SBAS-InSAR技术与无人机影像融合的滑坡变形监测北大核心CSCD

山体滑坡对人类安全造成严重影响,准确识别滑坡变形对预防滑坡灾害具有重要意义。利用SBAS-InSAR技术可以进行空间连续地表变形监测,但无法精确获取滑坡边界的变化。为了综合监测滑坡,本文首先采用SBAS-InSAR技术与无人机影像结合的滑坡变形监测方法,利用2018年1月1日—2020年12月24日,共计80幅升轨Sentinel-1A SAR影像,进行了VV极化和VH极化数据处理;然后通过SBAS-InSAR技术获取滑坡区地表雷达视线(LOS)方向变形速率,选取了若干变形点进行滑坡体变形时序分析;最后采用无人机获取滑坡影像并提取滑坡边界,分析了滑坡边界的变形。试验结果表明,利用SBAS-InSAR技术获取的滑坡变形和无人机获取的滑坡变形趋势基本吻合,通过该方法可以获取滑坡的综合变形情况,对滑坡活动性的判断具有重要意义。     

一种V/S和LSTM结合的滑坡变形分析方法

滑坡变形的产生是坡体自身地质条件和外部诱发条件共同作用的结果，滑坡变形定量预测是滑坡监测预警的关键。传统的基于滑坡累计位移-时间曲线分析滑坡变形的方法，忽略了滑坡变形演化的影响因素，难以对滑坡变形进行准确预测。三峡库区滑坡研究多集中在滑坡时空分布特征和滑坡整体稳定性分析方面，亟需开展单体滑坡综合变形分析。以三峡库区白水河滑坡为例，基于滑坡宏观变形和位移监测数据，利用重标方差（rescaled variance statistic，V/S）分析法对滑坡整体和局部变形趋势进行分析，进而构建考虑库水位波动和降雨滞后性影响因素的可有效利用长期依赖信息的长短记忆（long short-term memory，LSTM）神经网络模型，定量预测滑坡位移。研究结果表明，滑坡体属牵引式滑坡，北东部稳定性较差，西部和后缘相对稳定，预测值的均方根误差为8.95 mm，证明该模型是一种高性能的滑坡变形分析方法。     

递进式预测模型在滑坡变形预测中的应用

为达到提高滑坡变形预测精度的目的,利用量子算法和粒子群算法对支持向量机进行优化,并利用马尔科夫链对滑坡变形预测误差进行修正,综合构建滑坡变形的递进式预测模型。结果表明:通过量子算法及粒子群算法对支持向量机优化,克服支持向量机参数选取困难,实现预测过程的全局优化,并经过MC误差修正模型对滑坡变形预测值误差修正,提高预测精度及预测值稳定性,验证预测模型可行性和有效性,为滑坡变形预测提供一种新的预测方法。     

SPSS在滑坡体地表位移监测数据检核中的应用研究

在滑坡变形监测中,滑坡位移量与粗差的分辨需要及时进行,以免误差对后续的变形分析造成较大影响。本文讨论了如何利用SPSS软件,对力学相关的滑坡监测点位移量进行一元线性回归分析。并使用回归系数建立回归方程进行变形预测。依据预测值剔除粗差,及时复测,确认真实的位移量。为后续的变形分析提供正确的数据。     

基于GNSS的滑坡自动化监测应用分析

随着自然灾害的频发,山区滑坡灾害也越来越频繁。受降水、地震以及人为因素的影响,重庆市某滑坡灾害严重,对人民的生命财产造成了极大的威胁。因此对传统的变形监测手段的缺陷以及基于GNSS的滑坡自动化监测的优势进行了探讨。以重庆市某滑坡体为例,采用GNSS进行自动化滑坡监测,具有全天时、高精度、高自动化、操作性高以及受约束条件少等优点,能够为滑坡稳定性判断和变形趋势预测提供更加可靠的监测数据。实验证明采用GNSS对滑坡进行自动化监测具有可行性,值得在滑坡监测应用中推广。     

基于WebGIS的滑坡监测信息管理系统设计

对滑坡变形监测资料进行有效地管理和计算分析是滑坡稳定性评价和预测预报的一项基础而关键的工作.GIS技术可实现滑坡变形监测资料的可视化管理,结合其空间分析功能可使滑坡变形分析更全面.Web技术则可以实现不同区域或不同工程的滑坡监测的集中数据存储、多终端维护与多层次的查询服务.利用ASP.NET、ArcGIS Server...     

诱发因素影响下的滑坡参数优化预测模型研究

在降雨等外界诱发因素的综合作用下,滑坡位移预测是一个复杂的动力系统问题。利用三峡库区白家包滑坡综合监测数据,分析滑坡演化实时特征,提取影响滑坡变形的最相关因素,研究发现白家包滑坡为降雨主导型堆积层滑坡;采用自回归综合移动模型（ARIMA）模型进行拟合及预测,引入月累积降雨量对模型季节性趋势参数进行评估优化,对白家包滑坡72期月相对位移数据进行拟合及预测研究,最终模型结果和实测值的平均绝对误差和相关系数分别为2.873和0.983。研究结果表明,与传统经验法相比,优化参数模型更符合滑坡变形的一般规律。     

基于小波神经网络的某边坡预测研究

边坡地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理、有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文中将基于BP算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。     

顾及降雨量因子的自适应卡尔曼滤波模型在滑坡变形预测中的应用

滑坡是世界上最主要的地质灾害类型之一。滑坡的监测和防治仍是当前国内外学者研究的重点,尤其是滑坡变形的预测和预报。卡尔曼滤波已广泛应用于滑坡变形监测数据处理中,且自适应卡尔曼滤波已经很好地解决了传统卡尔曼滤波发散的问题。但在分析降雨型滑坡变形的过程中,降雨(地下水位)对滑坡体的影响不容忽视。因此,引入降雨量因子,提出顾及降雨量因子的自适应卡尔曼滤波模型,并通过实际案例进行对比分析研究,证实其更能真实地反映降雨型滑坡的变化规律,短期预测数据更加准确。顾及降雨量因子的自适应卡尔曼滤波模型在降雨型滑坡变形短期预报中有较高的可行性。     

滑坡外观监测几个问题的探讨

滑坡是人类面临的主要地质灾害之一,而滑坡监测是减少滑坡灾害的有效方法之一,其中外观监测具有能监测滑坡体的运动特征等优势,在滑坡监测系统中占据了重要的地位。从滑坡监测控制网布设、监测点布置以及观测频率和周期的确定3个方面,结合滑坡的等级、变形阶段、滑坡类型以及变形特征等方面进行针对性布设实施,使其滑坡监测不仅经济合理且同时能较好地反映滑坡变形趋势,为后期预测预报分析提供可靠数据支撑。     

Development of a spatial decision support system for monitoring earthquake-induced landslides based on aerial photographs and the finite element method

The evaluation of slope stability is essential for the management of landslide hazards. The integration of spatial information and geomechanical modeling facilitates the understanding and evaluation of landslide hazards. In this study, we use a spatial decision support system (SDSS)—incorporating aerial photographic data, GIS techniques, field investigations, and finite element geomechanical modeling—to analyze the mechanisms of the Hungtaiping landslide, which was induced by the 1999 Chi-Chi earthquake. The analysis clarifies the slide mechanisms that cannot be revealed either by examining aerial photographic or underground exploration data alone. The finite element modeling calibrated using digital aerial photographic data shows that the landslide results from the deformation and slides of the thick colluvium. Surficial displacements in the twenties of meters are attributed to the slide between the colluvium and the bedrock as well as the shear deformation and slides within the colluvium. The landslide SDSS can help determine model parameters, evaluate slide mechanisms and remediation measures, and predict slope behavior for a subsequent earthquake event.     

构造断面法在滑坡变形监测数据处理中的应用

数据处理是滑坡变形监测的一项重要工作,目前应用的滑坡变形监测数据处理方法很多。针对一些方法的不足之处,文中介绍了构造断面分析法处理滑坡体变形监测数据的原理和方法,通过举证在积石峡水电站I^#滑坡体变形监测数据处理中的应用,证实该方法的可行性。     

雷达遥感滑坡隐患识别与形变监测

滑坡是全球发生最为频繁、造成损失最严重的自然灾害之一,滑坡表面形变测量对于滑坡的早期识别、监测和预警具有重要意义。雷达遥感具有非接触式大范围空间连续覆盖和高精度形变测量等优势,在滑坡地质灾害领域中取得了广泛的应用。本文概述武汉大学干涉雷达遥感团队近几年在利用雷达遥感监测滑坡形变方面的研究内容,包括：雷达遥感在滑坡形变监测中的可行性和适用性分析、大范围滑坡隐患识别、复杂山区滑坡形变测量、大梯度滑坡形变测量、滑坡三维形变提取等。     

地基SAR在滑坡形变监测中的应用

地基InSAR是近年发展起来的基于地基SAR (GB-SAR)获取地表形变的一种新的技术手段,分辨率高、可实时监测,实现毫米级形变监测精度,为近距离滑坡实时监测与预警提供了先进的技术手段。本文首先以澜沧江某滑坡体为研究对象,在滑坡体对岸设立固定站点,按固定频率进行GB-SAR数据采集;然后通过先后两景影像形成干涉对,利用相干阈值方法提取相干点目标;最后利用形变模型提取滑坡体形变结果。研究表明,地基SAR可获得整个滑体形变边界、形变大小空间分布及时间变化历程,对滑坡体灾害实时监测非常有效,可为滑坡灾害监测及预警提供参考。     

基于MT-InSAR技术的滑坡体形变监测

矿区开采致使山体发生形变,由微小形变逐渐演变为大梯度形变,变形量值逐渐增加,导致传统的差分干涉技术无法监测到大梯度形变,针对此问题本文利用多时相合成孔径雷达干涉测量(Multi-temporal Interferometric Synthetic Aperture Radar,MT-InSAR)技术对大梯度形变研究区进行滑坡体形变监测。本文详细阐述了合成孔径差分雷达技术、小基线集以及像素偏移量追踪技术的原理以及适用范围,并使用2017年4月至2019年1月的10景ALOS PALSAR-2数据采用三种方法应用在贵州省兴仁县发耳镇发耳村某矿区的滑坡监测中,充分验证了三种方法相结合的方式可有效监测到由山体蠕动而导致的山体滑坡。     

InSAR技术在滑坡灾害中的应用研究进展

InSAR技术作为重要的对地观测技术之一,已在城市、矿山、地质灾害等地表形变监测领域得到广泛应用与探索,特别是在滑坡灾害形变监测中具有很强的实用性。为全面、准确及深入认识和梳理InSAR技术在滑坡灾害应用中的前沿科学问题、局限性、面临挑战及未来发展趋势,以期更好地服务于滑坡灾害的防治与监测。以InSAR技术滑坡灾害应用研究为主要脉络,系统阐述其研究进展:(1)以滑坡监测中应用的主要InSAR方法概述为切入点,系统梳理了各类主要方法的适用范围、优缺点及内在联系;(2)基于早期识别探测、不同量级形变监测、活动模式与三维信息获取、形变与诱因耦合4个视角,深入探析InSAR技术在滑坡应用中的最新进展、趋势及目前应用中存在的关键问题与挑战;(3)针对InSAR技术系统的局限性、滑坡灾害的特点,剖析了InSAR滑坡监测中存在的几何畸变、密集植被覆盖、大气干扰、三维形变信息获取、精度评定、滑坡形变的复杂性和非线性等问题,并对相应问题的解决提供了可行性的方案与建议措施;(4)基于InSAR滑坡行业体系构建的视角,结合人工智能(AI)、机器学习、无人机遥感及地学领域地震台网等其他观测技术,从数据处理、与其他新型技术融合对未来InSAR在滑坡应用研究进行总结和展望。