一种高植被覆盖地区滑坡识别方法技术

本发明专利技术提供一种高植被覆盖地区滑坡识别方法，包括以下步骤：S1、分析高植被覆盖地区滑坡的成因背景选定滑坡发育优势区；S2、在选定的滑坡发育优势区内进行遥感识别确定滑坡靶区，具体方法为：开展光学遥感解译和I nSAR两种方法的对滑坡发育优势区开展滑坡靶区识别确定初定滑坡靶区，对初定滑坡靶区采用LiDAR多期次精密地形测绘和D I C方法剔除误判的滑坡靶区，获得准确滑坡靶区；S3、对准确滑坡靶区进行工程地质勘察从而最终确定滑坡。本发明专利技术的有益效果：解决了高植被覆盖地区因植被覆盖，导致光学遥感解译效果差的问题，适用于山地丘陵高植被覆盖地区滑坡的识别；充分考虑了滑坡的地质环境背景，从孕灾条件出发开展滑坡识别，提高了滑坡识别准确率。提高了滑坡识别准确率。提高了滑坡识别准确率。

【技术实现步骤摘要】
一种高植被覆盖地区滑坡识别方法


[0001]本专利技术涉及工程地质滑坡识别
，尤其涉及一种高植被覆盖地区滑坡识别方法。

技术介绍

[0002]我国地质环境脆弱，地质灾害易发高发，滑坡是其中最主要的一种地质灾害。以浙江为代表的东南丘陵地区，地形破碎，台风频发，生产生活深受地质灾害困扰，其中滑坡占比超过一半。此区域，植被茂密，覆盖率高，给地质灾害，尤其是滑坡的识别带来困难。
[0003]滑坡风险管理是控制滑坡灾害的重要手段，是滑坡全周期治理的解决方案。滑坡识别是获取滑坡信息的重要步骤，是开展滑坡风险管理的不可或缺的步骤。滑坡识别是运用各种技术手段，查清滑坡的区域分布，查明滑坡的空间结构，为滑坡易发性评价和滑坡稳定性计算分析提供基础信息和数据。
[0004]现有的滑坡识别方法存在以下问题：
①
在当前很多地质灾害识别研究中，过多的关注各项技术方法的应用，而忽略地质灾害的孕灾地质背景信息，脱离孕灾地质环境条件进行灾害识别，不但事倍功半，甚至导致识别结果的可信度大幅降低；
②
每种地质灾害识别方法在其应用中都有各自的适用条件，单一地运用一种方法去识别地质灾害，可能会造成识别率偏低；
③
同时，在不同的环境区域限制了不同技术方法的应用，例如在高植被覆盖地区，InSAR的解译效果较差。

技术实现思路

[0005]有鉴于此，为了解决目前滑坡识别方法存在的上述问题，本专利技术的实施例提供了一种高植被覆盖地区滑坡识别方法。
[0006]本专利技术的实施例提供一种高植被覆盖地区滑坡识别方法，包括以下步骤：
[0007]S1、分析高植被覆盖地区滑坡的成因背景选定滑坡发育优势区；
[0008]S2、在选定的滑坡发育优势区内进行遥感识别确定滑坡靶区，具体方法为：开展光学遥感解译和合成孔径雷达干涉测量两种方法的对滑坡发育优势区开展滑坡靶区识别确定初定滑坡靶区，对初定滑坡靶区采用LiDAR多期次精密地形测绘和数字图像相关法剔除误判的滑坡靶区，获得准确滑坡靶区；
[0009]S3、对准确滑坡靶区进行工程地质勘察从而最终确定滑坡。
[0010]进一步地，所述步骤1具体为：根据高植被覆盖地区已发现的滑坡，结合地质构造、岩性结构、地形地貌、变形情况和人类活动因素，提出高植被覆盖地区滑坡优势区划定标准，然后对高植被覆盖地区进行滑坡发育优势区选定。
[0011]进一步地，
[0012]所述步骤2中光学遥感解译方法具体为：多时相光学遥感解译通过采集多个期次的光学遥感影像进行解译，形成一个时间序列，通过对时间序列下遥感图斑的变化，分析地质灾害的孕灾条件、灾害发育与变形以及灾害发生结果的影像，对比单一时相的光学遥感，
确定第一初定滑坡靶区；
[0013]所述步骤2中合成孔径雷达干涉测量方法具体为：运用微波遥感获取地面信息，通过差分干涉处理，得到精密的地形变化量和变形速度，根据地形变化量和变形速度确定第二初定滑坡靶区，综合第一初定滑坡靶区和第二初定滑坡靶区获取初定滑坡靶区。
[0014]进一步地，所述步骤2中LiDAR多期次精密地形测绘方法具体为：LiDAR激光束穿透植被到达地表，获取剥除植被信息的真实地表模型，通过多期次的精密地形测绘结果对比，可以得到地形的变化趋势和变化量，从而识别出滑坡靶区。
[0015]进一步地，多期次的精密地形测绘结果对比具体为：对于真实地表模型进行数据处理，可以得到不同可视化方法下地形的区别，再根据影像明暗、纹理和结构的差异，进行滑坡靶区识别。
[0016]进一步地，所述步骤2中数字图像相关法具体为：对图像中的初定滑坡靶区进行网格划分，针对每个子区域，通过搜索方法按预先定义的相关函数来进行相关计算，在变形后图像中寻找与该子区域的互相关系数为最大值的区域，即该子区域在变形后的位置，进而获得该子区域的位移，对全部子区域进行计算，即可获得全场的变形信息，根据滑坡全场变形信息计算得到区域位移速率，进行滑坡靶区识别。
[0017]进一步地，预先定义的相关函数为曲面拟合法、Newton
‑
Rapshon法或灰度插值法。
[0018]进一步地，所述步骤3中工程地质勘察包括综合地面调查、山地工程、地球物理勘探和微观矿物试验。
[0019]本专利技术的实施例提供的技术方案带来的有益效果是：
[0020]1、本专利技术的一种高植被覆盖地区滑坡识别方法，解决了高植被覆盖地区因植被覆盖，导致光学遥感解译效果差的问题，适用于山地丘陵高植被覆盖地区滑坡的识别。
[0021]2、本专利技术的一种高植被覆盖地区滑坡识别方法，充分考虑了滑坡的地质环境背景，从孕灾条件出发开展滑坡识别，提高了滑坡识别准确率。
[0022]3、本专利技术的一种高植被覆盖地区滑坡识别方法，按照基于地质构造背景的滑坡优势区划定、基于综合遥感解译的靶区识别、基于综合地面调查的滑坡确定的步骤层层递进，提出了一整套方法体系，形成完整的滑坡识别证据链，提高了滑坡的识别率，同时也降低了误判率。
附图说明
[0023]图1是本专利技术一种高植被覆盖地区滑坡识别方法的流程图；
[0024]图2是光学遥感解译滑坡识别标志影响图表；
[0025]图3是不同期次光学遥感影像识别结果图；
[0026]图4是本实施例中研究区多时相光学遥感解译滑坡靶区图；
[0027]图5是本实施例中研究区InSAR解译结果与滑坡靶区图；
[0028]图6是本实施例中不同DSM可视化方法对物源特征呈现的差异图；
[0029]图7是本实施例中天空视域因子典型识别标志图；
[0030]图8是本实施例局部2017年3月与2012年11月两期地形测绘高程变化图；
[0031]图9是本实施例中上方村北滑坡正射影像图(DOM)；
[0032]图10是本实施例中上方村北滑坡滑带土现场照片；
[0033]图11是本实施例中上方村北滑坡滑带土上一系列土颗粒弧状排列和密集的剪切面；
[0034]图12是本实施例中SEM观察到滑带土微结构特征
‑
片状矿物定向排列(1200
×
)；
[0035]图13是本实施例中SEM观察到滑带土微结构特征
‑
石英等矿物颗粒主轴定向排列(250
×
)；
[0036]图14是本实施例中SEM观察到滑带土微结构特征
‑
黏土矿物层状排列(5000
×
)；
[0037]图15是本实施例中SEM观察到滑带土微结构特征
‑
弧形擦痕(方框内)与线性擦痕(两侧箭头)(150
×
)；
[0038]图16是本实施例中SEM观察到滑带土微结构特征
‑
花岗岩基岩的淋滤结构(2500
×
)。
具体实施方式
[0039]为使本专利技术的目的、技术方案和优点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高植被覆盖地区滑坡识别方法，其特征在于，包括以下步骤：S1、分析高植被覆盖地区滑坡的成因背景选定滑坡发育优势区；S2、在选定的滑坡发育优势区内进行遥感识别确定滑坡靶区，具体方法为：开展光学遥感解译和合成孔径雷达干涉测量两种方法的对滑坡发育优势区开展滑坡靶区识别确定初定滑坡靶区，对初定滑坡靶区采用LiDAR多期次精密地形测绘和数字图像相关法剔除误判的滑坡靶区，获得准确滑坡靶区；S3、对准确滑坡靶区进行工程地质勘察从而最终确定滑坡。2.如权利要求1所述的一种高植被覆盖地区滑坡识别方法，其特征在于，所述步骤1具体为：根据高植被覆盖地区已发现的滑坡，结合地形地貌、岩性结构、地质构造、变形情况和人类活动因素，提出高植被覆盖地区滑坡优势区划定标准，然后对高植被覆盖地区进行滑坡发育优势区选定。3.如权利要求1所述的一种高植被覆盖地区滑坡识别方法，其特征在于，所述步骤2中光学遥感解译方法具体为：多时相光学遥感解译通过采集多个期次光学遥感影像进行解译，形成一个时间序列，通过对时间序列下遥感图斑的变化，分析地质灾害的孕灾条件、灾害发育与变形以及灾害发生结果的影像，对比单一时相的光学遥感，确定第一初定滑坡靶区；所述步骤2中合成孔径雷达干涉测量方法具体为：运用微波遥感获取地面信息，通过差分干涉处理，得到精密的地形变化量和变形速度，根据地形变化量和变形速度确定第二初定滑坡靶区，综合第一初定滑坡靶区和第二初定滑坡靶区获取初定滑坡靶区...

【专利技术属性】
技术研发人员：严亮轩，曾韬睿，杨硕，龚泉冰，邬礼扬，赵玉，廖映雪，殷坤龙，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：