CN108168526A - 一种基于地面沉降信息的黄土滑坡早期识别方法 - Google Patents
一种基于地面沉降信息的黄土滑坡早期识别方法 Download PDFInfo
- Publication number
- CN108168526A CN108168526A CN201711348000.0A CN201711348000A CN108168526A CN 108168526 A CN108168526 A CN 108168526A CN 201711348000 A CN201711348000 A CN 201711348000A CN 108168526 A CN108168526 A CN 108168526A
- Authority
- CN
- China
- Prior art keywords
- landslide
- region
- loess
- underground water
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及黄土滑坡识别技术领域,公开了一种基于地面沉降信息的黄土滑坡早期识别方法,包括以下步骤:S1、结合沉降信息与地下水信息,获取沉降中心地下水流场的下游与塬边交界的区域,该区域为A;S2、根据研究区域的DEM生成坡度图;单个滑坡的坡度要求是30°‑50°,在区域A中满足这些条件的区域为B;S3、获取研究区域的遥感影像,识别黄土塬边与地下水的渗出点;把区域B中有地下水渗出的区域叫做C,这样C区域就是最后识别出来的滑坡区域,这种方法,对InSAR识别滑坡、光学遥感影像识别滑坡、DEM识别滑坡三种方法取长补短,揭示了其内在联系,提高了黄土滑坡识别的准确率。
Description
技术领域
本发明涉及黄土滑坡识别技术领域,特别涉及一种基于地面沉降信息的黄土滑坡早期识别方法。
背景技术
随着经济和人口的飞速发展,黄土地区地质环境愈加脆弱、气候和生态不断恶化、人类活动更加频繁以及大面积农田漫灌,致使黄土地面沉降、地裂缝、崩塌、滑坡、泥流等地质灾害频发。这些灾害互为因果、同源演变,形成一条复杂的灾害链,从而造成群死群伤、严重的经济损失并危及重大工程。据不完全统计,黄土高原区域频繁发生重大灾害,包括崩塌49000个、滑坡31000多个、泥石流4500多条、地面沉降1500处及地裂缝1300多条。在这些频繁发生的地质灾害中,黄土滑坡分布广泛且集中,突发性很强,破坏力最为严重。进行黄土滑坡的早期识别尤为重要。
现在进行黄土滑坡的早期识别主要是基于常规野外图幅调查或者常规工程勘察,这些方法主要依赖于专业人员的经验,不仅耗时费力,覆盖面有限,还需要投入大量的人力资源。而光学遥感解译技术识别滑坡,尽管其覆盖范围大,且可以通过人机交互进行识别滑坡。但是,常规的光学遥感调查往往只能提供半定量滑坡识别成果,存在漏判、错判现象,自动化程度低,且多数是针对滑坡之后的定位,难以对潜在的滑坡进行早期识别,导致很多灾害难以得到有效的防治。而SAR影像不仅含有强度信息,还包含相位信息, InSAR技术可以获取厘米级甚至毫米级的地表形变,从而提高滑坡识别与监测的可靠性与正确率。但是它只能获取一维形变而且存在阴影、顶底倒置和透视缩短等现象,因此也会存在对滑坡的漏判、错判现象。特别是对于空间尺度较小的黄土滑坡,基于InSAR形变直接进行识别往往不成功。
目前已有的黄土滑坡早期识别技术存在费时费力、造价昂贵,覆盖范围有限。错判漏判严重、自动化程度低、只能针对灾害发生后的区域进行定位,无法满足实际需求。本文提出的方法是一种滑坡的间接识别方法,通过InSAR技术监测滑坡一定范围内的地面沉降,基于黄土滑坡诱发的因素,建立地面沉降-地形-地下水-滑坡四者联动识别法。该方法结合了地下水、DEM与光学遥感影像,设置了多个约束条件,自动化强、覆盖范围广、可靠性高,经试验可以大大提高黄土滑坡识别的成功率。
发明内容
本发明提供一种基于地面沉降信息的黄土滑坡早期识别方法,可以解决现有技术中的上述问题。
本发明提供了一种基于地面沉降信息的黄土滑坡早期识别方法,包括以下步骤:
S1、结合沉降信息与地下水信息,获取沉降中心地下水流场的下游与塬边交界的区域;
首先获取覆盖研究区域高分辨率的SAR(合成孔径雷达,简称 SAR)影像与DEM(数字高程模型模型,Digital Elevation Model,简称DEM),然后采用时序InSAR(合成孔径雷达干涉,Synthetic Aperture Radar Interferometry,简称InSAR)技术对这些影像处理,获取目标区域的形变速率图,得到形变速率图后再结合研究区域的地形图识别出该区域的地面沉降中心;
地下水位的变化是识别滑坡的第一个条件,获取目标区域的地下水资料,得到该区域的地下水流场,进而绘制出地下水位等值线图,根据地下水位等值线图寻找地面沉降中心地下水流场下游与塬边交界的区域,该区域就为A;
S2、根据研究区域的DEM生成坡度图;
坡度构成了识别滑坡的第二个条件,单个滑坡的坡度要求是30° -50°,在区域A中满足这些条件的区域为B;
S3、获取研究区域的遥感影像,识别黄土塬边与地下水的渗出点;
滑坡的第三个识别条件是地下水的渗出,地下水在滑坡的坡脚渗出,在遥感影像上如果有地下水渗出,那么该处的土壤颜色和别的地方会不一样,把区域B中有地下水渗出的区域叫做C,这样C 区域就是最后识别出来的滑坡区域。
较佳地,所述步骤S1中的时序InSAR的方法包括:多干涉图叠加技术(Interferogram Stacking)、永久散射体技术(Permanent or Persistent Scatterers,PS)和/或小基线集方法(Small Baseline Subset, SBAS)。
与现有技术相比,本发明的有益效果在于:
本发明无需野外调查,通过室内数据的处理即可获得早期黄土滑坡的分布位置;本发明结合了多源数据,对InSAR识别滑坡、光学遥感影像识别滑坡、DEM识别滑坡三种方法取长补短,揭示内在联系,提高了黄土滑坡识别的准确率。本发明操作简单,自动化强,与传统野外方法相比,大大降低了外业工作量;与单一InSAR识别滑坡、光学遥感影像识别滑坡、DEM识别滑坡,提高了其滑坡识别的准确率。
附图说明
图1为本发明提供的一种基于地面沉降信息的黄土滑坡早期识别方法的流程图。
图2为本发明提供的一种基于地面沉降信息的黄土滑坡早期识别方法的实施例的流程图。
具体实施方式
下面结合附图,对本发明的一个具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
如图1和图2所示,本发明实施例提供的一种基于地面沉降信息的黄土滑坡早期识别方法,包括以下步骤:
S1、结合沉降信息与地下水信息,获取沉降中心地下水流场的下游与塬边交界的区域;
首先获取覆盖研究区域高分辨率的SAR影像与DEM,然后采用时序InSAR技术对这些影像处理,获取目标区域的形变速率图,得到形变速率图后再结合研究区域的地形图识别出该区域的地面沉降中心;
地下水位的变化是识别滑坡的第一个条件,获取目标区域的地下水资料,得到该区域的地下水流场,进而绘制出地下水位等值线图,根据地下水位等值线图寻找地面沉降中心地下水流场下游与塬边交界的区域,该区域就为A;
S2、根据研究区域的DEM生成坡度图;
坡度构成了识别滑坡的第二个条件,单个滑坡的坡度要求是30° -50°,在区域A中满足这些条件的区域为B;
S3、获取研究区域的遥感影像,识别黄土塬边与地下水的渗出点;
滑坡的第三个识别条件是地下水的渗出,地下水在滑坡的坡脚渗出,在遥感影像上如果有地下水渗出,那么该处的土壤颜色和别的地方会不一样,把区域B中有地下水渗出的区域叫做C,这样C 区域就是最后识别出来的滑坡区域。
较佳地,所述步骤S1中的时序InSAR的方法包括:多干涉图叠加技术、永久散射体技术和/或小基线集方法。
如图1所示,该方法主要基于各种条件选出滑坡的疑似区域,然后把满足这些条件区域的公共部分视为滑坡,达到黄土滑坡早期识别的目的。
具体实施方式如下:对研究区域的SAR影像进行干涉处理,通过时序InSAR的方法获得该区域地面形变的年速率,进而获取地面沉降信息,当该区域的地面沉降是由地下水的变化引起时,认为该区域一定范围内具备滑坡的产生的必要条件。
接下来是确认滑坡的具体位置。
地下水位的变化是第一个条件,当某处的地下水位与地面沉降中心的地下水位有相同的变化趋势时,该处就有可能会形成滑坡,该区域就为A。
坡度与坡向构成了第二个条件,单个滑坡的坡度要求是30°- 50°,满足这些条件的区域为B。
第三个条件是地下水的渗出,地下水渗出一般会在滑坡的坡脚出现,把区域B中出现这种情况的区域叫做C。
最后C区域就是识别出来的滑坡区域。
这种基于地面沉降形变信息的黄土滑坡早期识别方法,其原理在于利用了黄土地区滑坡和地面沉降都受到地下水影响的共性。地面沉降与水的关系包括黄土具有湿陷性,遇水会沉降。湿陷性黄土是一种特殊性质的土,其土质较均匀、结构疏松、孔隙发育。在未受水浸湿时,一般强度较高,压缩性较小。当在一定压力下受水浸湿,土结构会迅速破坏,产生较大附加下沉,强度迅速降低。
滑坡与水的关系指黄土具有水敏性,遇水会发生物理化学反应。引水灌溉改变了原生水文地质条件,长期的正均衡造成黄土层潜水位持续上升,在相对隔水的粉质粘土层之上的黄土饱和带厚度逐年增大。同时,黄土工程性质灌溉效应显著,不仅造成黄土原生结构破坏,骨架改变排列状态,架空孔隙锐降甚至消失,中小孔隙显著增多,而且含水量增高,孔隙比降低,天然重度增大,干重度增大。同时,灌溉入渗造成黄土结构中可溶盐溶解,削弱了土体粘聚力,土颗粒间的连接强度降低,饱和黄土主要靠颗粒间的摩擦力和极微弱的粘聚力来维持本身的稳定性和承受外力,伴随地下水位上升引起的土体含水量与基质吸力重分布,水敏性黄土因增湿造成强度显著的“软化弱化”。因此黄土塬边的斜坡变得不稳定,随着时间的推移逐渐转化为滑坡。
根据在黄土区域滑坡的统计资料,当坡度大于五十度时,降雨很难使滑坡滑动,当坡度小于30度时,即使土壤水分饱和了也很稳定,所以把地下水位变化范围内30-50度的边坡都划为疑似滑坡。最后结合光学遥感影像来检查是否有地下水渗出,从而确认该边坡为识别的滑坡点。
具体流程包括以下步骤:
步骤1:地面沉降区域和形变大小的确定。利用合成孔径雷达干涉测量技术(InSAR),选用不同的方法对覆盖研究区域的SAR 影像进行处理,得到研究区域的地面沉降信息,可用的方法有 Stacking、PS和SBAS等。
步骤2:获取目标区域的DEM,根据DEM生成坡度图。
步骤3:获取目标区域的地下水资料,得到该区域的地下水流场,进而绘制出地下水位等值线图。
步骤4:获取研究区域的遥感影像,识别黄土源边地下水位渗出的地方。
步骤5:根据InSAR结果识别黄土塬内地面沉降的中心区域,然后获取沉降中心的地下水位变化信息,根据地下水位的信息寻找以沉降中心为上游的地下水流场下游与塬边交界的区域A。结合研究区域的坡度,在区域A中选择坡度在在30°-50°的区域B,最后在B中寻找有地下水位渗出的区域C,作为早期识别结果。
目前已有的黄土滑坡早期识别技术存在费时费力、造价昂贵,覆盖范围有限。错判漏判严重、自动化程度低、只能针对灾害发生后的区域进行定位,无法满足实际需求。本文提出的方法是一种滑坡的间接识别方法,通过InSAR技术监测滑坡一定范围内的地面沉降,基于黄土滑坡诱发的因素,建立地面沉降-地形-地下水-滑坡四者联动识别法。该方法结合了地下水、DEM与Google影像,设置了多个约束条件,自动化强、覆盖范围广、可靠性高,经试验可以大大提高黄土滑坡识别的成功率。
本发明采用InSAR技术监测与识别地面沉降信息,借助于 DEM提供的坡度信息进一步识别黄土滑坡。即通过监测目标区域内的地面沉降,再结合研究区域的地下水资料、DEM与遥感影像来早期识别黄土滑坡,为及时预防滑坡灾害的发生提供技术支撑。
本发明无需野外调查,通过室内数据的处理即可获得早期黄土滑坡的分布位置;本发明结合了多源数据,对InSAR识别滑坡、光学遥感影像识别滑坡、DEM识别滑坡三种方法取长补短,揭示内在联系,提高了黄土滑坡识别的准确率。本发明操作简单,自动化强,与传统野外方法相比,大大降低了外业工作量;与单一InSAR识别滑坡、光学遥感影像识别滑坡、DEM识别滑坡,提高了其滑坡识别的准确率。
以上公开的仅为本发明的几个具体实施例,但是,本发明实施例并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (2)
1.一种基于地面沉降信息的黄土滑坡早期识别方法,其特征在于,包括以下步骤:
S1、结合沉降信息与地下水信息,获取沉降中心地下水流场的下游与塬边交界的区域;
首先获取覆盖研究区域高分辨率的SAR影像与DEM,然后采用时序InSAR技术对这些影像处理,获取目标区域的形变速率图,得到形变速率图后再结合研究区域的地形图识别出该区域的地面沉降中心;
地下水位的变化是识别滑坡的第一个条件,获取目标区域的地下水资料,得到该区域的地下水流场,进而绘制出地下水位等值线图,根据地下水位等值线图寻找地面沉降中心地下水流场下游与塬边交界的区域,该区域就为A;
S2、根据研究区域的DEM生成坡度图;
坡度构成了识别滑坡的第二个条件,单个滑坡的坡度要求是30°-50°,在区域A中满足这些条件的区域为B;
S3、获取研究区域的遥感影像,识别黄土塬边与地下水的渗出点;
滑坡的第三个识别条件是地下水的渗出,地下水在滑坡的坡脚渗出,在遥感影像上如果有地下水渗出,那么该处的土壤颜色和别的地方会不一样,把区域B中有地下水渗出的区域叫做C,这样C区域就是最后识别出来的滑坡区域。
2.如权利要求1所述的基于地面沉降信息的黄土滑坡早期识别方法,其特征在于,所述步骤S1中的时序InSAR的方法包括:多干涉图叠加技术、永久散射体技术和小基线集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711348000.0A CN108168526B (zh) | 2017-12-15 | 2017-12-15 | 一种基于地面沉降信息的黄土滑坡早期识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711348000.0A CN108168526B (zh) | 2017-12-15 | 2017-12-15 | 一种基于地面沉降信息的黄土滑坡早期识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108168526A true CN108168526A (zh) | 2018-06-15 |
CN108168526B CN108168526B (zh) | 2020-09-01 |
Family
ID=62522283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711348000.0A Expired - Fee Related CN108168526B (zh) | 2017-12-15 | 2017-12-15 | 一种基于地面沉降信息的黄土滑坡早期识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108168526B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558859A (zh) * | 2018-12-13 | 2019-04-02 | 中国地质大学(武汉) | 基于DInSAR和DCNN的矿区分布信息提取方法及系统 |
CN110288602A (zh) * | 2019-05-10 | 2019-09-27 | 香港理工大学深圳研究院 | 滑坡提取方法、滑坡提取系统及终端 |
CN111859689A (zh) * | 2020-07-27 | 2020-10-30 | 太原理工大学 | 一种黄土高原矿区地面沉降估算模型参数的确定方法 |
CN114187521A (zh) * | 2021-12-16 | 2022-03-15 | 西南交通大学 | 一种面向黄土填土沉降区的边界识别与提取方法 |
CN115236655A (zh) * | 2022-09-01 | 2022-10-25 | 成都理工大学 | 基于全极化sar的滑坡识别方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700399A (zh) * | 2015-01-08 | 2015-06-10 | 东北大学 | 一种基于高分遥感影像的大变形滑坡位移场标定方法 |
CN105242279A (zh) * | 2015-07-30 | 2016-01-13 | 王植 | 一种基于激光雷达技术的滑坡体变化检测方法 |
CN107132539A (zh) * | 2017-05-03 | 2017-09-05 | 中国地质科学院探矿工艺研究所 | 一种基于小基线集的时间序列InSAR的滑坡早期识别方法 |
-
2017
- 2017-12-15 CN CN201711348000.0A patent/CN108168526B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700399A (zh) * | 2015-01-08 | 2015-06-10 | 东北大学 | 一种基于高分遥感影像的大变形滑坡位移场标定方法 |
CN105242279A (zh) * | 2015-07-30 | 2016-01-13 | 王植 | 一种基于激光雷达技术的滑坡体变化检测方法 |
CN107132539A (zh) * | 2017-05-03 | 2017-09-05 | 中国地质科学院探矿工艺研究所 | 一种基于小基线集的时间序列InSAR的滑坡早期识别方法 |
Non-Patent Citations (2)
Title |
---|
何 杨: "高分遥感与 InSAR 技术在黄土滑坡识别和监测中的应用研究", 《万方数据库》 * |
唐亚明等: "基于单体和区域尺度的黄土滑坡监测预警方法与实例", 《JOURNAL OF CATASTROPHOLOGY》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109558859A (zh) * | 2018-12-13 | 2019-04-02 | 中国地质大学(武汉) | 基于DInSAR和DCNN的矿区分布信息提取方法及系统 |
CN109558859B (zh) * | 2018-12-13 | 2020-11-24 | 中国地质大学(武汉) | 基于DInSAR和DCNN的矿区分布信息提取方法及系统 |
CN110288602A (zh) * | 2019-05-10 | 2019-09-27 | 香港理工大学深圳研究院 | 滑坡提取方法、滑坡提取系统及终端 |
CN110288602B (zh) * | 2019-05-10 | 2021-07-09 | 香港理工大学深圳研究院 | 滑坡提取方法、滑坡提取系统及终端 |
CN111859689A (zh) * | 2020-07-27 | 2020-10-30 | 太原理工大学 | 一种黄土高原矿区地面沉降估算模型参数的确定方法 |
CN111859689B (zh) * | 2020-07-27 | 2023-06-16 | 太原理工大学 | 一种黄土高原矿区地面沉降估算模型参数的确定方法 |
CN114187521A (zh) * | 2021-12-16 | 2022-03-15 | 西南交通大学 | 一种面向黄土填土沉降区的边界识别与提取方法 |
CN115236655A (zh) * | 2022-09-01 | 2022-10-25 | 成都理工大学 | 基于全极化sar的滑坡识别方法、系统、设备及介质 |
CN115236655B (zh) * | 2022-09-01 | 2022-12-20 | 成都理工大学 | 基于全极化sar的滑坡识别方法、系统、设备及介质 |
US11747498B1 (en) | 2022-09-01 | 2023-09-05 | Chengdu University Of Technology | Method, system, device and medium for landslide identification based on full polarimetric SAR |
Also Published As
Publication number | Publication date |
---|---|
CN108168526B (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108168526A (zh) | 一种基于地面沉降信息的黄土滑坡早期识别方法 | |
Yates et al. | Multidecadal atoll shoreline change on Manihi and Manuae, French Polynesia | |
Zumpano et al. | An integrated framework to identify and analyze karst sinkholes | |
CN105740794A (zh) | 一种基于卫星影像的海岸线自动提取与分类方法 | |
Bowles et al. | Discovering marine terraces using airborne LiDAR along the Mendocino-Sonoma coast, northern California | |
Ozdemir | Investigation of sinkholes spatial distribution using the weights of evidence method and GIS in the vicinity of Karapinar (Konya, Turkey) | |
Masini et al. | Investigating the spectral capability of QuickBird data to detect archaeological remains buried under vegetated and not vegetated areas | |
Lerma et al. | Pluriannual beach-dune evolutions at regional scale: Erosion and recovery sequences analysis along the aquitaine coast based on airborne LiDAR data | |
Bilderback et al. | Hillslope response to climate-modulated river incision in the Waipaoa catchment, East Coast North Island, New Zealand | |
Kennedy | The subtidal morphology of microtidal shore platforms and its implication for wave dynamics on rocky coasts | |
Nelson et al. | Diverse rupture modes for surface-deforming upper plate earthquakes in the southern Puget Lowland of Washington State | |
Michalon et al. | Accelerated degradation of Lake Inle (Myanmar): A baseline study for environmentalists and developers | |
Saldaña et al. | Soilscape analysis at different scales using pattern indices in the Jarama–Henares interfluve and Henares River valley, Central Spain | |
Wohl et al. | Transience of channel head locations following disturbance | |
Rahiman et al. | Analysis of lineaments and their relationship to Neogene fracturing, SE Viti Levu, Fiji | |
Kleinhans et al. | Fate of pioneering vegetation patches in a dynamic meandering river | |
Shaked et al. | Large earthquakes kill coral reefs at the north‐west Gulf of Aqaba | |
Frappier et al. | Distribution, morphometry, and ice content of ice‐wedge polygons in Tombstone Territorial Park, central Yukon, Canada | |
Mayomi et al. | Terrain analysis for flood disaster vulnerability assessment: a case study of Niger State, Nigeria | |
Heiskanen et al. | Predictive models to determine fine soil fractions and organic matter from readily available soil and terrain data of soils under boreal forest | |
Ollive et al. | Rhine flood deposits recorded in the Gallo-Roman site of Oedenburg (Haut-Rhin, France) | |
Carrivick et al. | Cooling glaciers in a warming climate since the Little Ice Age at Qaanaaq, northwest Kalaallit Nunaat (Greenland) | |
Fonseca et al. | Variability in soil physical properties in landslide-prone areas | |
Lemenkova | Risks of cryogenic landslide hazards and their impact on ecosystems in cold environments | |
Niebieszczański et al. | Geoarchaeological evidence of landscape transformations at the Neolithic and Bronze Age settlement of Nea Raedestos in the Anthemous River valley, central Macedonia, Greece |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200901 Termination date: 20201215 |
|
CF01 | Termination of patent right due to non-payment of annual fee |