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。     

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。     

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。     

多种监测手段在滑坡变形中的组合应用

针对多种监测手段在滑坡中如何经济并高效的使用问题,该文结合高精度智能全站仪、地表位移计及全球卫星导航系统-实时动态差分(GNSS-RTK)3种监测技术的各自特点,基于实际滑坡变形监测应用,提出不同滑坡阶段应采取多种手段组合监测,实现经济、高效的滑坡变形状态识别并进行安全预警。结果显示:滑坡稳定阶段,全站仪可作为主要监测手段进行周期性监测;滑坡加速阶段,增加GNSS-RTK和位移计两种实时监测技术,可以更灵活、高效地实现滑坡体垮塌的快速捕捉,进行安全预警。     

表面位移规律的滑坡稳定性分析

针对目前滑坡稳定性评价研究的不足,该文采用卫星实时监测的方法,利用表面位移规律对滑坡体进行稳定性分析,此种方法具有监测方法稳定直观、分析结果实时可靠的优势。以四川省都江堰市塔子坪滑坡为研究对象,依据滑坡体表面位移-时间曲线的变形规律,结合实地监测数据对塔子坪滑坡的表面位移规律进行分析,从而划分滑坡体的各变形阶段;通过与滑坡体加固前的数据相对比,论证了滑坡体重力挡墙治理方法的可行性,并得出了治理后的滑坡体目前已趋于稳定状态的结论。     

基于星载SAR的滑坡灾害形变特征分析

为准确监测重点滑坡的活动状态,预防潜在的地质灾害,本文基于4景ALOS-2数据,利用改进的Pixel-Tracking技术获取金沙江白格滑坡2017—2018年间3个连续时间段内的运动分布,试验结果显示,滑坡体运动存在显著的时空差异性,通过对不同时段的速度对比后显示,该滑坡在灾害发生前期滑动位移存在明显的加速趋势。     

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。     

库岸滑坡地质灾害三维演变动态显示方法

以澜沧江糯扎渡水电站某大型滑坡为例,在数值分析计算的基础上,运用集大规模数据运算和可视化为一体的IDL语言研究并实现了三维场景中滑坡滑落、滑坡入水激起涌浪以及涌浪传播3个过程的动态集成显示方法。首先,对数据更新部分进行数据提取以及分离运算,以此降低数据更新的难度;其次,将三维滑坡场景细分成地形、滑坡体和河道水面3个对象,以提高每一个部分的可控制性;最后,将滑坡滑落过程、滑坡入水激起涌浪过程以及涌浪的传播过程集成为一个动态整体,再现了滑坡地质灾害演变过程。结果表明,整个滑坡动态演变过程之间衔接平稳,各对象数据操作简便,对象的可控制性高,整体稳定性好。     

融入地形信息的滑坡场景识别

当前滑坡的自动识别方法以深度学习为主,数据源通常是高分辨率遥感图像或高精度DEM数据,结合高分辨率影像和高精度DEM,利用深度学习的方法能够获取到较高的识别效果。但是针对滑坡场景而言,高分辨率的地形数据往往难以获取。本文考虑融合谷歌地球影像与低精度地形数据来实现滑坡场景的自动识别,通过设计数据源类别注意力机制模块来融合影像特征和地形特征后再进行最终的分类。对比卷积神经网络仅通过谷歌影像进行识别的方式,本文提出的融合方法在识别精度、准确率、召回率和F1值这4项指标上均有明显提高。实验结果表明,通过本文所提出的方法将谷歌影像和低精度地形特征融合后再进行滑坡场景的自动识别是可行的。     

“天-空-地”协同滑坡监测技术进展

滑坡灾害是全球范围内发生频率最高、分布范围最广、造成损失最重的自然灾害之一,严重威胁着人类生命财产和重大工程设施的安全。科学监测是实现滑坡预警预报与主动防范的重要技术前提,经过多年的技术攻关,融合高分辨率光学遥感、卫星InSAR、无人机摄影测量、无线传感网络(WSN)等多种新技术方法,滑坡监测已从传统点式人工监测逐步发展到“天-空-地”多维协同监测,在我国地质灾害风险识别与监测预警方面取得显著成效。本文结合多年来对滑坡发生机理与变形破坏过程的研究认识,从天(光学遥感和InSAR)、空(无人机摄影测量)、地(全球导航卫星系统、裂缝计等专业监测)三维立体角度对我国滑坡监测技术的最新研究进展进行了系统总结,分析讨论了不同技术在工程实践中的技术优势和适用性,构建了滑坡变形破坏全过程的“天-空-地”协同监测技术体系,为滑坡地质灾害的科学防范提供一种新的思维范式和经验指导。     

基于无人机遥感的滑坡几何参数测量方法研究

介绍了一种利用无人机遥感影像测量滑坡体的技术方法,探讨了无人机在获取滑坡监测几何参数方面的优势。以鄂西某滑坡为例,利用无人机摄影测量技术,根据该滑坡区域不同时期航摄影像制作完成DEM、DOM等多类型成果,计算得到该滑坡不同时期的特征断面和土石方变化量,综合分析得出滑坡趋于稳定的结论,验证了基于无人机遥感的滑坡几何参数测量方法的实效性。     

滑坡蠕变与遥感影像上植被异常关系

以滑坡蠕变阶段坡体的蠕变会引起环境条件的改变，进而影响植被生长状况的野外考察客观现实为依据，提出一种间接监测滑坡变化的新方法。利用高分辨率光学遥感技术，对滑坡蠕变阶段遥感影像上坡体上覆植被的异常特征进行判识，建立遥感影像上植被异常与滑坡蠕变的关系，反映滑坡的演化过程，弥补GPS技术、InSAR技术及部分地面监测手段在地势高、地形陡峭、植被茂盛等条件下监测工作的不足，为后续的滑坡预测研究提供帮助。以植被覆盖度较高的新磨村山体高位滑坡为例，首先，对研究区域进行分区；其次，计算各分区的植被覆盖度；最后，利用植被覆盖度分析遥感影像上的植被异常与滑坡蠕变的关系，并根据滑后遥感影像和实地考察情况进行验证。结果显示，2014年—2016年，滑坡的主要物源区、变形体上方细长局部崩滑区和泉眼及冲沟周边的植被覆盖度出现明显的下降，即随着滑坡发生时间的临近，植被受滑坡蠕变的影响变大，植被生长状况变差；而且随着距裸地等滑坡风险较大区域的距离增大，植被受滑坡蠕变的影响变小，植被生长状况变好。这表明，植被异常与滑坡蠕变存在明显的时空相关性，体现了滑坡蠕变阶段遥感影像上植被异常与滑坡蠕变的内在联系，反映了滑坡逐步失稳的演化过程，为进一步预测滑坡的发生提供依据。     

徕卡GeoMoS自动监测系统在滑坡外部变形监测中的应用

一、引言 近年来,我国地质灾害发生频繁.根据中国地质环境监测院地质灾害调查监测室的数据,在地震、崩塌、滑坡、泥石流等危害巨大的地质灾害中,滑坡所占的比率高达60%以上.因此,做好地质灾害监测和预警,特别是滑坡体的监测和预警,对于有效地减少直接经济损失和人员伤亡显得尤为重要.常规的滑坡变形监测方法监测周期长,不具备实时性,并且在极端天气情况下,常规监测基本无法进行监测数据的采集工作,而在此条件下,滑坡往往又处于最容易发生滑动的状况,必须进行监测.为此,须有一种简便的,无人值守的,自动的动态监测方法,可在很短的时间间隔内,迅速完成滑坡的变形监测,为滑坡的变形状态提供监测数据,从而有效地保障人民的生命与财产安全.     

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。     

大型岩质滑坡形变历史回溯及其启示

大型岩质滑坡一般具有高位、隐蔽性强、高速远程等特点,往往造成严重的人员伤亡和财产损失。揭示其形变历史和发展演化规律,可以为类似滑坡灾害的早期识别提供参考。收集了近年来发生在中国大陆的5处典型大规模岩质滑坡滑前的多时相高精度遥感影像,通过对多时相高精度遥感影像的目视解译,对其形变迹象进行识别,并对其发展演化规律进行分析。发现大型岩质滑坡在发育演化过程中均会产生显著的地表变形迹象,这些形变信息可利用高分辨率光学遥感影像（亚米级）进行识别,变形的孕育演化时间可达数年甚至数10 a。大型岩质滑坡往往不具备“圈椅状”地貌特征,利用光学遥感影像对其早期识别的标志主要为坡体后源是否存在拉裂缝和坡体前缘是否存在局部滑塌。     

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。     

利用国产遥感卫星进行金沙江高位滑坡灾害灾情应急监测

高位地质灾害具有强隐蔽性、强破坏性、难排查性等特征,近年来在我国西南山区频频发生,给山区居民造成了严重的人员伤亡和财产损失。以国产高分二号与北京二号等国产遥感卫星影像为数据源,对"10·11"金沙江高位滑坡开展灾情应急监测,分析了滑坡致灾情况、致灾演变及灾前蠕变特征,对灾后堰塞湖周边隐患灾后开展二次排查,查明了堰塞湖全域存在疑似裂缝隐患2处、滑坡隐患16处及5淹没区受损情况。结果表明国产遥感卫星对国家重特大地质灾害应急监测发挥了重大作用。     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体,造成道路阻塞,严重影响地震应急救援进度。为快速准确地识别滑坡分布范围,本文在深入分析滑坡遥感影像特征的基础上,引入面向对象分析方法,实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象,利用SEaTH算法自动构建每一层次特征规则集,实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征,为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较,基于面向对象的滑坡自动识别方法提取精度可达94.8%,Kappa系数为0.827,在电脑配置相同的情况下,自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明,地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系,与地表粗糙度存在负相关关系,研究区滑坡体分布存在明显的断层效应。     

利用阵列式位移传感系统进行地质灾害深部位移动态监测与分析

为了掌握地质灾害深部位移的变形规律,使用阵列式位移传感系统（SAA）对地质灾害不稳定体进行深部位移动态监测,并同时安装了测斜仪以进行比较分析。通过建立地质本构模型和进行"降雨-变形"模型分析,优化设计了监测线和监测点位。试验结果表明：在地质灾害监测中,使用阵列式位移传感系统进行滑坡体深部位移的监测,不仅能够实时监测到滑坡体深部位移的变形情况,还能判断出滑移面具体位置。相比于测斜仪监测,阵列式位移传感系统测量准确度更高,在滑坡地质灾害监测中有更好的应用范围和前景。     

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。