机飞行获取高分辨率影像与高精度数字地形模型,使用基于面向对象的方法对滑坡信息进行提取,对无人机数据进行多尺度分割与光谱差异分割,选取了研究区内植被、道路、滑坡三类感兴趣地物的影像特征建立了规则集,充分利用了影像对象的光谱特征、几何特征、地形特征、空间关系,使用了阈值分类,隶属度函数与决策树分类方法.利用实地验证与基于无人机影像的目视解译对提取结果进行了精度评价,总体提取精度为94.75％,滑坡提取精度超过80％.该研究为快速监测山区内滑坡信息提供了借鉴.     

汶川Ms8.0地震重灾区次生地质灾害遥感精细解译

汶川Ms8.0地震诱发了大量次生地质灾害, 主要包括崩塌、滑坡与泥石流等。在获取到全面的研究区震后多源遥感影像后, 采用人工目视解译的方法, 对14个重灾县(市)进行次生地质灾害解译工作, 共解译出约46560处崩塌、滑坡、泥石流等地震次生地质灾害, 灾害总面积约687.1km2。基于GIS平台获取到它们的位置、平面面积等基本信息, 绘制了研究区的地震次生地质灾害分布图与点密度图。结果表明, 本次地震次生地质灾害与龙门山3条主断裂有较好的对应关系, 且主要分布在4个集中区域。最后, 分析了地震次生地质灾害     

泸定Ms 6.8地震诱发滑坡应急评价研究

2022-09-05,四川省甘孜州泸定县发生Ms 6.8地震。地震在山区诱发了大量的地质灾害,造成了严重的人员伤亡。快速准确地获取地震诱发地质灾害的空间分布范围对震后应急决策和救援抢险至关重要。基于全球同震滑坡数据库与深度学习算法,构建了地震诱发滑坡空间分布概率近实时预测模型,在震后2 h内获取了泸定地震诱发地质灾害的预测结果。通过震后无人机与卫星遥感影像,采用机器学习与深度学习算法实现了震后大范围地质灾害的智能识别,共解译地震诱发滑坡3 633处,总面积13.78 km2。利用遥感解译的泸定地震滑坡数据,对地震诱发地质灾害预测模型进行了优化,获得了震区范围更广、准确性更高的同震滑坡预测结果。结果表明,同震滑坡预测模型能够快速获取震后地质灾害的空间分布情况,填补震后遥感影像获取前的空窗期,为灾后应急救援提供支撑;基于无人机与卫星遥感影像的智能识别技术是快速获取大范围地质灾害信息的有效手段。所取得的研究成果在泸定地震震后应急救援工作中发挥了重要作用。     

基于高分遥感的金沙江流域滑坡识别——以巴塘县王大龙村为例

金沙江流域因两岸地势陡峭、软弱岩层发育、降雨集中等,使得流域内滑坡灾害分布密集。高分辨率遥感是滑坡识别的重要手段,但通过目视解译法开展的大范围滑坡灾害识别,具有工作量大、效率低的特点。针对此问题,本文采用基于面向对象的分类方法,提出了利用滑坡灾害的光谱、形状、空间等特征进行区域内滑坡灾害的快速识别。同时,选取金沙江流域巴塘县王大龙村区段进行了滑坡识别提取试验,区域内利用面向对象分类方法识别出滑坡18处,其中12处与目视解译结果相同,一致性为75%;发现3处目视解译未识别出的隐蔽性滑坡。结果表明,该方法识别效果较好,可为后续的金沙江流域乃至川藏铁路沿线的大范围滑坡识别提取及滑坡编目工作提供参考。     

基于单阶段实例分割网络的黄土滑坡多任务自动识别

滑坡自动识别能够解决人工目视解译方法速度慢的问题,现有基于深度学习的自动识别方法多以目标检测和语义分割等单任务识别方法为主。本文基于深度学习实例分割网络探索可同时完成滑坡目标定位和语义分割的多任务识别方法。首先,基于谷歌地球影像构建了包含3822个样本的黄土滑坡样本数据集;然后,采用单阶段实例分割网络(YOLACT)构建了基于小样本学习的黄土滑坡多任务自动识别模型;最后,通过大、中、小3种比例尺度的滑坡测试样本对识别结果进行评价。试验结果表明:①滑坡目标定位框(Box)平均精确度为61.66%,滑坡语义分割掩码(Mask)平均精确度为62.0%,大比例尺测试结果中Mask交并比为0.88;②基于YOLACT构建的滑坡识别模型可同时完成滑坡目标定位和滑坡高精度掩码分割的双任务识别,为滑坡多任务自动识别及快速制图提供了技术支撑。     

迁移学习支持下的高分影像山地滑坡灾害解译模型

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。     

高分一号汶川极震区滑坡提取研究

选择汶川地震极震区的高分一号卫星影像,通过面向对象的分析技术提取滑坡信息;采用多尺度分割算法,结合高分影像和滑坡特点将以往经验式参数选取方法进行优化,分析极震区滑坡的特征,选择合适的特征参数,构建分类规则,实现滑坡的识别与提取。滑坡灾害信息的提取结果采用野外实际调查的滑坡点进行精度评价,滑坡提取总精度为84%,表明利用高分一号高分辨率卫星数据可以较好地提取滑坡灾害信息,基本满足滑坡灾害识别的要求。     

Spatial distribution and susceptibility analyses of pre-earthquake and coseismic landslides related to the Ms 6.5 earthquake of 2014 in Ludian,Yunan, China

On 3 August 2014, an earthquake struck Ludian County, Yunnan Province, China, which has caused a large number of coseismic landslides. Visual interpretation permitted 284 and 1053 landslides before and after the event to be mapped, respectively. This work attempted to analyse these two kinds of landslides. Conditioning factors, such as slope angle, aspect, curvature, elevation, distance from drainages, intensity and lithology, and the index of Landslide Number Density (LND) were used to describe the spatial distribution of these landslides. Then, the pre-earthquake and coseismic landslide susceptibility maps were produced using the information value model. The areas under curve are 84.73 and 77.05%, for the pre-earthquake and coseismic landslides, respectively. The results show that the LND values as well as the information values of coseismic landslides are larger than those of the pre-earthquake case. This also indicates that this Ludian earthquake has a relatively larger ability to trigger landslides.     

Detecting the slope movement after the 2018 Baige Landslides based on ground-based and space-borne radar observations

On Oct. 11 and Nov. 3, 2018, two large-scale landslides occurred in the same location in Baige Village, Tibet, and massive rocks fell and encroached into the Jingsha River. These landslides posed a severe risk to the upstream and downstream areas. The occurrence, development and evolution of landslides are accompanied by a large number of changes in measurable variables. The deformation data are one of most important parameters for characterizing change and development trends of a landslide. This paper is centered on the results derived from ground-based radar and space-borne Synthetic Aperture Radar (SAR) images in the post-event phase to monitor the Baige landslides and to assess their residual risk. Two technologies play important roles in identifying and characterizing impending catastrophic slope failures: ground-based radar reveals the horizontal deformation, and satellite SAR images reveal the azimuth and range offset deformation. By combining satellite and ground-based SAR observations, we obtained high-precision three-dimensional (3D) deformation results and found that the vast majority of the instability regions mainly occur in the source area of the slope failures and that the direction of collapse converges from all sides to the middle. Additional information from UAV orthophoto maps and GNSS measurements also reveal that several cracks are distributed on the trailing edge of the landslide and are still moving. The comprehensive results revealed that the moving rock mass has still been remarkably active after the two landslide events. This study combined ground-based and space-borne SAR data to develop a long-term monitoring and stability evaluation process for implementation after a large landslide disaster. Based on the distribution characteristics of the 3D deformation fields, the present and future stability of the Baige Landslide was analyzed.     

利用无人机影像制作地震灾区三维景观图

为实时、准确地获取地震灾区的灾情和灾后重建状况,研究如何利用高分辨率无人机影像制作灾区三维景观图。对无人机影像进行几何纠正、影像拼接,利用摄影测量方法生成实验区的DEM,进而将影像制作成正射影像图;将无人机影像纹理映射到DEM上构建灾区的三维地形景观,并以正射影像图为底图对安置区的地物进行三维建模;最后根据规划和管理需要,编制三维景观系统,实现地震灾区三维景观的浏览、查询与分析。实践表明,采用无人机影像制作的三维景观图具有分辨率高、形象逼真等特点;影像的获取和处理以及系统的编制可为灾区重建提供丰富详实的信息。     

面向地震应急调查的遥感应用现状及趋势分析

地震是一种会造成人类生命财产重大损失的突发性自然灾害,震后第一时间启动应急响应并开展灾情的快速评估能有效地减轻地震灾害带来的破坏。空间对地观测技术为宏观性的地震应急与调查工作提供了便捷、经济的途径,随着空间对地观测技术与数据处理技术的不断发展,各国学者对遥感应急调查开展了大量深入的研究工作,相关研究成果已广泛地应用于地震应急的实际工作中。但是,遥感数据类型与处理技术的多样化也带来了应急信息的散乱,导致遥感快速应急响应系统性不强,使得应急服务不持续,一定程度上限制了遥感技术的效能;为此,针对现阶段遥感技术在地震应急调查中的应用情况,在总结地震应急调查常用遥感技术手段的基础上,分析了遥感快速应急响应面临的技术挑战,重点梳理了地震应急不同阶段对遥感数据及应急专题产品产出类型与时效性的现实需求,结合震后灾区影像数据的情况,系统地分析了光学、雷达、激光雷达遥感技术在地震应急调查应用中的技术现状与存在的问题。在实际地震应用案例分析的基础,总结剖析遥感应急工作存在的问题,并重点从海量数据快速处理、震害信息智能化提取、多源数据协同分析3个技术层面论述了遥感地震应急面临的核心困难,基于此,结合在轨数据实时、海量数据快速处理就灾情智能化识别的多技术联合、多源数据协同分析、发展敏捷卫星等几个方面论述了未来遥感技术在防震减灾中的发展趋势,以期推动遥感监测手段提供动态、实时、持续的空间信息应急服务能力,提高地震应急工作的快速响应、精细化与业务化应用能力。本文的研究可以为多源遥感技术在地震应急调查中的科研及业务应用提供很好的参考,更高效的发挥遥感技术在防震减灾工作中的应用能力与水平。