论文部分内容阅读
滑坡作为造成巨大经济损失及人员伤亡的地质灾害之一,对社会发展的影响越来越引起国际社会的高度重视。中国作为世界第一人口大国,国土面积位列世界第三,地势复杂多样,地质灾害频发,其中滑坡发生占比超过2/3,每年造成的经济损失超千亿,致死超千人。因此,对滑坡地质灾害的防治已成为国家战略。随着遥感技术及计算机技术的快速发展,滑坡的探测与监测方法越来越多元化、精细化。目前,主流的滑坡识别方法为光学遥感方法及合成孔径雷达干涉测量技术(Interferometric Synthetic Aperture Radar,In SAR)。光学遥感卫星的空间分辨率已提高至0.31m,雷达卫星对地表形变探测精度可达厘米级甚至毫米级。两种主流方法各有利弊,为了更加完整、自动化识别潜在滑坡,多源数据融合进行滑坡探测与监测一直是研究的热点。本文以SAR、光学影像及高精度数字高程模型(Digital Elevation Model,DEM)为基础数据,分别以云南乌东德库区及甘肃黑方台地区为研究区域,提出两种潜在滑坡识别的多源数据融合方法,主要研究工作和成果包括:(1)详细研究了面向对象进行滑坡识别的各大环节,探讨了多尺度分割方法的原理及参数,如何在众多的对象特征中选择最优特征构建规则集,以及如何进行精度评价。(2)深入分析了二维连续小波变换进行滑坡信息提取的原理及流程,详细研究了基于高精度DEM的滑坡要素的特征小波尺度、功率谱及二维数组转化为滑坡分布图的方法。(3)以云南乌东德库区为研究区域,选取Salford Predictive Modeler(SPM)和e Cognition软件为操作平台,开展顾及In SAR形变因子的面向对象潜在滑坡信息提取。(1)选取ALOS/PALSAR,基于IPTA技术获取In SAR形变图,结合Quick Bird-02数据、30m分辨率的DEM数据,综合考虑影像对象的光谱、形状、纹理以及邻域特征,地形数据的高程、坡度、坡向及地表切割深度等特征,利用CART模型建立规则集,提取潜在滑坡信息。同时,基于对象形变信息,利用阈值分类法提取遗漏的潜在滑坡区域,结合两者结果获取最终的潜在滑坡区域。(2)选取Srntinel-1A及Sentinel-2A数据,在金沙江上游进行大范围潜在滑坡识别,验证该方法在大范围区域提取潜在滑坡的适用性。通过融合方法识别的潜在滑坡区域与单独利用光学数据识别的结果对比分析,识别效果得到明显改善,特别在复杂的地表环境下,提高了潜在滑坡识别的准确性和完整性。有效地提高地质灾害调查的效率,为未知区域的滑坡监测和防治提供有价值的信息。(4)以甘肃黑方台地区为研究区域,利用e Cognition软件并编写程序,选取Terra SAR-X及World View-02数据,开展融合DEM、光学和In SAR形变信息的潜在滑坡识别研究。充分发掘高精度DEM数据的信息,利用二维连续小波变换进行疑似滑坡识别;同时,基于光学遥感影像,利用In SAR形变设置阈值快速识别疑似滑坡区域;并将二者进行融合获得最终的潜在滑坡识别结果。通过与研究区域滑坡编目结果进行对比,正确识别率达97.21%。此方法不需要建立规则集,自动化程度更高,结果更符合实际。