基于遥感技术的潜在滑坡早期识别方法技术

本发明专利技术公开了一种基于遥感技术的潜在滑坡早期识别方法，包括以下步骤：S1、获取工程区的遥感资料、地形资料及地质资料；S2、提取滑坡发育因子及取值范围；S3、建立滑坡因子集标准单元；S4、建立模型划分滑坡发育高危区；S5、对滑坡发育高危区进行差分干涉雷达遥感监测，提取高危区变形及裂缝信息，实现潜在滑坡早期识别。该方法能够实现大范围潜在滑坡的早期识别并对重点区域进行聚焦，突破了传统方法点测量的范畴，实现了面状监测识别，能大幅减少人力物力投入，显著降低潜在滑坡早期识别成本，提高工程运营安全和防灾减灾水平。

【技术实现步骤摘要】
基于遥感技术的潜在滑坡早期识别方法
本专利技术涉及工程地质勘察领域，特别是涉及一种基于遥感技术的潜在滑坡早期识别方法。
技术介绍
滑坡灾害是工程地质勘察的一项重要内容。常规的地面调查或遥感解译方法都是用于识别已经发生的滑坡，很难实现潜在滑坡的早期识别。潜在滑坡对工程具有很大的危害性，给工程施工和运营安全带来很大风险。因此实现潜在滑坡的早期识别对于工程施工、运营安全等都有重要的意义。传统的滑坡早期识别方法，如埋设传感器法、现场监测法等，都需要大量的人力物力，并多局限在点测量的范畴上，难以满足大范围潜在滑坡的早期识别需求。
技术实现思路
本专利技术的目的是提供一种识别成本低、能够实现大范围潜在滑坡早期识别的方法。为此，本专利技术的技术方案如下：一种基于遥感技术的潜在滑坡早期识别方法，包括以下步骤：S1、获取工程区的遥感资料、地形资料及地质资料：所述遥感资料包括高分辨率遥感影像和多期差分干涉雷达遥感影像；所述地质资料包括地质图和不良地质图；S2、提取滑坡发育因子及取值范围，包括以下步骤：(1)对步骤S1获取的地质图和不良地质图进行坐标系校正和数字化处理，提取区域滑坡分布特征信息；(2)构建三维遥感空间场景，提取坡度、坡向、坡面曲率、地形起伏度、植被覆盖度及到达水系距离信息；(3)利用统计方法得到滑坡发育影响因子和取值范围；S3、建立滑坡因子集标准单元：根据步骤S2得到的滑坡发育影响因子和取值范围将各个滑坡发育影响因子划分成多个区间，统计单个影响因子的各个区间内滑坡发生的密度，得到该影响因子的最佳取值区间；利用同样方法得到所有影响因子的最佳取值区间，这些因子的最佳取值区间组成滑坡因子集标准单元；S4、建立模型划分滑坡发育高危区：利用步骤S2得到的三维遥感空间场景，划分滑坡发育单元；编辑其属性信息，将步骤(1)得到的滑坡发育单元发送至步骤S2构建的三维遥感空间场景中，提取滑坡发育单元的坡度、坡向、坡面曲率、地形起伏度、植被覆盖度和到达水系距离，组成滑坡发育单元属性集；利用数学相似度模型，计算得到滑坡发育单元的高危区；S5、对滑坡发育高危区进行差分干涉雷达遥感监测，提取高危区变形及裂缝信息，实现潜在滑坡早期识别。其中，步骤S1所述的地形资料为工程区的数字高程数据，所述数字高程数据为大比例尺地形图上的等高线数据、高分辨率卫星影像立体像对数据或机载激光雷达获取的高程数据，所述机载激光雷达获取的高程数据带有全球定位和惯性测量单元姿态定位参数。步骤S1所述的高分辨率遥感影像为分辨率为2.5m的SPOT5和ALOS卫星影像、分辨率为2.1m的资源三号卫星影像或者分辨率更高的卫星影像、数码航摄影像；所述的高分辨率遥感影像带有有理函数传感器模型参数；所述差分干涉雷达遥感影像为分辨率较高的Radarsat、TerraSAR-X数据。在S2中，步骤(2)具体包括：对步骤S1获取的高分辨率遥感影像进行处理；利用获取的数字高程数据建立数字高程模型；以处理后的遥感影像为基准，对数字高程模型和处理后的遥感影像进行严格配准和三维渲染处理，构建三维遥感空间场景该操作可在遥感图像处理软件中完成；将步骤(1)提取的区域滑坡分布特征信息加载至所构建的三维遥感空间场景，提取滑坡发生区域的坡度、坡向、坡面曲率、地形起伏度、植被覆盖度和到达水系距离。所述对高分辨率遥感影像进行处理包括利用遥感图像处理软件进行遥感影像的大气校正、波段组合、几何精校正、图像融合以及镶嵌处理。所述建立数字高程模型主要有以下几种途径：1)通过大比例尺地形图上的等高线数据建立数字高程模型，其数据处理包括矢量化等高线数据和将矢量化结果进行空间插值运算；2)利用高分辨率卫星影像立体像对提取的高程数据建立数字高程模型，其数据处理包括图像裁剪、斑点压缩和图像配准；3)利用LIDAR获取的高程数据建立数字高程模型，其数据处理包括GPS/IMU联合平差计算、点云滤波、坐标转换处理。在S2中，步骤(3)具体包括：将得到的滑坡分布特征与坡度、坡向、坡面曲率、地形起伏度、植被覆盖度和到达水系距离在地理信息系统软件中进行空间叠加分析，统计每个滑坡发生区域的坡度、坡向、坡面曲率、地形起伏度、植被覆盖度和到达水系距离的取值范围。步骤S4中划分滑坡发育单元的方法包括以下步骤：1)划分河流沟谷和集水区域：对步骤S2得到的数字高程模型进行水文分析，包括洼地填充、水流方向计算、汇流计算和集水区域计算，划分出河流沟谷和集水区域；2)划分山体区域和山脊线：将步骤S2得到的数字高程模型进行地形倒置，将地形倒置后的数字高程模型发送到GIS软件，利用水淹分析提取凸起的山体区域和山脊线；3)生成滑坡发育单元：将划分的集水区域和凸起的山体区域进行交切，生成滑坡发育单元。步骤S4中，利用欧氏距离数学相似度模型计算所有滑坡发育单元属性集与滑坡因子集标准单元之间的距离，得到滑坡发育高危区，其中：滑坡因子集标准单元表示为向量V(V1,V2,V3,V4,V5,V6)，其中V1表示坡度因子最佳取值区间，V2表示坡向因子最佳取值区间，V3表示坡面曲率因子最佳取值区间，V4表示地形起伏度因子最佳取值区间，V5表示植被覆盖度因子最佳取值区间，V6表示到达水系距离因子最佳取值区间；第i个滑坡发育单元的属性集表示为向量Vi(Vi1,Vi2,Vi3,Vi4,Vi5,Vi6)，其中Vi1表示该滑坡发育单元的坡度因子取值区间，Vi2表示该滑坡发育单元的坡向因子取值区间，Vi3表示该滑坡发育单元的坡面曲率因子取值区间，Vi4表示该滑坡发育单元的地形起伏度因子取值区间，Vi5表示该滑坡发育单元的植被覆盖度因子取值区间，Vi6表示该滑坡发育单元的到达水系距离因子取值区间；则第i个滑坡发育单元属性集与滑坡因子集标准单元的欧氏距离Li表示为：计算所有滑坡发育单元与滑坡因子集标准单元的欧氏距离，组成一个数列；取这个数列的中值L中作为划分标准，对所有滑坡发育单元进行筛选，其中，Li﹤L中的滑坡发育单元划分为滑坡发育高危区。步骤S5的实现方法为：对步骤S1获取的多期差分干涉雷达遥感影像进行处理，对步骤S4得到的滑坡发育高危区进行差分干涉雷达遥感监测，提取高危区变形及裂缝信息，优选采用永久散射体差分干涉测量技术提取高危区变形信息；若滑坡发育高危区出现连续变形，或裂缝出现开裂和拉伸，则确定为潜在滑坡发育的早期阶段，实现潜在滑坡的早期识别。本专利技术具有以下优点和有益效果：本专利技术能够实现大范围潜在滑坡的早期识别，并对重点区域进行聚焦，突破了传统方法点测量的范畴，实现了面状监测识别，能够大幅减少人力物力投入，显著降低潜在滑坡早期识别成本，具有很强的工程实用性，可为工程设计、施工和运维提供重要参考，提高工程运营安全和防灾减灾水平。附图说明图1为本专利技术的基于遥感技术的潜在滑坡早期识别方法的流程图。具体实施方式下面结合附图对本专利技术的基于遥感技术的潜在滑坡早期识别方法做进一步说明。图1为本专利技术的基于遥感技术的潜在滑坡早期识别方法的流程图。如图1所示，本专利技术的基于遥感技术的潜在滑坡早期识别方法包括以下步骤：S1、获取工程区遥感、地形及地质资料所述工程区遥感资料包括高分辨率遥感影像和多期差分干涉雷达遥感影像。所述高分辨率遥感影像可以是分辨率为2.5m的SPOT5和ALOS卫星影像、分辨率为2.1本文档来自技高网...

【技术保护点】
1.一种基于遥感技术的潜在滑坡早期识别方法，包括以下步骤：S1、获取工程区的遥感资料、地形资料及地质资料：所述遥感资料包括高分辨率遥感影像和多期差分干涉雷达遥感影像；所述地质资料包括地质图和不良地质图；S2、提取滑坡发育因子及取值范围，包括以下步骤：(1)对步骤S1获取的地质图和不良地质图进行坐标系校正和数字化处理，提取区域滑坡分布特征信息；(2)构建三维遥感空间场景，提取坡度、坡向、坡面曲率、地形起伏度、植被覆盖度及到达水系距离信息；(3)利用统计方法得到滑坡发育影响因子和取值范围；S3、建立滑坡因子集标准单元：根据步骤S2得到的滑坡发育影响因子和取值范围将各个滑坡发育影响因子划分成多个区间，统计单个影响因子的各个区间内滑坡发生的密度，得到该影响因子的最佳取值区间；利用同样方法得到所有影响因子的最佳取值区间，这些因子的最佳取值区间组成滑坡因子集标准单元；S4、建立模型划分滑坡发育高危区：利用步骤S2得到的三维遥感空间场景，划分滑坡发育单元；编辑其属性信息，将步骤(1)得到的滑坡发育单元发送至步骤S2构建的三维遥感空间场景中，提取滑坡发育单元的坡度、坡向、坡面曲率、地形起伏度、植被覆盖度和到达水系距离，组成滑坡发育单元属性集；利用数学相似度模型，计算得到滑坡发育单元的高危区；S5、对滑坡发育高危区进行差分干涉雷达遥感监测，提取高危区变形及裂缝信息，实现潜在滑坡早期识别。...

【技术特征摘要】
1.一种基于遥感技术的潜在滑坡早期识别方法，包括以下步骤：S1、获取工程区的遥感资料、地形资料及地质资料：所述遥感资料包括高分辨率遥感影像和多期差分干涉雷达遥感影像；所述地质资料包括地质图和不良地质图；S2、提取滑坡发育因子及取值范围，包括以下步骤：(1)对步骤S1获取的地质图和不良地质图进行坐标系校正和数字化处理，提取区域滑坡分布特征信息；(2)构建三维遥感空间场景，提取坡度、坡向、坡面曲率、地形起伏度、植被覆盖度及到达水系距离信息；(3)利用统计方法得到滑坡发育影响因子和取值范围；S3、建立滑坡因子集标准单元：根据步骤S2得到的滑坡发育影响因子和取值范围将各个滑坡发育影响因子划分成多个区间，统计单个影响因子的各个区间内滑坡发生的密度，得到该影响因子的最佳取值区间；利用同样方法得到所有影响因子的最佳取值区间，这些因子的最佳取值区间组成滑坡因子集标准单元；S4、建立模型划分滑坡发育高危区：利用步骤S2得到的三维遥感空间场景，划分滑坡发育单元；编辑其属性信息，将步骤(1)得到的滑坡发育单元发送至步骤S2构建的三维遥感空间场景中，提取滑坡发育单元的坡度、坡向、坡面曲率、地形起伏度、植被覆盖度和到达水系距离，组成滑坡发育单元属性集；利用数学相似度模型，计算得到滑坡发育单元的高危区；S5、对滑坡发育高危区进行差分干涉雷达遥感监测，提取高危区变形及裂缝信息，实现潜在滑坡早期识别。2.根据权利要求1所述的潜在滑坡早期识别方法，其特征在于：步骤S1所述的地形资料为工程区的数字高程数据，所述数字高程数据为大比例尺地形图上的等高线数据、高分辨率卫星影像立体像对数据或机载激光雷达获取的高程数据，所述机载激光雷达获取的高程数据带有全球定位和惯性测量单元姿态定位参数。3.根据权利要求1所述的潜在滑坡早期识别方法，其特征在于：步骤S1所述的高分辨率遥感影像为分辨率为2.5m的SPOT5和ALOS卫星影像、分辨率为2.1m的资源三号卫星影像或者分辨率更高的卫星影像、数码航摄影像；所述的高分辨率遥感影像带有有理函数传感器模型参数；所述差分干涉雷达遥感影像为分辨率较高的Radarsat、TerraSAR-X数据。4.根据权利要求1所述的潜在滑坡早期识别方法，其特征在于，在S2中，步骤(2)具体包括：对步骤S1获取的高分辨率遥感影像进行处理；利用获取的数字高程数据建立数字高程模型；以处理后的遥感影像为基准，对数字高程模型和处理后的遥感影像进行严格配准和三维渲染处理，构建三维遥感空间场景该操作可在遥感图像处理软件中完成；将步骤(1)提取的区域滑坡分布特征信息加载至所构建的三维遥感空间场景，提取滑坡发生区域的坡度、坡向、坡面曲率、地形起伏度、植被覆盖度和到达水系距离。5.根据权利要求4所述的潜在滑坡早期识别方法，其特征在于：所述对高分辨率遥感影像进行处理包括利用遥感图像处理软件进行遥感影像的大气校正、波段组合、几何精校正、图像融合以及镶嵌处理。6.根据权利要求4所述的潜在滑坡早期识别方法，其特征在于：所述建立数字高程模型主要有以下几种途径：1)通过大比例尺地形...

【专利技术属性】
技术研发人员：刘桂卫，杨国涛，徐永明，李国和，齐春雨，
申请(专利权)人：中国铁路设计集团有限公司，
类型：发明
国别省市：天津,12