一种基于国产GF-1卫星数据的滑坡易发性评估方法技术

本发明专利技术公开了一种基于国产GF‑1卫星数据的滑坡易发性评估方法，包括步骤：(1)资料收集；(2)数据预处理；最后，将遥感数据与其它数据进行叠加、裁剪使之具有统一的经纬度范围和网格单元；(3)滑坡信息遥感提取；(4)候选评估因子提取与筛选；(5)滑坡易发性评估。本发明专利技术解决了滑坡信息遥感提取、滑坡易发性评估因子提取与筛选、滑坡易发性评估模型构建技术问题，对待评估区域的滑坡灾害易发程度加以区划，为滑坡灾害预测预报提供了基础资料，是一种评估滑坡灾害易发程度的准确性较高的方案。

【技术实现步骤摘要】
一种基于国产GF-1卫星数据的滑坡易发性评估方法
本专利技术涉及地质灾害防治领域，特别涉及一种基于国产GF-1卫星数据的滑坡易发性评估方法。
技术介绍
滑坡是一种破坏力巨大的自然现象，堵塞河流、毁坏道路、甚至埋没村庄，其破坏性仅次于地震，也是地质灾害中发生最广泛和危害性最大的灾种。近年来，随着全球气候变暖、降水增多，中国地震活跃期的到来以及大规模基础建设造成的高陡斜坡影响，滑坡灾害发生越来越频繁，对我国的经济发展、社会稳定影响越来越大，迫切需要对滑坡灾害的易发性进行评估。滑坡易发性评估通过评估滑坡触发的概率来区划待评估区域滑坡风险等级，从而逐步实现滑坡灾害的预测预报，因此评估滑坡的易发性是滑坡风险评估的基础与前提，是滑坡灾害防治的必要步骤。目前，滑坡易发性评估主要涉及三个主要方面：滑坡信息、评估因子、评估模型。对于滑坡信息的提取，目前的滑坡易发性评估方法要么忽略该过程，直接采用已有的滑坡地面调查数据进行应用，这种处理方式导致滑坡信息更新困难，不能及时、准确的进行待评估区滑坡易发性评估；或者采用国外的卫星数据进行滑坡信息提取，一旦国外商业卫星数据无法及时获取，例如战争或者贸易摩擦，则严重影响我国滑坡灾害领域的防灾减灾工作；如果采用无人机数据提取滑坡信息，则数据处理量大、成本高，难以大范围推广应用。当前，急需周期性、准实时、价格低、数据预处理技术相对成熟的国产卫星数据源来保障我国滑坡灾害易发性评估研究。采用国产GF-1卫星数据进行滑坡易发性评估，其2米全色、8米、16米多光谱数据可以满足不同区域范围的滑坡易发性评估需求。但是，利用GF-1卫星数据进行滑坡易发性评估，目前还存在一些技术难点尚待解决：首先，在滑坡信息遥感提取方面，如何确定GF-1影像在待评估区域的图像分割尺度，如何构建滑坡信息的提取规则，以便于快速的提取滑坡信息；其次，在评估因子筛选方面，如何筛选并确定与待评估区滑坡最相关的评估因子；最后，在滑坡易发性评估模型构建方面，如何选择最佳的模型及参数来实现待评估区的滑坡易发性概率计算与等级区划。
技术实现思路
本专利技术的目的是克服上述现有技术中存在的问题，提供一种基于国产GF-1卫星数据的滑坡易发性评估方法，解决滑坡信息遥感提取、滑坡易发性评估因子提取与筛选、滑坡易发性评估模型构建技术问题，对待评估区域的滑坡灾害易发程度加以区划，为滑坡灾害预测预报提供基础资料，是一种评估滑坡灾害易发程度的准确性较高的方案。本专利技术的技术方案是：一种基于国产GF-1卫星数据的滑坡易发性评估方法，包括如下步骤：(1)资料收集：收集整理待评估区域的包括遥感影像、基础地理、地质、地形地貌、气象水文、林地类型、土壤类型在内的基础数据以及历史滑坡灾害记录、滑坡研究文献资料；(2)数据预处理：将遥感数据进行大气校正、正射校正、影像融合预处理；统一其它具有地理信息属性的数据的投影关系和坐标系，以便于空间运算和叠置分析；利用待评估区1∶5万地形数据生成DEM并重采样；最后，将遥感数据与其它数据进行叠加、裁剪使之具有统一的经纬度范围和网格单元；(3)滑坡信息遥感提取：利用国产GF-1卫星数据以及基于面向对象滑坡遥感提取方法，结合待评估区地质、地形地貌、植被、土壤类型的特征，确定遥感影像最佳分割尺度，构建待评估区域的滑坡遥感提取规则，进而提取滑坡信息，并借助野外实地调查数据进行验证与判别，最终确定待评估区域滑坡周界，为后续滑坡易发性评估提供研究资料；(4)候选评估因子提取与筛选：结合工程地质调查方法，从地质构造、气象水文、人类活动影响三个方面分析待评估区域的滑坡影响因素，选择可能与滑坡有关的影响因子，这些选取的影响因子称为候选评估因子；候选评估因子选取步骤是：抽取DEM、遥感影像、基础地质、土壤类型、植被、林业数据，借助RS、GIS平台结合人-机交互流程，生成坡度、坡向、地表高程、沟谷密度、林地类型、植被覆盖度、地层岩性、断裂构造密度、土壤类型9个候选评估因子；接着，利用频率比方法，即FrequencyRatio，简称FR，分析确定候选评估因子与滑坡之间的相关性，筛选出与待评估区滑坡相关性强的评估因子，剔除不相关的候选评估因子；(5)滑坡易发性评估：选择滑坡敏感性指数、Logistic回归模型、神经网络模型分别对采集的样本数据进行滑坡易发性概率计算，利用ROC曲线比较三种模型的拟合精度，选择精度最高的模型作为滑坡易发性概率计算模型，进行整个待研究区滑坡易发性概率计算，利用K-均值聚类分析模型，进行待评估区域滑坡易发性等级划分，包括：极低、低、中、高和极高共5级滑坡易发性等级。上述步骤(5)中所述的滑坡易发性概率计算模型(包括滑坡敏感性指数模型、Logistic回归模型、神经网络模型)需要通过样本数据预先训练得到并加以存储，供调用获取；训练并实现滑坡易发性概率计算模型的方法，具体包括如下步骤：1)构建评估因子数据图层集：基于频率比方法选取的与滑坡相关性强的评估因子，结合待评估区所划分网格单元的大小，将各个评估因子图层进行重采样并叠加，完成评估因子数据图层集构建；2)模型样本采集：结合步骤1)中所构建的评估因子数据图层集，创建随机样本点，并结合GIS平台的计算功能，对样本点进行赋值，完成模型样本采集，并将数据导出、整理成为统计样本数据；3)构建候选的滑坡易发性概率计算模型：依据滑坡敏感性指数、Logistic回归、神经网络模型计算原理，构建三个滑坡易发性概率计算模型，并借助采集的样本数据，计算得出各候选滑坡易发性概率计算模型所需参数；4)候选滑坡易发性概率计算模型精度评估：利用ROC曲线模型，分别计算各模型相应的AUC值，选择AUC值最大的滑坡易发性概率计算模型作为整个待评估区域的滑坡易发性评估的模型；5)计算待评估区滑坡易发性概率：利用选定的模型，结合评估因子图层数据集，计算所有格网单元相应的滑坡易发性概率值。上述步骤(5)中所述的样本数据是建立滑坡易发性概率计算模型的基础，滑坡易发性概率计算模型构建过程中，通过采集已知滑坡区域的样本数据和未知滑坡区域的样本数据，组成样本数据集，已知滑坡区域即步骤(3)通过GF-1卫星影像提取的滑坡信息，而未知滑坡区域即除去滑坡信息的待评估区；通过分析样本数据，获取构建滑坡易发性概率计算模型所需参数，最终利用所构建的模型，进行待评估区域网格单元滑坡易发性概率计算；构建滑坡易发性概率计算模型所需样本的采集流程如下：1)建立待评估区面状矢量图层，记为A1，叠加滑坡信息矢量图层，记为A2；2)提取未知滑坡区域图层，记为A3，A3＝A1-A2，A3表示在待评估区域除去已知的滑坡区域后的面状矢量图；3)在A3中，生成第一个随机矢量点图层，记为P1；在A2中，生成第二个随机矢量点图层，记为P2；4)在P1、P2随机矢量点图层中，分别建立一个整数型值的字段P，将P1随机矢量点图层的P字段值设为0，P2随机矢量点图层中的P字段值设为1，然后合并这两个随机矢量点图层，记为PH；5)样本点属性赋值：将PH图层与选取的评估因子图层进行空间叠加，给PH图层各矢量点赋予以相应图层名称为字段标识的属性值，最终完成样本采样；在滑坡敏感性指数模型中，样本点所赋属性值为FR值，FR值即频率比计算值，而在Logistic回归模型、神经网络本文档来自技高网...

【技术保护点】
1.一种基于国产GF‑1卫星数据的滑坡易发性评估方法，其特征在于，包括如下步骤：(1)资料收集：收集整理待评估区域的包括遥感影像、基础地理、地质、地形地貌、气象水文、林地类型、土壤类型在内的基础数据以及历史滑坡灾害记录、滑坡研究文献资料；(2)数据预处理：将遥感数据进行大气校正、正射校正、影像融合预处理；统一其它具有地理信息属性的数据的投影关系和坐标系，以便于空间运算和叠置分析；利用待评估区1:5万地形数据生成DEM；最后，将遥感数据与其它数据进行叠加、裁剪使之具有统一的经纬度范围和网格单元；(3)滑坡信息遥感提取：利用国产GF‑1卫星数据以及基于面向对象滑坡遥感提取方法，结合待评估区地质、地形地貌、植被、土壤类型的特征，确定遥感影像最佳分割尺度，构建待评估区域的滑坡遥感提取规则，进而提取滑坡信息，并借助野外实地调查数据进行验证与判别，最终确定待评估区域滑坡周界，为后续滑坡易发性评估提供研究资料；(4)候选评估因子提取与筛选：结合工程地质调查方法,从地质构造、气象水文、人类活动影响三个方面分析待评估区域的滑坡影响因素，选择可能与滑坡有关的影响因子，这些选取的影响因子称为候选评估因子；候选评估因子选取步骤是：抽取DEM、遥感影像、基础地质、土壤类型、植被、林业数据，借助RS、GIS平台结合人‑机交互流程，生成坡度、坡向、地表高程、沟谷密度、林地类型、植被覆盖度、地层岩性、断裂构造密度、土壤类型9个候选评估因子；接着，利用频率比方法FR，分析确定候选评估因子与滑坡之间的相关性，筛选出与待评估区滑坡相关性强的评估因子，剔除不相关的候选评估因子；(5)滑坡易发性评估：选择滑坡敏感性指数、Logistic回归模型、神经网络模型分别对采集的样本数据进行滑坡易发性概率计算，利用ROC曲线比较三种模型的拟合精度，选择精度最高的模型作为滑坡易发性概率计算模型，进行整个待研究区滑坡易发性概率计算，利用K‑均值聚类分析模型，进行待评估区域滑坡易发性等级划分，包括：极低、低、中、高和极高共5级滑坡易发性等级。...

【技术特征摘要】
1.一种基于国产GF-1卫星数据的滑坡易发性评估方法，其特征在于，包括如下步骤：(1)资料收集：收集整理待评估区域的包括遥感影像、基础地理、地质、地形地貌、气象水文、林地类型、土壤类型在内的基础数据以及历史滑坡灾害记录、滑坡研究文献资料；(2)数据预处理：将遥感数据进行大气校正、正射校正、影像融合预处理；统一其它具有地理信息属性的数据的投影关系和坐标系，以便于空间运算和叠置分析；利用待评估区1:5万地形数据生成DEM；最后，将遥感数据与其它数据进行叠加、裁剪使之具有统一的经纬度范围和网格单元；(3)滑坡信息遥感提取：利用国产GF-1卫星数据以及基于面向对象滑坡遥感提取方法，结合待评估区地质、地形地貌、植被、土壤类型的特征，确定遥感影像最佳分割尺度，构建待评估区域的滑坡遥感提取规则，进而提取滑坡信息，并借助野外实地调查数据进行验证与判别，最终确定待评估区域滑坡周界，为后续滑坡易发性评估提供研究资料；(4)候选评估因子提取与筛选：结合工程地质调查方法,从地质构造、气象水文、人类活动影响三个方面分析待评估区域的滑坡影响因素，选择可能与滑坡有关的影响因子，这些选取的影响因子称为候选评估因子；候选评估因子选取步骤是：抽取DEM、遥感影像、基础地质、土壤类型、植被、林业数据，借助RS、GIS平台结合人-机交互流程，生成坡度、坡向、地表高程、沟谷密度、林地类型、植被覆盖度、地层岩性、断裂构造密度、土壤类型9个候选评估因子；接着，利用频率比方法FR，分析确定候选评估因子与滑坡之间的相关性，筛选出与待评估区滑坡相关性强的评估因子，剔除不相关的候选评估因子；(5)滑坡易发性评估：选择滑坡敏感性指数、Logistic回归模型、神经网络模型分别对采集的样本数据进行滑坡易发性概率计算，利用ROC曲线比较三种模型的拟合精度，选择精度最高的模型作为滑坡易发性概率计算模型，进行整个待研究区滑坡易发性概率计算，利用K-均值聚类分析模型，进行待评估区域滑坡易发性等级划分，包括：极低、低、中、高和极高共5级滑坡易发性等级。2.如权利要求1所述的一种基于国产GF-1卫星数据的滑坡易发性评估方法，其特征在于，步骤(5)中所述的滑坡易发性概率计算模型需要通过样本数据预先训练得到并加以存储，供调用获取；训练并实现滑坡易发性概率计算模型的方法，具体包括如下步骤：1)构建评估因子数据图层集：基于频率比方法选取的与滑坡相关性强的评估因子，结合待评估区所划分网格单元的大小，将各个评估因子图层进行重采样并叠加，完成评估因子数据图层集构建；2)模型样本采集：结合步骤1)中所构建的评估因子数据图层集，创建随机样本点，并结合GIS平台的计算功能，对样本点进行赋值，完成模型样本采集，并将数据导出、整理成为统计样本数据；3)构建候选的滑坡易发性概率计算模型：依据滑坡敏感性指数、Logistic回归、神经网络模型计算原理，构建三个滑坡易发性概率计算模型，并借助采集的样本数据，计算得出各候选滑坡易发性概率计算模型所需参数；4)候选滑坡易发性概率计算模型精度评估：利用ROC曲线模型，分别计算各模型相应的AUC值，选择AUC值最大的滑坡易发性概率计算模型作为整个待评估区域的滑坡易发...

【专利技术属性】
技术研发人员：赵良军，刘小芳，
申请(专利权)人：四川理工学院，
类型：发明
国别省市：四川,51