基于深度学习和高分遥感影像的青藏高原东部融冻泥流阶地提取研究

融冻泥流阶地是一种典型的斜坡冷生型冰缘地貌,在青藏高原东部发现大量古融冻泥流阶地,其空间分布对于重建该区古多年冻土分布和古气候环境具有重要意义。融冻泥流阶地纹理复杂、几何形态不一、表面覆盖多样化,导致融冻泥流阶地遥感解译和自动提取困难,然而,深度学习方法能获取上下文多尺度语义信息,提高特征表达的能力,为融冻泥流阶地的大范围提取提供了重要手段。因此,本文提出了一种基于DeepLab V3+深度学习模型和高分辨率光学遥感影像的融冻泥流阶地自动提取方法,并在四川甘孜州新都桥周边地区开展了实验研究。结果表明：与人工解译结果对比,本方法提取结果的综合精度达到0.68以上,并经野外调查验证了其有效性;在该区共识别了9 203条融冻泥流阶地,主要分布在新都桥镇附近的山谷两侧;泥流阶地主要朝西北方向,坡度集中分布在20°~25°,海拔高程大部分位于3 650~3 750 m间,主要地表覆盖类型是草地。     

藏东冻土区滑坡形变时序InSAR监测分析

受气候暖湿化和冻融作用的影响,近年来西藏东部地区的山体滑坡多发频发,对人民生命财产安全造成严重威胁,制约了当地经济社会发展,因此,迫切需要利用有效手段对滑坡灾害隐患开展大范围调查与早期识别。以藏东317国道矮拉山地区为例,利用小基线集时序InSAR（Interferometric Synthetic Aperture Radar）技术,分别对2017年3月—2019年7月期间Sentinel-1A SAR升、降轨数据集进行地表形变监测分析,获取了该地区滑坡体隐患的分布情况,并讨论了滑坡历史形变演化特征及成因。结果表明：大部分区域较为稳定,滑坡隐患主要集中在山谷两侧,升降轨InSAR提高了滑坡监测识别的准确性和覆盖度;冻融滑坡形变过程与降雨型滑坡存在差异,呈现平稳期和失稳期交替出现的季节性变化特征;形变过程主要受冻融和降雨影响,两者共同作用加速坡体变形。实验结果验证了InSAR技术能够有效弥补传统监测手段的不足,可在高山冻土区滑坡隐患早期识别与监测防治中发挥重要作用。