地质灾害在我国属于多发易发性灾害,其中滑坡灾害发生最频繁,影响范围最广,西南山区最为严重。滑坡灾害往往发生在地质环境脆弱地带,研究滑坡隐患风险排查和防治,对保护人民生命财产和保护生态安全都有着重要意义。本文将遥感技术(RS)、地理信息技术(GIS)和机器学习技术(ML)相结合,从“区域隐患排查→区域隐患监测→区域风险评估→区域生态防治”入手,解决了大区域风险排查的相关技术难点,建立了一套区域滑坡隐患排查、风险评估和生态防治的方法。文章主要研究内容和结论如下:(1)基于卷积神经网络和注意力模型开展滑坡隐患自动识别,可为地质灾害专家提供靶区,有效提升区域滑坡隐患排查的效率和精度。创建了国内首个山区滑坡识别样本库(包括滑坡样本、非滑坡样本、滑坡边界文件和相应的DEM数据),该样本库经地质专家核查确保其准确性,并在互联网上公开发布,以促进基于光学遥感影像的滑坡自动探测研究。针对滑坡隐患识别设计了一个3D空间-通道注意力模块,通过直接生成三维空间和通道注意力特征图,而不是分别处理生成空间方向上与通道方向上的注意力图,以强调复杂背景下各种滑坡实例的独特特征。通过实验探索了一套适宜于西南山区滑坡隐患排查的卷积神经网络自动识别技术方法,并成功应用于项目实践。(2)提出多时相、多波段、多视角InSAR协同监测方法,能够有效对西南山区开展大范围滑坡地表形变监测。在国内率先提出多时相、多波段、多视角InSAR协同监测的方法,首次实现大区域、长时序山区滑坡地表形变周期性监测。利用ALOS-2波段雷达数据,采用D-InSAR处理方法,监测雨季高植被覆盖区突发性地表形变;融合升轨RADARSAT-2和Sentinel-1降轨数据,利用MT-InSAR处理方法对区域蠕动型滑坡开展每月一次的长时序地表形变监测。建立了西南山区分布式散射体(DS)MT-InSAR滑坡形变分析方法。采用Anderson-Darling(AD)检验提取分布式目标,然后对分布式目标进行空间自适应滤波,极大的保持了DS的相干性,使得独立的强散射目标的干涉信息得到很好保留;利用带秩M估计方法剔除非高斯分布散射目标和非平稳态散射目标的影响,提高同质目标检测的有效性。(3)利用识别的滑坡隐患数据开展区域滑坡易发性评价,引入InSAR地表形变监测成果进行过程修正,可进一步提高评价准确性。分析已知滑坡隐患分布,从地质环境条件和人类工程活动等因素中选取12种致灾因子,采用信息量模型对致灾因子进行量化,选用支持向量机模型对滑坡易发性进行评价,并制作滑坡易发性分区图。利用MT-InSAR升降轨长时序监测结果形成校正矩阵,对初始的滑坡易发性风险图进行更新,更新后的已知滑坡隐患数据位于极高易发区和高易发区中所占比例由更新前的64%提高到69%,更新后的滑坡易发性判定更加准确。(4)森林对滑坡易发性起着一定调节作用,在森林经营过程中要考虑对滑坡的影响。构建评价模型研究了森林与滑坡在空间格局上的关系。灌木林地相对有林地滑坡防护能力较强,天然林相比人工林一定程度能抑制滑坡的发生,中龄林相比幼龄林、成熟林和过熟林滑坡防护能力较强;研究区优势树种多为杉木、云南松为代表的浅根型针叶林和核桃、桃、桂花等经济林,林分结构单一,且多为人工林、幼龄林,遭受滑坡风险较高。林业规划设计和植树造林要综合考虑滑坡风险因素。要发挥天然林的生态防御功能,加强对已有天然林的保护,逐步修复坡度较高、土壤破碎的滑坡高易发区的天然林;在森林营造过程中要以仿自然式植物群落的原则开展,种植混交林,注重乔灌搭配,提高人工林林分多样性;对于已有人工纯林,应根据滑坡易发性分布情况,进行林分结构改造,加种固坡抗滑植物,提高土壤抗剪性,提升生态系统稳定性。在造林规划中特别是种植浅根型针叶林和山地特色经济林种时,要考虑规避高滑坡易发性区域,注重林地水土保持。综上所述,本研究为大区域地质灾害调查监测和风险早期预警提供了多种技术支持,推动了地质灾害防治从“人防”向“技防”的转变。特别是在国家生态文明建设的大背景下,从空间格局上探讨了森林与滑坡隐患易发性之间的关系,为西南山区滑坡生态防治提供决策参考。