基于InSAR技术和光学遥感的贵州省滑坡早期识别与监测

贵州省因其复杂的地形地貌和强降水等气候特征,滑坡灾害频繁发生.亟需一种可靠的滑坡早期识别和监测方法.传统的滑坡识别和监测方法存在局限性,而InSAR技术在大规模地质灾害监测中具有独特的优势.但是,基于单一地表形变值的滑坡识别结果存在一定的不确定性.因此,本文联合InSAR技术和光学遥感,利用Sentinel-1A雷达卫...     

甘肃省舟曲县城周边活动滑坡InSAR探测

甘肃省舟曲县城周边区域是中国典型的滑坡、泥石流高易发区,2018-07-12县城下游江顶崖发生了滑坡堵江,对当地居民生命财产和基础设施安全造成了严重威胁.为查明舟曲县城周边区域潜在的滑坡隐患,利用2017-10-2018-12 Sentinel-1A雷达卫星升降轨数据,基于短基线干涉测量方法对舟曲县城上下游区域活动滑坡...     

基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例

滑坡是仅次于地震、发生最频繁、造成损失最严重的一种地质灾害,中国西部山区则是世界上滑坡灾害分布最密集的地区之一。广域范围内滑坡灾害隐患的早期识别是地质灾害防治工作中的一项关键任务,基于星载合成孔径雷达重复轨道观测的时间序列雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术在此领域具有巨大的应用潜力,但以永久散射体干涉测量为代表的传统时序InSAR方法在西部山区应用中往往受到植被覆盖等不利因素的影响,滑坡探测识别的可靠性较差。针对这一问题,以大渡河上游丹巴县为例,采用自主研发的相干散射体时序InSAR（coherent scatterer InSAR,CSI）方法,从历史存档的ALOS PALSAR和ENVISAT ASAR数据集中成功识别出了17处持续变形中的不稳定坡体,通过与外部观测数据比对和实地调查核实等手段验证了CSI方法探测结果的有效性和优势,并探讨了影响时序InSAR方法滑坡监测应用效果的主要因素及未来的优先研究方向。     

时序InSAR技术探测芒康地区滑坡灾害隐患

位于中国西藏自治区东南部的芒康地区受自然条件制约和人类活动影响,近年来滑坡等地质灾害频发,对电网建设运行、交通干线通行和人民生命财产安全构成严重威胁,亟需有效技术手段对该地区分布的滑坡灾害隐患进行探测识别,从而为防灾减灾提供决策信息支持。采用小基线集（SBAS）时间序列雷达干涉测量技术,对覆盖芒康地区的历史存档ALOS PALSAR和ENVISAT ASAR数据集进行处理分析,探测发现了分布在318国道沿线和金沙江河谷的多处疑似滑坡灾害隐患点,获得了潜在滑坡形变的空间分布图和时间演化特征,证明了时序InSAR技术应用于藏东区域地质灾害调查的可行性和有效性。     

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。     

知识图谱驱动下的多源遥感滑坡隐患识别

遥感技术在地质灾害防治领域发挥着重要作用,随着航天航空技术的发展,更多的遥感数据可被获得并有效地运用于地质灾害体的识别,尤其在滑坡隐患识别中广为应用。综合利用InSAR和光学遥感数据开展地质灾害隐患识别是近期研究的热点。传统识别过程完全依靠解译人员的工作经验,其主观性较强,无固定的识别逻辑遵循。本文基于SBAS-InSAR与光学卫星影像,通过分析滑坡隐患识别过程,构建滑坡识别知识图谱和识别提取矩阵模型。在知识图谱逻辑驱动下对“光学遥感+InSAR”组合识别的滑坡隐患进行区域空间特征分析,为滑坡广域识别提供了具有半定量化提取指标意义的参考执行方案,实现了滑坡隐患识别从完全主观到半定量化的识别过程。试验表明,本文方法可为相关研究和工程实际应用提供借鉴,具有一定的应用价值。     

利用InSAR识别与监测黑方台黄土滑坡

针对甘肃永靖县的黑方台地区滑坡不断对当地居民人身及财产安全构成重大威胁的现状,该文选取高分辨率的升降轨TerraSAR数据、3m分辨率的DEM数据和30m分辨率的SRTM DEM数据,利用InSAR技术对该地区的地表形变进行监测,主要结果如下:用Stacking技术获取了黑方台的形变速率图,识别出14处不稳定滑坡体;用SBAS-InSAR技术对典型滑坡体进行时间序列监测,将InSAR结果投影到滑坡方向与已有的GPS结果进行比较,最大较差为6mm,最大中误差为3mm。结果表明,InSAR技术用来识别与监测黄土滑坡方便可靠,并且精度较高。     

九寨沟地区高位滑坡隐患InSAR-LiDAR早期识别

首先在九寨沟地区约4000 km2的范围实践了空-天-地一体化的合成孔径雷达干涉测量技术（InSAR）和激光探测及测距技术（LiDAR）的滑坡隐患识别方法,共识别出滑坡隐患344处,其中高位滑坡隐患114处,其形变速率为-149～120 mm/a。然后综合遥感和野外调查验证分析,可知九寨沟地区高位滑坡隐患主要分布在构造侵蚀高山河谷地貌、坡度35°～45°、坡向NE至SE范围、高差100～350 m的第四系（Q）松散堆积层中。最后以中查沟高位滑坡隐患为例进行了基于InSAR-LiDAR方法的高位滑坡隐患时空分析,得到了该高位滑坡隐患的形变、形态和形势特征。本文验证了综合利用InSAR、LiDAR技术识别和分析高位滑坡隐患的准确性和可靠性,可为滑坡隐患的防灾减灾提供科学依据和参考。     

InSAR技术的天水市活动性滑坡灾害识别与分析

针对天水市大型或严重破坏的黄土滑坡调查与分析较少,潜在活动蠕变型滑坡的空间分布与未来发展趋势不明的问题,该文基于InSAR遥感技术对天水市活动性滑坡进行了解译识别、成因分析与调查核实,利用SBAS-InSAR计算的时序形变信息判断滑坡未来的发展趋势.研究区内发现了103处活动性灾害,其中69处为黄土滑坡、34处地面沉降...     

甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究

采用合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术对甘肃黑方台地区潜在的黄土滑坡开展了多时相编目、长时序监测以及失稳模式识别研究。首先,采用不同空间分辨率、不同波长的历史存档合成孔径雷达（synthetic aperture radar,SAR）数据对黑方台地区2006-12至2017-11间的潜在滑坡开展了识别研究,在2006-12至2011-03和2016-01至2016-11两个时间段均识别出数10处不稳定坡体,实地调查和光学遥感影像验证了InSAR技术识别结果的可靠性与准确性。然后,对典型不稳定滑坡体采用高空间与高时间分辨率的TerraSAR-X数据开展了长时序监测,结果表明,在InSAR监测期间,累积形变最大的滑坡体在随后的时间里均发生了滑动,并成功地捕获到滑坡体形变加速的时间点。最后,利用升降轨SAR数据开展了黄土滑坡二维形变监测研究,基于滑坡的二维形变特征并结合地形图以及光学遥感影像进一步研究了滑坡的失稳模式,现场调查结果验证了所获得滑坡失稳模式的准确性。     

运用遥感指数的崩滑检测方法

以汶川地震时出现的崩滑为研究对象,以该地区震前/后TM影像为研究数据,利用变化检测的方法,比较和分析了归一化植被指数(NDVI)、归一化建筑指数(NDBI)和归一化燃烧率(NBR)应用在崩滑检测中的可行性和优劣性。结果表明,3种遥感指数均可以用于崩滑检测,但效果不同:NDVI对崩滑检测最全面但可信度最低,NBR对崩滑检测最可信但遗漏最多,NDBI处于中间水平。     

滑坡位移监测方法综述

光学影像时序偏移量跟踪是滑坡监测的一种重要手段。针对单平台光学时序偏移量估计时间采样率不足的问题,利用多源时序偏移量估计获取了白格滑坡2014-11—2018-09期间的形变。首先,基于哨兵2号和陆地卫星（Landsat）8分别进行单平台和双平台下的时序偏移量计算。其次,以稳定区域统计值和交叉验证两种方式进行精度评定。然后,基于双平台下的时序形变对滑坡进行阶段划分,并探讨其成因。结果表明：（1）双平台时序偏移量精度优于单平台,哨兵2号在东西向和南北向的精度分别提升3.02%和5.37%,Landsat 8在两方向上的精度分别提升了3.61%和0.40%;期间的最大累计形变和最大平均形变速率分别为42.90 m和9.06 m/a。（2）白格滑坡可划分为初始、等速和加速（初加速和中加速）3阶段,截至2018-02-05已进入中加速阶段。（3）时序形变与降雨量相关性系数高达0.88。     

基于遥感影像和矢量数据的水系变化检测

介绍了基于遥感影像和矢量数据的水系变化检测方法。根据矢量的拓扑结构,将水系分为主干河流、湖泊和支流水系网。对主干河流采用“模式分类、区域生长、形态学处理、边缘提取、缓冲区检测”的流程,对湖泊采用“区域生长、形态学处理、多边形面积相减”的处理,对支流水系网采用“金字塔分解和多尺度模板匹配、Ziplock Snakes模型优化、缓冲区检测”的策略。实验结果验证了上述方案的可行性。     

利用遥感方法对黑龙江沿岸建筑用地变化的检测

探讨利用遥感方法,采用不同时相的遥感及地形图数据,经技术处理,对黑龙江沿岸部分地区的建筑用地的变化进行检测,并对检测的结果进行分析论证。     

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。     

利用词袋模型检测建筑物顶面损毁区域

针对航空影像中已分割出的建筑物顶面,提出了一种利用视觉词袋模型检测建筑物顶面损毁区域的方法。该方法首先利用简单线性迭代聚类方法对建筑物顶面进行超像素分割,然后对超像素区域利用颜色和梯度方向直方图特征构建视觉词袋模型,最后使用支持向量机（support vector machine,SVM）对超像素区域中的损毁区域进行检测。实验结果表明,该方法能有效判定建筑物顶面损毁区域,对提高建筑物整体损毁检测精度具有重要意义。     

基于遥感技术的开都河下游绿洲区土壤盐渍化动态监测研究

以3期遥感图像为数据源,经图像处理,并结合野外考察,建立解译标志进行遥感解译。结果表明,开都河下游绿洲区的盐渍化土地面积呈先增加后减少趋势,盐渍化程度呈先加重后减轻趋势;盐渍化土壤主要分布在开都河沿岸低洼地和博斯腾湖湖滨地区及其北岸清水沟、曲惠渠、乌什塔拉渠两岸附近;盐渍化的形成与研究区地形地貌、地下水以及干旱的气候条件密切相关,人类农业活动对盐渍化土壤形成具有重要作用。     

基于“高分+”的金沙江滑坡灾情监测与应用前景分析

基于“高分+”,探索以“高分+地质灾害”模式对10·11与11·3金沙江滑坡灾害开展灾情应急分析,利用灾害前后的高分遥感影像解译了滑坡灾害的基本灾情信息,分析了灾害前后孕灾及变形蠕动特征,对灾后白格堰塞湖及周边开展了隐患灾害排查,查明了堰塞湖两岸存在疑似裂缝与次生滑坡隐患点,开展了二次滑坡灾后灾区道路通达性分析。结果表明,“高分+”模式对类似金沙江滑坡等山区自然灾害巡排查、灾情跟踪监测及灾后应急抢险道路优选具有较大的应用前景。     

结合Faster R-CNN模型的遥感影像建筑物检测

高分辨率遥感影像场景复杂,其中建筑物目标种类结构各异且存在大量遮挡,现有检测算法使用特征表达性不强。结合Faster R-CNN模型设计一种针对遥感影像的建筑物检测方法。首先通过共享卷积网络获取原始影像的深层特征图;然后结合区域建议网络生成初步检测结果;最后根据Fast R-CNN检测网络对结果进行进一步判定和边界回归。针对困难样本造成的训练中断,对训练策略进行改进,通过近似联合训练的方法对模型参数同步调优。实验结果表明,该方法准确率和召回率明显优于DPM方法,对非训练测试集遥感影像具有较好鲁棒性,有效实现了针对遥感影像的建筑物检测。     

遥感影像居民地目标Bayesian网络识别算法研究

利用Naive Bayesian网络的学习和推理机制，提出一种在遥感影像上提取居民地目标的方法。该方法通过对所选取的正负样本进行学习，获取Bayesian网络的重要参数，即条件概率和概率分布密度。在此基础上，根据正负样本所构建的条件概率网，对未知类别信息的影像进行分类，从而获取居民地目标的信息。通过对实际全色SPOT5影像中居民地目标的提取，表明该方法具有较高的识别率。