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...     

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。     

光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别

2018-10-11和2018-11-03,金沙江上游西藏自治区江达县波罗乡白格村附近先后发生两次大规模高位滑坡堵江。虽经人工干预处置后进行泄流,但还是对下游居民和交通设施造成了严重损失,其上下游是否还存在类似的大规模滑坡隐患,成为白格滑坡灾害发生后社会各界关注的焦点问题。首先利用高精度光学卫星影像对白格滑坡上游30 km和下游100 km范围内的滑坡隐患进行人工目视解译和定性评价,共识别出滑坡隐患51处,其中下游70~100 km范围内有10处具有堵江风险的滑坡隐患。在此基础上,对具有堵江风险的重点区域（白格滑坡下游70~100 km范围内）收集存档ALOS PALSAR-1和Sentinel-1A雷达卫星数据,利用短基线差分干涉测量技术开展滑坡隐患地表形变定量探测和分析评价,共探测出7处具有较显著形变的滑坡隐患,其中3处堵江风险较大,为白格滑坡上下游地质灾害防治和川藏铁路选线提供了参考。     

多源遥感数据协同滑坡应急监测应用研究

在分析总结多源遥感数据在滑坡应急监测方面的应用研究现状与趋势的基础上,提出了一个基于高分辨率光学卫星遥感数据、卫星雷达数据和无人机遥感数据的多源遥感数据协同滑坡应急监测方法,构建了数据获取、快速处理和应急监测信息提取的技术流程;并通过恩施屯堡乡滑坡应急监测的实际案例,验证了多源遥感数据协同作业在滑坡应急监测中的应用,具...     

深度学习技术在遥感影像滑坡识别中的应用

探索遥感影像滑坡识别方法对于抢险应急指挥具有重要意义。传统的人工现场勘察速度慢、效率低,因此本文提出了一种基于深度学习的遥感影像滑坡识别方法。该方法首先基于毕节滑坡影像构建样本集,为了增强模型泛化能力,对训练集进行扩充增强并加入部分非滑坡数据,然后搭建U-Net深度学习模型并输入训练集进行训练。最后,利用测试集和北京市房山区、延庆区的两处实际滑坡区域对模型进行测试。实验结果表明,该方法要优于常规的数学形态学与SegNet模型方法,方法精度较高,能够实现影像滑坡区域的有效识别。     

重大滑坡隐患分析方法综述

滑坡是发生频繁且破坏力巨大的典型地质灾害类型,高位山体崩滑和冰雪崩滑等重大滑坡隐患已经成为新型城镇化和川藏铁路工程等重大基础设施建设重要的制约因素。本文系统归纳总结了现有滑坡隐患监测技术和分析方法的特点与局限,提出了一种数据驱动与模型驱动协同的滑坡隐患可靠分析方法,构建滑坡隐患分析知识图谱、提取高层语义特征指标、知识引导精准判别滑坡隐患。该方法系统考虑了深部-地表内外动力耦合作用的致灾机制,为小样本、高复杂度的滑坡隐患可靠分析提供了新途径。     

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...     

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。     

滑坡隐患类型与对应识别方法

基于"三查"体系的滑坡隐患综合遥感识别工作已在全国范围推广应用并取得一定成效,但随着工作的推进,也暴露出一些亟待解决的问题,比如隐患究竟如何定义、有哪些类型、有何针对性的识别技术和方法,以及下一步工作重点是什么等.总结大量实践案例,进一步明确了滑坡隐患的定义,并将滑坡隐患分为正在变形区、历史变形破坏区和潜在不稳定斜坡3...     

耦合知识图谱和深度学习的新一代遥感影像解译范式

在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与进化方法,建立了顾及遥感成像机理和地理学知识的遥感领域知识图谱。在遥感领域知识图谱支撑下,以零样本遥感影像场景分类、可解释遥感影像语义分割以及大幅面遥感影像场景图生成3个典型的遥感影像解译任务为例,研究了耦合知识图谱和深度学习的新一代遥感影像解译范式。在零样本遥感影像场景分类实验中,所提方法在不同的可见类/不可见类比例和不同的语义表示下,都明显优于其他方法;在可解释遥感影像语义分割实验中,知识推理与深度学习的联合方法取得了最好的分类结果;在大幅面遥感影像场景图生成实验中,知识图谱引导的方法精度明显高于基准的频率统计方法。遥感知识图谱推理与深度数据学习的融合可以有效提升遥感影像的解译性能。     

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。     

典型滑坡遥感影像特征研究

对于不同地质条件、成因类型和运动距离的滑坡,在不同分辨率遥感图像上显示的影像特征往往存在较大差别,尚难以确定统一的滑坡遥感识别标志.尤其对于规模较大、形成机理和活动规律复杂的远程滑坡和复合滑坡,一直是遥感识别的难点,可供借鉴的前人研究成果不多,目前主要还是靠地面调查.在国内外滑坡遥感调查成果调研以及国土资源大调查地质灾害遥感调查、近年来地质灾害应急遥感调查研究成果的基础上,分析和总结了笔者参与调查过的巫山大清坎滑坡、千将坪滑坡、武隆滑坡及西藏102滑坡群等典型滑坡的遥感影像特征,提出了滑坡(尤其是高速远程滑坡)的遥感识别标志,以期与同行专家共商榷.     

孕灾机理与综合遥感结合的三峡库首顺层岩质滑坡隐患识别

隐患识别是实现地质灾害从注重灾后救助向注重灾前预防转变的重要技术工作。本文以三峡库首秭归沙镇溪镇周边岸坡段顺层岩质滑坡隐患识别为基础,提出基于孕灾机理与综合遥感相结合的地质灾害隐患识别方法。首先,借助资料整理分析、遥感调查和现场调查等查明孕灾环境,并建立孕灾指标体系;其次,针对典型灾害体开展地质结构与致灾机理分析,以揭示典型孕灾模式,并建立综合遥感判识标志;再次,采用易发性分区评价,结合高分光学卫星遥感与InSAR等天基遥感变化检测技术,圈定隐患识别的易发重点靶区;然后,针对高易发靶区,利用无人机摄影测量、LiDAR等空基遥感技术识别疑似隐患体;最后,通过地面核查与专家判识,确认并圈定地质灾害隐患。利用该套技术方法,在工作区内共识别出8处地质灾害隐患,其中5处为具备孕灾模式但尚未出现明显变形的顺层岩质滑坡隐患体。结果表明,该套技术方法以查明孕灾环境及建立孕灾模式为核心与前提、以综合遥感探测为重要技术支撑,可以弥补目前主要依赖遥感变化探测开展隐患识别易造成精度较低甚至失效的缺陷,尤其适合于山高坡陡、植被覆盖茂密地区的隐蔽性、突发性地质灾害的隐患识别。     

结合SBAS-InSAR技术及信息熵的苍山地质滑坡隐患识别

针对西南地区滑坡隐患高位隐蔽,传统技术难以全面识别的问题,本文以大理苍山为研究对象,首先利用SBAS-InSAR技术对苍山2019年1月—2021年4月间的滑坡隐患进行识别;然后结合随机概率信息熵模型,对不同坡度等级与边坡稳定性之间的关联性进行定量分析;最后根据典型隐患区的遥感影像以及采样点的形变时序图,探讨了边坡形变时空演化特征及沉降诱因。试验结果表明：(1)2019年1月—2021年4月,研究区的形变速率为-155.6～92.4 mm/a, 13个超过-30 mm/a的不稳定滑坡隐患被识别;(2)坡度等级为Ⅳ、Ⅴ级时,信息熵大于0.8,边坡稳定性较弱,不均匀形变严重,与已有研究保持高度一致,证实了该模型的可靠性;(3)典型隐患区形变趋势呈明显的季节性变化,降雨和冰雪消融是导致边坡失稳的主要因素。     

面向工程地质领域的滑坡知识图谱构建方法研究

大数据为滑坡研究带来了新机遇,但由于数据类型复杂、语义关系多样、共享机制不明等问题,对滑坡数据深层挖掘仍然有限,在滑坡研究中大数据优势较难发挥。提出一种面向工程地质领域的滑坡知识图谱构建方法,抽取、融合、结构化多源异构滑坡知识,实现对滑坡知识大数据的询查、关联和推理。采用自顶向下和自底向上结合方法,划分滑坡概念和本体,形成以滑坡野外调查、滑坡评价、滑坡类型、滑坡地貌特征、滑坡形态特征、滑坡致灾信息、滑坡活动状态、滑坡成因机制、滑坡稳定性分析方法、滑坡防治措施10大类知识为基础的滑坡知识体系,建立了包括概念层、属性层、关系层、规则层、实例层的知识图谱模式层;从广阔数据源抽取滑坡知识信息、建立语义网络,对冗余知识进行融合,构建了知识图谱数据层;利用Neo4j平台存储滑坡知识,实现了知识可视化与检索,为滑坡机理研究与防灾减灾提供新思路、新方法。所提的滑坡知识图谱构建方法可拓展到其他类型灾害知识图谱研究,并与其他学科领域产生联系,促进学科深度交叉与融合。     

遥感知识图谱创建及其典型场景应用技术

相对于当前指数级增长的强大遥感数据获取能力,遥感大数据的智能处理和知识服务能力相对滞后,海量多源化遥感数据堆积与有限信息孤岛并存的矛盾日益突出,亟需有效的遥感领域知识建模技术来辅助挖掘遥感大数据的有用信息并形成知识服务能力。知识图谱技术以符号形式描述物理世界中的概念及其相互关系,具有强大的知识建模与推理应用能力,在搜索引擎、电子商务、社交网络分析等领域已经得到成功应用。在通用知识图谱技术启发下,本文首次提出建立遥感领域知识图谱研究构想,可以为遥感领域知识建模与知识服务提供支撑。本文首先回顾通用知识图谱的发展历程,然后探讨遥感知识图谱的构建技术、遥感知识图谱驱动的典型地学应用案例,最后对遥感知识图谱的应用现状与未来研究方向进行分析论述。总体来说,遥感知识图谱的研究有利于更好的归纳遥感领域学科概念化知识、管理遥感大数据所蕴含的新增信息与知识,可以向多领域众多用户提供灵活便捷的遥感知识查询与知识服务能力,有助于全面提升海量多源遥感观测成果的应用能力,在全球遥感地表覆盖分类、气候变化、国际人道主义援助等方面都将发挥重要作用。     

InSAR技术在地质灾害隐患早期识别中的应用

InSAR技术是对人不能至、观测条件苛刻地区的重大地质灾害隐患进行早期识别的重要手段之一。本文以天全县为例,通过InSAR技术解译出形变区域,然后结合"InSAR形变量、威胁对象、地形地貌"三要素分析出疑似隐患区域,并通过传统地质灾害野外调查进行验证,结果表明InSAR解译结果具有较高的准确性。     

重大地质灾害隐患早期识别中综合遥感应用的思考与建议

2017年以来,以四川茂县新磨村高位垮塌、金沙江白格滑坡为代表的重大地质灾害多次发生,呈现出隐蔽性强、突发性高、破坏力大等特点,难以早期发现。值得注意的是,尽管地质灾害防治工作已在全国大范围开展并受到国家层面的高度重视与支持,但绝大部分灾害仍发生于全国现有地质灾害隐患点分布以外的区域。对这些人迹罕至、人不能至且观测条件苛刻的地区的重大隐患进行有效早期识别,是当前地质灾害防治工作尚需解决的难题和重要任务。在总结合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术特点与其应用局限的基础上,从光学遥感、InSAR、激光雷达等综合遥感测量的角度提出了以“形态、形变、形势”（三形）为观测内容、以定性识别灾害隐患位置、定量监测灾害体变形幅度、依靠综合遥感动态监测数据提升隐患识别能力的技术思路。对未来工作提出了若干建议与思考,以期服务于重大地质灾害隐患综合判断与早期识别工作。     

基于决策树分类的雾霾遥感识别

以河北省省域为研究区,以MODIS遥感影像为数据源,选取AQUA卫星2013-2014年两年的遥感影像为实验数据,运用影像的光谱特征,辅助地面观测数据,统计确定雾霾判识阈值,以此为基础构建决策树分类模型,利用决策树分类法对实验影像样本进行了雾霾分类识别。研究表明,所构建的决策树能够将雾霾与背景进行分类并识别,雾霾识别有效率为84.71%。