CN111968230B - 一种区域性活动滑坡识别与圈定方法、装置和设备 - Google Patents
一种区域性活动滑坡识别与圈定方法、装置和设备 Download PDFInfo
- Publication number
- CN111968230B CN111968230B CN202010686529.9A CN202010686529A CN111968230B CN 111968230 B CN111968230 B CN 111968230B CN 202010686529 A CN202010686529 A CN 202010686529A CN 111968230 B CN111968230 B CN 111968230B
- Authority
- CN
- China
- Prior art keywords
- landslide
- surface deformation
- image
- deformation result
- movable
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
Abstract
本发明涉及一种区域性活动滑坡识别与圈定方法,包括获取目标区域内的InSAR数据集和DEM数据,并根据InSAR数据集和DEM数据,得到目标区域的地表形变结果;根据光学图像数据和DEM数据,构建目标区域的三维场景;将地表形变结果设色处理后,在三维场景中叠加显示;根据预设异常区域判定条件,确定地表形变结果三维图像数据中的地表形变结果异常区,确定为活动滑坡区;根据地表形变结果三维图像数据,确定活动滑坡区的活动滑坡类型,在三维场景中圈定地表形变结果异常区的边界。本发明对于滑坡隐患识别确认及后续滑坡防灾减灾工作有重要价值,具有快速、高效、准确的特点,有着较为广阔的应用前景。还发明还涉及一种区域性活动滑坡识别与圈定装置和设备。
Description
技术领域
本发明涉及遥感地质和滑坡地质灾害防治领域,尤其涉及一种区域性活动滑坡识别与圈定方法、装置和设备。
背景技术
滑坡是一种对人民生命财产造成严重危害的、以地面形变为直接特征的斜坡地质灾害。识别正处于变形阶段的滑坡,即活动滑坡,并圈定其边界,是地质灾害防治的重要基础性工作。传统的地面技术手段在识别活动滑坡方面,存在着偏远艰险处难以实施、对缓慢斜坡运动敏感度较低或效率不高等缺点。应用高新技术降低成本、提高自动化程度是活动滑坡识别与圈定工作的现实需求。
利用光学卫星图像,结合地理地质等资料开展遥感地质解译,能够综合考虑图像纹理、地貌、地层、构造等因素,充分应用遥感地质灾害知识,辨别滑坡并勾画其边界。这种光学遥感滑坡解译方法已在滑坡调查工作中发挥了重要作用,但是该方法主要从滑坡所具有的形态特征出发,在对滑坡活动性的判识方面存在不足,因而有可能会漏掉一些正处于缓慢变形阶段的、形态特征不明显的活动滑坡。
目前如何建立有效方法流程,以更好发挥遥感识别圈定活动滑坡的能力,是许多科技人员正在探索推进的方向。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种区域性活动滑坡识别与圈定方法、装置和设备。
本发明解决上述技术问题的技术方案如下:
一种区域性活动滑坡识别与圈定方法,包括:
获取目标区域内的合成孔径雷达干涉测量InSAR数据集和数字高程模型DEM数据,并根据所述InSAR数据集和所述DEM数据,得到所述目标区域的地表形变结果;
获取所述目标区域的光学图像数据,根据所述光学图像数据和所述DEM数据,构建所述目标区域的三维场景;
将所述地表形变结果设色处理后,在所述三维场景中叠加显示,得到所述目标区域的地表形变结果三维图像数据;
根据预设异常区域判定条件,确定所述地表形变结果三维图像数据中的地表形变结果异常区,将与预设活动滑坡判定条件匹配的所述地表形变结果异常区确定为活动滑坡区;
根据所述地表形变结果三维图像数据,确定所述活动滑坡区的活动滑坡类型,并根据所述活动滑坡类型,在所述三维场景中圈定所述地表形变结果异常区的边界。
本发明的有益效果是:提供了一种区域性活动滑坡识别与圈定方法,通过地表形变结果生成、光学图像三维场景构建、地表形变结果与三维场景整合展示、滑坡地表形变综合判定和活动滑坡分类与边界圈定等关键环节,在发挥InSAR技术观测地表形变定量能力与光学遥感解译定性能力的基础上,通过将地表形变结果与三维场景做联合分析,为集成两种技术的定量与定性优势判别活动滑坡地表形变建立了新流程,同时,提出了将活动滑坡分三种类型按不同策略勾画边界的新思路。体现了InSAR地表形变结果引导、光学图像三维场景跟进的活动滑坡判别圈定的创新模式,对于滑坡隐患识别确认及后续滑坡防灾减灾工作有重要价值,具有快速、高效、准确的特点,有着较为广阔的应用前景。
本发明解决上述技术问题的另一种技术方案如下:
一种区域性活动滑坡识别与圈定装置,包括:
地表形变结果生成模块,用于获取目标区域内的合成孔径雷达干涉测量InSAR数据集和数字高程模型DEM数据,并根据所述InSAR数据集和所述DEM数据,得到所述目标区域的地表形变结果;
三维场景构建模块,用于获取所述目标区域的光学图像数据,根据所述光学图像数据和所述DEM数据,构建所述目标区域的三维场景;
地表形变结果与三维场景整合模块,用于将所述地表形变结果设色处理后,在所述三维场景中叠加显示,得到所述目标区域的地表形变结果三维图像数据;
滑坡地表形变综合判定模块,用于根据预设异常区域判定条件,确定所述地表形变结果三维图像数据中的地表形变结果异常区,将与预设活动滑坡判定条件匹配的所述地表形变结果异常区确定为活动滑坡区;
活动滑坡分类与边界圈定模块,用于根据所述地表形变结果三维图像数据,确定所述活动滑坡区的活动滑坡类型,并根据所述活动滑坡类型,在所述三维场景中圈定所述地表形变结果异常区的边界。
本发明的有益效果是:提供了一种区域性活动滑坡识别与圈定装置,通过地表形变结果生成、光学图像三维场景构建、地表形变结果与三维场景整合展示、滑坡地表形变综合判定和活动滑坡分类与边界圈定等关键环节,在发挥InSAR技术观测地表形变定量能力与光学遥感解译定性能力的基础上,通过将地表形变结果与三维场景做联合分析,为集成两种技术的定量与定性优势判别活动滑坡地表形变建立了新流程,同时,提出了将活动滑坡分三种类型按不同策略勾画边界的新思路。体现了InSAR地表形变结果引导、光学图像三维场景跟进的活动滑坡判别圈定的创新模式,对于滑坡隐患识别确认及后续滑坡防灾减灾工作有重要价值,具有快速、高效、准确的特点,有着较为广阔的应用前景。
此外,本申请还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如上述技术方案中任一项所述的区域性活动滑坡识别与圈定方法的步骤。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所述的一种区域性活动滑坡识别与圈定方法的流程示意图;
图2为本发明实施例所述的一种区域性活动滑坡识别与圈定装置的模块结构图;
图3为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中InSAR数据整景范围及裁切后范围示例图;
图4为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中的DEM叠加到强度图上的效果示例图;
图5为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中的干涉像对组合示例图;
图6为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中的相位低可信掩膜图示例图;
图7为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中的解缠相位示例图;
图8为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中的相位变化速率图;
图9为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中的分级设色处理后的地表形变结果示例图;
图10为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中的地表形变结果在三维场景中的叠加显示示例图;
图11为本发明实施例所述的一种区域性活动滑坡识别与圈定方法中的识别圈定的三类活动滑坡示例图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
如图1本发明实施例所述的一种区域性活动滑坡识别与圈定方法的流程示意图所示,区域性活动滑坡识别与圈定方法包括以下步骤:
110、获取目标区域内的合成孔径雷达干涉测量InSAR数据集和数字高程模型DEM数据,并根据InSAR数据集和DEM数据,得到目标区域的地表形变结果。
120、获取目标区域的光学图像数据,根据光学图像数据和DEM数据,构建目标区域的三维场景。
130、将地表形变结果设色处理后,在三维场景中叠加显示,得到目标区域的地表形变结果三维图像数据。
140、根据预设异常区域判定条件,确定地表形变结果三维图像数据中的地表形变结果异常区,将与预设活动滑坡判定条件匹配的地表形变结果异常区确定为活动滑坡区。
150、根据地表形变结果三维图像数据,确定活动滑坡区的活动滑坡类型,并根据活动滑坡类型,在三维场景中圈定地表形变结果异常区的边界。
进一步地,步骤110中包括以下步骤:
210、根据InSAR数据集和DEM数据集,得到InSAR数据集中每个时间节点上的InSAR图像对应的强度图;
220、从InSAR数据集中选定用于配准的主图像,并利用配准技术,将主图像和InSAR数据集中辅图像进行配准,得到配准后的辅图像;
230、根据预设干涉组合条件,确定所述配准后的所述辅图像和所述主图像中的干涉对组合,,并根据所述干涉对组合、所述DEM数据和所述主图像,得到差分干涉图、相干图和待处理像元;240、根据待处理像元、差分干涉图、相干图和强度图,得到地表形变结果。
进一步地,步骤210中包括以下步骤:
211、根据目标区域的面积,确定InSAR数据集中每个时间节点上的InSAR图像中待处理图像区域,并将待处理图像区域进行预处理。
212、根据预处理后的待处理图像区域,将DEM数据进行预处理。
213、根据预处理后的待处理图像区域和预处理后的DEM数据,生成InSAR数据集中每个时间节点上的InSAR图像的强度图。
进一步地,步骤230中包括以下步骤;
231、将所述干涉对组合包括的干涉主图像和干涉辅图像进行共轭相乘,得到干涉图,并根据所述干涉图和所述DEM数据,得到差分干涉图和相干图;
232、基于DEM数据和主图像生成第一掩膜图,基于滤波后的差分干涉图生成第二掩膜图,合并第一掩膜图和第二掩膜图,得到第三掩膜图,剔除相干图中被第三掩膜图覆盖区域的像元,得到待处理像元。
进一步地,步骤240中包括:
241、根据差分干涉图、相干图和强度图,确定解缠参考点。
243、将差分干涉图和解缠参考点,得到干涉对组合的解缠相位图,并筛选解缠相位图。
244、基于筛选后的解缠相位图和解缠相位图对应的时间基线,确定相位变化速率和相位变化速率的标准差;
243、将相位变化速率的标准差小于预设筛选阈值的像元保留,通过相位与形变的转换关系,将保留的像元的相位变化速率转换为地表形变速率,将地表形变速率的绝对值大于预设第二筛选阈值的像元保留,得到在SAR图像坐标系下的地表形变结果。
244、将在SAR图像坐标系下的地表形变结果转换为地理坐标系下的地表形变结果。
进一步地,步骤150中包括:
当活动滑坡区的坡体低处有滑塌导致的堆积体,堆积体的体量与原滑塌部位的体量损失一致,且堆积体与原滑塌部位具有相同的岩土体组成成分,坡体上地表比滑坡体外更粗糙,坡体高处存在沿垂直坡向方向分布的陡坎,坡体上存在沿坡向方向分布的陡坎,坡体两侧有冲沟延伸至高处汇合,坡体上有新发生的局部垮塌或溜坡时,确定活动滑坡区的活动滑坡类型为垮塌过又复活的滑坡。
当活动滑坡区的坡体后缘存在拉张裂缝,和/或坡体上存在侧缘裂缝,和/或坡体上存在局部垮塌或溜坡,和/或坡体上存在局部地表明显粗糙,和/或坡体两侧有冲沟延伸至高处汇合确定为尚未垮塌但地表变形迹象明显的滑坡时,确定活动滑坡区的活动滑坡类型为尚未垮塌但地表变形迹象明显的滑坡;
当活动滑坡区的范围局限在单个坡体上,即不超出坡体高处的山脊线和侧面的山脊线时,且地表无明显裂缝、垮塌变形迹象时,确定活动滑坡区的活动滑坡类型为尚未垮塌且地表变形迹象不明显的滑坡。
当活动滑坡类型是尚未垮塌但地表变形迹象明显的滑坡时,在三维场景中在活动滑坡的斜坡单元后端山脊线、侧面山脊线、坡脚边缘线所限定的范围之内,获取活动滑坡中存在裂缝的范围、局部地表明显粗糙的范围和地表形变异常区的范围的并集,圈定地表形变结果异常区的边界;
当活动滑坡类型是尚未垮塌且地表变形迹象不明显的滑坡时,在三维场景中,在活动滑坡的斜坡单元后端山脊线、侧面山脊线、坡脚边缘线所限定的范围之内,按照地表形变异常区的范围,圈定地表形变结果异常区的边界。
应理解,在具体实施时,获取目标区域的InSAR数据集应为同种传感器在相同模式下成像的重复轨道数据,这些数据应具有相同的成像模式、极化方式、入射角和基本重叠的覆盖范围,若沿飞行方向需多个标准像幅才能覆盖目标区域,相邻像幅的SAR影像,必须在飞行方向上具有足够的重叠度,不宜小于标准像幅长度的15%,若沿垂直飞行方向需多个标准像幅即跨多个轨道才能覆盖目标区域,不同轨道像幅之间的重叠度不宜小于标准像幅宽度的15%,同一像幅的年度数据量不宜少于8景。
在具体实施时,获取目标区域的DEM数据需要注意平面分辨率宜与InSAR数据的平面分辨率在同一数量级;获取InSAR数据时的地形地貌,能够被DEM数据描述,即两类数据获取期间地形地貌应基本没有显著变化。
在具体实施时根据目标区域面积,对每个时间节点上的InSAR图像确定其需处理的图像范围,视图像范围的需要,实施保持整像幅不变,裁切像幅大于目标区域,或拼接目标区域在方位向上超出像幅;根据预处理后的InSAR图像范围,裁切或拼接DEM数据,使预处理后的DEM数据的覆盖范围稍大于预处理后的InSAR图像范围;生成InSAR数据集内每个图像的强度图,为便于观察和存储,在生成强度图过程中可实施多视,以使强度图在方位向(列)和距离向(行)上的分辨率尽可能接近1:1,并减少强度图的行列数。选取主图像用于配准,所选取的主图像在整个InSAR数据集除此之外的InSAR数据都配准到主图像上;一般而言,选择配准的主图像需使其与所有剩余图像的空间基线、时间基线尽可能小;当所有InSAR数据之间的空间基线、时间基线都比较小时,可考虑数据处理方便性,选最先、最后或中间一景作为主图像。利用DEM辅助的强度相关配准技术,将主图像与其他辅图像逐一实现精确配准,配准精度应小于1/8个像元。当目标区域的自然条件非常有利于保持干涉相干、数据质量高、存储和计算资源丰富时,可将InSAR数据集内的所有图像按照成像时间早的为干涉主图像、成像时间晚的为辅图像这一模式,结成所有可能的干涉对组合;在实际工作中,当需要从所有可能的干涉对组合中选取一部分进行后续处理时,可设置空间基线和时间基线的最大值,筛选出部分干涉对组合。针对筛选出的干涉对,逐一实施主图像与配准后辅图像的共轭相乘,生成干涉图;对生成的干涉图,减去基于DEM模拟的高程相位,得到一系列差分干涉图和相干图。在观测差分干涉图的基础上,考虑活动滑坡面积大小、在图像上表现出的差分相位变化梯度等因素,选择合适的滤波器,设定滤波窗口大小及其他所需参数,采取单次或多次滤波策略,对差分干涉图实施滤波。基于DEM和超级主图像的成像参数信息能够分析图像上哪些像元对应着SAR观测的阴影和叠掩,将这些像元的相位可信度低,生成阴影和叠掩的掩膜图;针对差分干涉得到的一系列相干图,设置阈值,将相干性低于阈值的像元相位可信度低,生成相干掩膜图;对每个干涉组合,合并两种掩膜图,获得相位低可信掩膜图,在掩膜区之外的像元作为待处理像元。对所有的差分干涉图,选用同一个解缠参考点;观察差分干涉图、相干图和SAR强度图,宜选择相干性较高的、位于形变区之外稳定位置上的、尽可能接近图像中央部位的像元作为解缠参考点。对所有的差分干涉图,选择恰当的方法逐一开展相位解缠,解缠过程中,把解缠参考点的相位置零,获得所选干涉对的解缠相位图。因为不一定所有的解缠相位图都是高质量的,所以需要按照一定的标准筛选可靠性高的解缠相位图进入后续操作;若在某个解缠相位图上有明显相位跳变现象的,予以排除;若某个解缠相位图上,被掩膜掉的像元过多,导致感兴趣区内有效像元太少的,予以排除。基于一系列解缠相位图和每个相位图对应的时间基线,逐像元计算相位变化速率、相位变化速率的标准差。依据相位变化速率的标准差设置筛选阈值,将标准差大于该阈值的结果可靠性低,将标准差小于该阈值像元予以保留;针对保留下来的像元,运用相位与形变的转换关系,把相位变化速率转换为地表形变速率;依据地表形变速率的绝对值设置筛选阈值,将地表形变速率的绝对值小于该阈值的结果对于圈定活动滑坡参考价值很小,将绝对值小于该阈值的像元予以保留,形成SAR图像坐标系之下的地表形变结果;利用DEM与SAR图像坐标系之间的转换关系,将SAR图像坐标系之下的地表形变结果转换为地理坐标系之下的地表形变结果。
应理解,在三维场景构建时可由处理人员定制实现,这种情况下可对数据及场景灵活做出安排,获取目标区域的光学图像,选择支持三维功能的地理信息软件平台,利用光学图像和DEM数据在选定的软件平台中生成三维场景。在具体实施时,获取目标区域的光学图像需满足光学图像的平面分辨率高,便于识别滑坡体局部形态特征;光学图像的成像时间宜在InSAR数据集的成像时间段之内;光学图像应已经过地理校正,最好经过正射校正;尽可能搜集多个时相的、真彩色合成的高质量光学图像。
在具体实施时,支持三维功能的地理信息软件平台的选择需满足在DEM的辅助下,平台支持geotiff、shapefile等文件格式的三维场景管理;对大数据量结果的支持能力强,切换视角或转换区域时刷新速度快;能够按需打开、关闭指定图层;能够支持划线、划区等矢量要素的创建和编辑功能,以便于圈定活动滑坡范围。通过在地理匹配的基础上,以DEM辅助光学图像,既能展示地表物体色调、纹理等形态特征,也同时展示地形起伏特征。
应理解,在具体实施时,地表形变结果分级设色处理需满足对地表形变结果的不同量值范围,分别设定以特定颜色显示,以利于观察者快速直观区分不同区域形变的强弱;确保设色后的地表形变结果以所选地理信息软件平台支持的文件格式存储,以利于整合进三维场景集成展示。
在具体实施时,设色处理后的地表形变结果在三维场景中叠加显示需满足,在地理匹配的基础上,以DEM辅助设色处理后的地表形变结果,既能直观展示地表形变结果,也同时展示地形起伏特征;能够按需切换光学图像和地表形变结果的显示,以便于对活动滑坡做综合判定和分类圈定。
应理解,在确定地表形变结果异常区时,在局部区域上,像元的地表形变绝对值大于一定的阈值,在地表形变结果的三维场景中直观显示为特定颜色;在局部区域上,符合阈值标准的像元聚集度较高,形成区别于背景值的色斑或色块。
在具体实施时,判断地表形变结果异常区是否对应活动滑坡具体包括,从地形地貌特征来看,不在山坡上的地表形变异常区,不对应活动滑坡;从光学图像三维场景上看,如果地表形变异常区位于常年冰雪覆盖区、人类活动导致的地貌变化区、植被茂密区、水体覆盖区,不对应活动滑坡;从地表形变结果三维场景来看,如果地表形变异常区内符合阈值标准的像元呈椒盐状分布、整体性不强,不对应活动滑坡;从地表形变结果三维场景来看,地表形变异常区覆盖数个山坡的,不对应活动滑坡;位于山坡上、整体性较强的其他地表形变异常区,对应活动滑坡。
应理解,活动滑坡的类别分为下列三种:垮塌过又复活的滑坡、尚未垮塌但地表变形迹象明显的滑坡、尚未垮塌且地表变形迹象不明显的滑坡。
在具体实施时,垮塌过又复活的滑坡类型,在三维场景中往往具有以下特征中的若干个:坡体低处有滑塌导致的堆积体,从堆积体的体量来看,大致相当于原滑塌部位的体量损失,在岩土体组成方面,堆积体与原滑塌部位具有相同成分;坡体上地表比滑坡体外更粗糙,这是因为原滑塌导致了坡体上产生局部鼓丘或平台;坡体高处存在沿垂直坡向方向分布的陡坎,即原滑塌事件的后缘;坡体上存在沿坡向方向分布的陡坎,即原滑塌事件的侧缘;坡体两侧有冲沟延伸至高处汇合;坡体上有新发生的局部垮塌/溜坡。
尚未垮塌但地表变形迹象明显的滑坡,在三维场景中往往具有以下特征中的若干个:坡体高处即后缘存在拉张裂缝,其中长轴大致垂直坡向排列;坡体上存在侧缘裂缝,其中长轴大致沿坡向或轻微偏离坡向;坡体上存在局部垮塌或溜坡;坡体上存在局部地表明显粗糙,这是因为岩土体滑动导致了地面起伏加剧;坡体两侧有冲沟延伸至高处汇合。
尚未垮塌且地表变形迹象不明显的滑坡,在三维场景中具有以下特征:地表形变异常区的范围局限在单个坡体上,即不超出坡体高处的山脊线和侧面的山脊线。
在具体实施时,针对垮塌过又复活的滑坡,在三维场景中沿着后缘的上边、侧壁的外缘、堆积体的下缘,划定边界。尚未垮塌但地表变形迹象明显的滑坡,在斜坡单元后端山脊线、侧面山脊线、坡脚边缘线所限定的范围之内,对存在裂缝的范围、局部地表明显粗糙的范围、地表形变异常区的范围取并集,划定边界。尚未垮塌且地表变形迹象不明显的滑坡,在斜坡单元后端山脊线、侧面山脊线、坡脚边缘线所限定的范围之内,按照地表形变异常区的范围,划定边界。
如图2本发明实施例的一种区域性活动滑坡识别与圈定装置的模块结构图所示,区域性活动滑坡识别与圈定装置包括:
地表形变结果生成模块,用于获取目标区域内的合成孔径雷达干涉测量InSAR数据集和数字高程模型DEM数据,并根据InSAR数据集和DEM数据,得到目标区域的地表形变结果;
三维场景构建模块,用于获取目标区域的光学图像数据,根据光学图像数据和DEM数据,构建目标区域的三维场景;
地表形变结果与三维场景整合模块,用于将地表形变结果设色处理后,在三维场景中叠加显示,得到目标区域的地表形变结果三维图像数据;
滑坡地表形变综合判定模块,用于根据预设异常区域判定条件,确定地表形变结果三维图像数据中的地表形变结果异常区,将与预设活动滑坡判定条件匹配的地表形变结果异常区确定为活动滑坡区;
活动滑坡分类与边界圈定模块,用于根据地表形变结果三维图像数据,确定活动滑坡区的活动滑坡类型,并根据活动滑坡类型,在三维场景中圈定地表形变结果异常区的边界。
基于上述实施例,进一步地,地表形变结果生成模块,用于根据InSAR数据集和DEM数据集,得到InSAR数据集中每个时间节点上的InSAR图像对应的强度图;
从InSAR数据集中选定用于配准的主图像,并利用配准技术,将主图像和InSAR数据集中辅图像进行配准,得到配准后的辅图像;
根据预设干涉组合条件,确定配准后的所述辅图像和主图像中的干涉对组合,并根据干涉对组合、DEM数据和主图像,得到差分干涉图、相干图和待处理像元;
根据待处理像元、差分干涉图、相干图和强度图,得到地表形变结果。
进一步地,地表形变结果生成模块,用于根据目标区域的面积,确定InSAR数据集中每个时间节点上的InSAR图像中待处理图像区域,并将待处理图像区域进行预处理;
根据预处理后的待处理图像区域,将DEM数据进行预处理;
根据预处理后的待处理图像区域和预处理后的DEM数据,生成InSAR数据集中每个时间节点上的InSAR图像的强度图。
进一步地,地表形变结果生成模块,用于根据预设干涉组合条件,确定InSAR数据集中的干涉对组合,干涉对组合包括干涉主图像和干涉辅图像;
将干涉主图像和干涉辅图像进行共轭相乘,得到干涉图,并根据干涉图和DEM数据,得到差分干涉图和相干图;
根据差分干涉图,确定滤波器和滤波器的参数,将差分干涉图进行滤波;
基于DEM数据和所主图像生成第一掩膜图,基于差分干涉图生成第二掩膜图,合并第一掩膜图和第二掩膜图,得到第三掩膜图,剔除相干图中被第三掩膜图覆盖区域的像元,得到待处理像元。
进一步地,地表形变结果生成模块,用于根据差分干涉图、相干图和强度图,确定解缠参考点;
将差分干涉图和解缠参考点,得到干涉对组合的解缠相位图,并筛选解缠相位图;
基于解缠相位图和解缠相位图对应的时间基线,确定相位变化速率和相位变化速率的标准差;
将相位变化速率的标准差小于预设筛选阈值的像元保留,通过相位与形变的转换关系,将保留的像元的相位变化速率转换为地表形变速率,将地表形变速率的绝对值大于预设第二筛选阈值的像元保留,得到在SAR图像坐标系下的地表形变结果;
将在SAR图像坐标系下的地表形变结果转换为地理坐标系下的地表形变结果。
进一步地,活动滑坡分类与边界圈定模块,用于当活动滑坡区的坡体低处有滑塌导致的堆积体,堆积体的体量与原滑塌部位的体量损失一致,且堆积体与原滑塌部位具有相同的岩土体组成成分,坡体上地表比滑坡体外更粗糙,坡体高处存在沿垂直坡向方向分布的陡坎,坡体上存在沿坡向方向分布的陡坎,坡体两侧有冲沟延伸至高处汇合,坡体上有新发生的局部垮塌或溜坡时,确定活动滑坡区的活动滑坡类型为垮塌过又复活的滑坡;
当活动滑坡区的坡体后缘存在拉张裂缝,和/或坡体上存在侧缘裂缝,和/或坡体上存在局部垮塌或溜坡,和/或坡体上存在局部地表明显粗糙,和/或坡体两侧有冲沟延伸至高处汇合确定为尚未垮塌但地表变形迹象明显的滑坡时,确定活动滑坡区的活动滑坡类型为尚未垮塌但地表变形迹象明显的滑坡;
当活动滑坡区的范围局限在单个坡体上,即不超出坡体高处的山脊线和侧面的山脊线时,且地表无明显裂缝、垮塌变形迹象时,确定活动滑坡区的活动滑坡类型为尚未垮塌且地表变形迹象不明显的滑坡。
进一步地,活动滑坡分类与边界圈定模块,用于当活动滑坡类型是垮塌过又复活的滑坡时,在三维场景中沿着活动滑坡后缘的上边、侧壁的外缘、堆积体的下缘,圈定地表形变结果异常区的边界;
当活动滑坡类型是尚未垮塌但地表变形迹象明显的滑坡时,在三维场景中在活动滑坡的斜坡单元后端山脊线、侧面山脊线、坡脚边缘线所限定的范围之内,获取活动滑坡中存在裂缝的范围、局部地表明显粗糙的范围和地表形变异常区的范围的并集,圈定地表形变结果异常区的边界;
当活动滑坡类型是尚未垮塌且地表变形迹象不明显的滑坡时,在三维场景中,在活动滑坡的斜坡单元后端山脊线、侧面山脊线、坡脚边缘线所限定的范围之内,按照地表形变异常区的范围,圈定地表形变结果异常区的边界。
此外,本申请还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如上述技术方案中任一项所述的区域性活动滑坡识别与圈定方法的步骤。
下面结合实例,对本发明的技术效果做进一步说明。
以开展金沙江攀枝花-会泽段沿岸区域活动滑坡圈定为例,如图3-11所示,说明本发明在实际应用时的具体操作步骤:
步骤1:地表形变结果生成
1)获取工作区InSAR数据集。
欧空局主管的哨兵1号系列卫星由两颗搭载相同SAR传感器的卫星组成,分别为Sentinel-1/A和Sentinel-1/B。哨兵1号单颗卫星的重访周期为12天,两颗卫星可缩短为6天。自Sentinel-1/A、B分别自2014、2016年发射以来,大量支持InSAR的优质数据在世界各地被拍摄下来。在数据分发网站注册免费下载了覆盖金沙江攀枝花-会泽段沿岸区域的哨兵1号数据降轨数据共28景,具体参数见表1。
表1选取的InSAR数据主要参数表
2)获取工作区DEM数据。
选取了平面分辨率约30米(1弧秒)的美国航天飞机高程数据SRTM DEM。该数据基本实现了全球覆盖,可从数据分发网站注册免费下载。
3)应用相位叠加法。(1)数据预处理:本次工作区是金沙江攀枝花-会泽段江岸两侧5公里范围,属于所选哨兵1号数据覆盖区的一部分,因此所有哨兵1号数据实施了裁切如图3所示,其单视复数(Single Look Complex,SLC)图像共46400列、6056行,面积约1.38万平方公里。根据裁切后SAR数据范围,生成了能完整覆盖的DEM。在对InSAR数据生成强度图时,在距离向上实施了5倍多视如图4所示。(2)选取配准超级主图像:考虑到哨兵1号InSAR数据之间的空间基线、时间基线都比较小,选取成像时间最早的一景(20180322)作为配准超级主图像。(3)配准:利用DEM辅助的强度相关配准技术,将其他27景图像,逐一与图像20180322实现精配准,配准精度由于1/8个像元。(4)干涉对组合设置:根据工作区有植被生长的实际情况,以空间基线不超过300m、最大时间基线不超过30天为标准,筛选出51个干涉对组合进行后续处理图5所示。(5)差分干涉:针对筛选出的干涉对,逐一实施主图像与配准后辅图像的共轭相乘,生成51个干涉图;对生成的干涉图,减去基于DEM模拟的高程相位,得到一系列51个差分干涉图,以及51个相干图。(6)滤波:针对复数形式的差分干涉图,选择了自适应滤波器,设定滤波窗口大小为,滤波强度值为,对差分干涉图实施滤波。(7)相位低可信像元排除:基于DEM和超级主图像的成像参数信息能够分析图像上哪些像元对应着SAR观测的阴影和叠掩,认为这些像元的相位可信度低,生成阴影和叠掩的掩膜图;针对差分干涉得到的一系列相干图,设置阈值为0.2,认为相干性低于阈值的像元相位可信度低,生成一系列相干掩膜图;对每个干涉组合,合并两种掩膜图,获得相位低可信掩膜图如图6所示,其中黑色为无效区,白色为保留区,在掩膜区之外的像元才进行后续计算。(8)设定解缠参考点:经观察差分干涉图、相干图和SAR强度图,选择了相干性较高的、位于形变区之外稳定位置上的、尽可能接近图像中央部位的像元作为解缠参考点,在差分干涉图中,其列、行坐标值分别为1928、2516。(9)相位解缠:对所有的差分干涉图,选择恰当的方法逐一开展相位解缠,解缠过程中,把解缠参考点的相位置零,获得所选干涉对的解缠相位图如图7所示。(10)筛选解缠相位图:因为不一定所有的解缠相位图都是高质量的,所以需要按照一定的标准筛选可靠性高的解缠相位图进入后续操作;若在某个解缠相位图上有明显相位跳变现象的,予以排除;若某个解缠相位图上,被掩膜掉的像元过多,导致感兴趣区内有效像元太少的,予以排除。在本次数据处理工作中,干涉对20180521_20180614的解缠相位图质量不高,被排除。(11)相位叠加:基于一系列解缠相位图和每个相位图对应的时间基线,逐像元计算相位变化速率、相位变化速率的标准差如图8所示。(12)地表形变结果生成:针对相位变化速率的标准差设置筛选阈值为3.14,认为标准差大于该阈值的结果可靠性低,将标准差小于该阈值像元予以保留;针对保留下来的像元,运用相位与形变的转换关系,把相位变化速率转换为地表形变速率;设置远离卫星方向的地表形变速率绝对值筛选阈值为10毫米/年,即,保留地表形变速率小于-10毫米/年的像元,形成SAR图像坐标系之下的地表形变结果图;利用DEM与SAR图像坐标系之间的转换关系,将SAR图像坐标系之下的地表形变结果转换为地理坐标系之下的地表形变结果。
步骤2:光学图像三维场景构建
使用了网络提供的免费软件平台Google Earth Pro,既能够提供DEM和多时相高分辨率真彩色遥感图像的三维场景,又能支持geotiff、shapefile等文件格式的三维场景管理,同时具有矢量要素的创建和编辑功能。
步骤3:地表形变结果与三维场景整合展示
1)地表形变结果分级设色处理。
按照表2推荐的用色方案,将地表形变结果的不同量值范围分别设定以特定颜色显示,并将结果处理为geotiff格式如图9所示。因本次数据处理最终选择了地表形变速率小于-10毫米/年,所以成果图中只使用了表2推荐颜色的一部分。
2)设色处理后的地表形变结果在三维场景中叠加显示。
在Google Earth Pro软件中打开处理好的地表形变结果,既能在DEM辅助下直观展示不同位置上的地表形变程度,也能同时展示地形起伏特征如图10所示。而且,能够按需切换光学图像和地表形变结果的显示,以便于后续分析。
表2地表形变结果分级设色的推荐方案
步骤4:滑坡地表形变综合判定
1)搜寻地表形变异常区。
在三维场景中的局部区域上,以地表形变绝对值超过3cm/a且对应的像元聚集度较高为标准,把由黄转红、红色及深红色聚集的色斑作为地表形变结果异常区。
2)综合判断地表形变异常区是否对应活动滑坡。
根据活动滑坡发生发展的地学规律,排除了以下类型的地表形变异常区:地貌特征不符合的地表形变异常区,所在位置地表物体分类属性不符合的地表形变异常区,高值像元整体性不强的地表形变区,覆盖数个山坡的地表形变异常区。
最终,在金沙江及其支流的攀枝花-会泽段江岸两侧约5公里范围内,筛选出位于山坡上、整体性较强的活动滑坡地表形变异常区42处。
步骤5:活动滑坡分类与边界圈定
围绕42处活动滑坡地表形变异常区,主要依据高分辨率光学图像三维场景,对局部地形地貌开展细致分析,确定其属于垮塌过又复活的滑坡,还是属于尚未垮塌但地表变形迹象明显的滑坡,或者属于尚未垮塌且地表变形迹象不明显的滑坡。对这三类活动滑坡,分别根据上文提及的不同策略,勾画了边界如图11所示,其中从上到下的三组图像分别是垮塌过又复活的老滑坡、尚未垮塌但地表变形特征明显的滑坡和尚未垮塌且地表变形特征不明显的滑坡,每组图像中的左侧子图是地表形变结果叠加光学图像三维场景,右侧子图为光学图像三维场景。
此外,本申请还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如上述技术方案中任一项所述的区域性活动滑坡识别与圈定方法的步骤。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种区域性活动滑坡识别与圈定方法,其特征在于,包括:
获取目标区域内的合成孔径雷达干涉测量InSAR数据集和数字高程模型DEM数据,并根据所述InSAR数据集和所述DEM数据,得到所述目标区域的地表形变结果;
获取所述目标区域的光学图像数据,根据所述光学图像数据和所述DEM数据,构建所述目标区域的三维场景;
将所述地表形变结果设色处理后,在所述三维场景中叠加显示,得到所述目标区域的地表形变结果三维图像数据;
根据预设异常区域判定条件,确定所述地表形变结果三维图像数据中的地表形变结果异常区,将与预设活动滑坡判定条件匹配的所述地表形变结果异常区确定为活动滑坡区;
根据所述地表形变结果三维图像数据,确定所述活动滑坡区的活动滑坡类型,并根据所述活动滑坡类型,在所述三维场景中圈定所述地表形变结果异常区的边界;
所述根据所述InSAR数据集和所述DEM数据,得到所述目标区域的地表形变结果,具体包括:
根据所述InSAR数据集和所述DEM数据集,得到所述InSAR数据集中每个时间节点上的InSAR图像对应的强度图;
从所述InSAR数据集中选定用于配准的主图像,并利用配准技术,将所述主图像和所述InSAR数据集中辅图像进行配准,得到配准后的所述辅图像;
根据预设干涉组合条件,确定所述配准后的所述辅图像和所述主图像中的干涉对组合,并根据所述干涉对组合、所述DEM数据和所述主图像,得到差分干涉图、相干图和待处理像元;
根据所述待处理像元、所述差分干涉图、所述相干图和所述强度图,得到所述地表形变结果。
2.根据权利要求1所述的区域性活动滑坡识别与圈定方法,其特征在于,所述根据所述InSAR数据集和所述DEM数据集,得到所述InSAR数据集中每个时间节点上的InSAR图像对应的强度图,具体包括;
根据所述目标区域的面积,确定所述InSAR数据集中每个时间节点上的InSAR图像中待处理图像区域,并将所述待处理图像区域进行预处理;
根据预处理后的所述待处理图像区域,将所述DEM数据进行预处理;
根据预处理后的所述待处理图像区域和预处理后的所述DEM数据,生成所述InSAR数据集中每个时间节点上的InSAR图像的强度图。
3.根据权利要求1所述的区域性活动滑坡识别与圈定方法,其特征在于,所述根据所述干涉对组合、所述DEM数据和所述主图像,得到差分干涉图、相干图和待处理像元,具体包括;
将所述干涉对组合包括的干涉主图像和干涉辅图像进行共轭相乘,得到干涉图,并根据所述干涉图和所述DEM数据,得到差分干涉图和相干图;
基于所述DEM数据和所述主图像生成第一掩膜图,基于滤波后的所述差分干涉图生成第二掩膜图,合并所述第一掩膜图和所述第二掩膜图,得到第三掩膜图,剔除所述相干图中被所述第三掩膜图覆盖区域的像元,得到所述待处理像元。
4.根据权利要求1所述的区域性活动滑坡识别与圈定方法,其特征在于,所述根据所述差分干涉图、所述相干图和所述强度图,得到所述地表形变结果,具体包括:
根据所述差分干涉图、所述相干图和所述强度图,确定解缠参考点;
将所述差分干涉图和所述解缠参考点,得到所述干涉对组合的解缠相位图,并筛选所述解缠相位图;
基于筛选后的所述解缠相位图和所述解缠相位图对应的时间基线,确定相位变化速率和所述相位变化速率的标准差;
将所述相位变化速率的标准差小于预设筛选阈值的像元保留,通过相位与形变的转换关系,将保留的所述像元的相位变化速率转换为地表形变速率,将所述地表形变速率的绝对值大于所述预设第二筛选阈值的像元保留,得到在SAR图像坐标系下的地表形变结果;
将在SAR图像坐标系下的所述地表形变结果转换为地理坐标系下的所述地表形变结果。
5.根据权利要求1所述的区域性活动滑坡识别与圈定方法,其特征在于,所述根据所述地表形变结果三维图像数据,确定所述活动滑坡区的活动滑坡类型,具体包括:
当所述活动滑坡区的坡体低处有滑塌导致的堆积体,所述堆积体的体量与原滑塌部位的体量损失一致,且所述堆积体与原滑塌部位具有相同的岩土体组成成分,坡体上地表比滑坡体外更粗糙,坡体高处存在沿垂直坡向方向分布的陡坎,坡体上存在沿坡向方向分布的陡坎,坡体两侧有冲沟延伸至高处汇合,坡体上有新发生的局部垮塌或溜坡时,确定所述活动滑坡区的活动滑坡类型为垮塌过又复活的滑坡;
或,
当所述活动滑坡区的坡体后缘存在拉张裂缝,和/或坡体上存在侧缘裂缝,和/或坡体上存在局部垮塌或溜坡,和/或坡体上存在局部地表明显粗糙,和/或坡体两侧有冲沟延伸至高处汇合确定为尚未垮塌但地表变形迹象明显的滑坡时,确定所述活动滑坡区的活动滑坡类型为尚未垮塌但地表变形迹象明显的滑坡;
或,
当所述活动滑坡区的范围局限在单个坡体上,即不超出坡体高处的山脊线和侧面的山脊线,且地表无明显裂缝、垮塌变形迹象时,确定所述活动滑坡区的活动滑坡类型为尚未垮塌且地表变形迹象不明显的滑坡。
6.根据权利要求5所述的区域性活动滑坡识别与圈定方法,其特征在于,所述根据所述活动滑坡类型,在所述三维场景中圈定所述地表形变结果异常区的边界,具体包括:
当所述活动滑坡类型是垮塌过又复活的滑坡时,在所述三维场景中沿着所述活动滑坡后缘的上边、侧壁的外缘、堆积体的下缘,圈定所述地表形变结果异常区的边界;
当所述活动滑坡类型是尚未垮塌但地表变形迹象明显的滑坡时,在所述三维场景中在所述活动滑坡的斜坡单元后端山脊线、侧面山脊线、坡脚边缘线所限定的范围之内,获取所述活动滑坡中存在裂缝的范围、局部地表明显粗糙的范围和所述地表形变异常区的范围的并集,圈定所述地表形变结果异常区的边界;
当所述活动滑坡类型是尚未垮塌且地表变形迹象不明显的滑坡时,在所述三维场景中,在所述活动滑坡的斜坡单元后端山脊线、侧面山脊线、坡脚边缘线所限定的范围之内,按照地表形变异常区的范围,圈定所述地表形变结果异常区的边界。
7.一种区域性活动滑坡识别与圈定装置,其特征在于,包括:
地表形变结果生成模块,用于获取目标区域内的合成孔径雷达干涉测量InSAR数据集和数字高程模型DEM数据,并根据所述InSAR数据集和所述DEM数据,得到所述目标区域的地表形变结果;
三维场景构建模块,用于获取所述目标区域的光学图像数据,根据所述光学图像数据和所述DEM数据,构建所述目标区域的三维场景;
地表形变结果与三维场景整合模块,用于将所述地表形变结果设色处理后,在所述三维场景中叠加显示,得到所述目标区域的地表形变结果三维图像数据;
滑坡地表形变综合判定模块,用于根据预设异常区域判定条件,确定所述地表形变结果三维图像数据中的地表形变结果异常区,将与预设活动滑坡判定条件匹配的所述地表形变结果异常区确定为活动滑坡区;
活动滑坡分类与边界圈定模块,用于根据所述地表形变结果三维图像数据,确定所述活动滑坡区的活动滑坡类型,并根据所述活动滑坡类型,在所述三维场景中圈定所述地表形变结果异常区的边界;
所述地表形变结果生成模块,用于根据所述InSAR数据集和所述DEM数据集,得到所述InSAR数据集中每个时间节点上的InSAR图像对应的强度图;
从所述InSAR数据集中选定用于配准的主图像,并利用配准技术,将所述主图像和所述InSAR数据集中辅图像进行配准,得到配准后的所述辅图像;
根据预设干涉组合条件,确定所述配准后的所述辅图像和所述主图像中的干涉对组合,并根据所述干涉对组合、所述DEM数据和所述主图像,得到差分干涉图、相干图和待处理像元;
根据所述待处理像元、所述差分干涉图、所述相干图和所述强度图,得到所述地表形变结果。
8.一种计算机设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一项所述的区域性活动滑坡识别与圈定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010686529.9A CN111968230B (zh) | 2020-07-16 | 2020-07-16 | 一种区域性活动滑坡识别与圈定方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010686529.9A CN111968230B (zh) | 2020-07-16 | 2020-07-16 | 一种区域性活动滑坡识别与圈定方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111968230A CN111968230A (zh) | 2020-11-20 |
CN111968230B true CN111968230B (zh) | 2021-05-04 |
Family
ID=73361392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010686529.9A Active CN111968230B (zh) | 2020-07-16 | 2020-07-16 | 一种区域性活动滑坡识别与圈定方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968230B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192086B (zh) * | 2021-05-11 | 2022-01-28 | 中国自然资源航空物探遥感中心 | 地质灾害隐患变形强度分布图的生成方法和存储介质 |
CN113762623B (zh) * | 2021-09-09 | 2024-04-05 | 雷添杰 | 一种滑坡方向与趋势的识别和预测方法、装置及电子设备 |
CN114325702B (zh) * | 2021-12-23 | 2022-08-09 | 中国科学院地理科学与资源研究所 | 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置 |
CN117830539A (zh) * | 2022-09-27 | 2024-04-05 | 杭州海康威视系统技术有限公司 | 地形数据更新方法、装置、设备、存储介质 |
CN116047518B (zh) * | 2023-03-29 | 2023-06-09 | 成都国星宇航科技股份有限公司 | 基于雷达卫星的潜在地质灾害识别方法及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101789120B1 (ko) * | 2016-06-23 | 2017-11-15 | (주)해동기술개발공사 | 모바일 gis를 이용한 필지별 토사재해 정보 시스템 |
CN109165622A (zh) * | 2018-09-06 | 2019-01-08 | 中国地质环境监测院 | 基于InSAR技术的区域滑坡早期动态识别监测有效区域确定方法 |
CN109541592A (zh) * | 2018-10-30 | 2019-03-29 | 长安大学 | 基于InSAR多维形变信息的黄土滑坡类型及滑动模式分析方法 |
CN111142119A (zh) * | 2020-01-10 | 2020-05-12 | 中国地质大学(北京) | 一种基于多源遥感数据的矿山地质灾害动态识别与监测方法 |
CN111199632A (zh) * | 2019-12-23 | 2020-05-26 | 重庆交通大学 | 一种沿河滑坡灾害快速应急监测系统及方法 |
CN111257873A (zh) * | 2020-01-15 | 2020-06-09 | 兰州大学 | 一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426395B (zh) * | 2011-11-11 | 2013-03-27 | 铁道第三勘察设计院集团有限公司 | 一种基于三维地质遥感判释技术的滑坡体体积参数量测方法 |
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 |
CN106226779A (zh) * | 2016-07-11 | 2016-12-14 | 铁道第三勘察设计院集团有限公司 | 基于遥感技术的易发滑坡预测方法 |
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 |
CN108459318A (zh) * | 2018-02-02 | 2018-08-28 | 中国铁路设计集团有限公司 | 基于遥感技术的潜在滑坡早期识别方法 |
CN111222466B (zh) * | 2020-01-08 | 2022-04-01 | 武汉大学 | 一种基于三维空间-通道注意力机制的遥感影像滑坡自动探测方法 |
-
2020
- 2020-07-16 CN CN202010686529.9A patent/CN111968230B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101789120B1 (ko) * | 2016-06-23 | 2017-11-15 | (주)해동기술개발공사 | 모바일 gis를 이용한 필지별 토사재해 정보 시스템 |
CN109165622A (zh) * | 2018-09-06 | 2019-01-08 | 中国地质环境监测院 | 基于InSAR技术的区域滑坡早期动态识别监测有效区域确定方法 |
CN109541592A (zh) * | 2018-10-30 | 2019-03-29 | 长安大学 | 基于InSAR多维形变信息的黄土滑坡类型及滑动模式分析方法 |
CN111199632A (zh) * | 2019-12-23 | 2020-05-26 | 重庆交通大学 | 一种沿河滑坡灾害快速应急监测系统及方法 |
CN111142119A (zh) * | 2020-01-10 | 2020-05-12 | 中国地质大学(北京) | 一种基于多源遥感数据的矿山地质灾害动态识别与监测方法 |
CN111257873A (zh) * | 2020-01-15 | 2020-06-09 | 兰州大学 | 一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法 |
Non-Patent Citations (1)
Title |
---|
InSAR技术在形变灾害监测中的研究进展;焦明连 等;《淮海工学院学报》;20091231;第18卷;1-5 * |
Also Published As
Publication number | Publication date |
---|---|
CN111968230A (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968230B (zh) | 一种区域性活动滑坡识别与圈定方法、装置和设备 | |
Fiorucci et al. | Visual interpretation of stereoscopic NDVI satellite images to map rainfall-induced landslides | |
Hervás et al. | Monitoring landslides from optical remotely sensed imagery: the case history of Tessina landslide, Italy | |
Andrews et al. | Techniques for GIS modeling of coastal dunes | |
Martha et al. | Object-oriented analysis of multi-temporal panchromatic images for creation of historical landslide inventories | |
Zhang et al. | Remote sensing research issues of the national land use change program of China | |
Guerin et al. | Quantifying 40 years of rockfall activity in Yosemite Valley with historical Structure-from-Motion photogrammetry and terrestrial laser scanning | |
TWI353561B (en) | 3d image detecting, editing and rebuilding system | |
KR100885246B1 (ko) | Gis를 이용한 임분배치용 데이터베이스 구축 방법 및 이를 이용한 임분배치 방법 | |
Traviglia et al. | Remote sensing applications and archaeological research in the Northern Lagoon of Venice: the case of the lost settlement of Constanciacus | |
Wang et al. | Road network detection from SPOT imagery for updating geographical information systems in the rural–urban fringe | |
Zomer et al. | Using satellite remote sensing for DEM extraction in complex mountainous terrain: landscape analysis of the Makalu Barun National Park of eastern Nepal | |
Kamal et al. | GIS-based geomorphological mapping using remote sensing data and supplementary geoinformation: A case study of the Dhaka city area, Bangladesh | |
Martín et al. | Construction of accurate geological cross-sections along trenches, cliffs and mountain slopes using photogrammetry | |
Nemmaoui et al. | DSM and DTM generation from VHR satellite stereo imagery over plastic covered greenhouse areas | |
CN106556834A (zh) | 一种从两平行轨道sar数据集中精确提取地面垂直形变方法 | |
San et al. | An approach for prediction of shoreline with spatial uncertainty mapping (SLiP-SUM) | |
Lu et al. | On the use of historical archive of aerial photographs for the discovery and interpretation of ancient hidden linear cultural relics in the alluvial plain of eastern Henan, China | |
Lasaponara et al. | Qualitative evaluation of COSMO SkyMed in the detection of earthen archaeological remains: The case of Pachamacac (Peru) | |
Letortu et al. | The potential of Pléiades images with high angle of incidence for reconstructing the coastal cliff face in Normandy (France) | |
Fernandez et al. | A new technique for the detection of large scale landslides in glacio-lacustrine deposits using image correlation based upon aerial imagery: A case study from the French Alps | |
Zhang et al. | A new method for supporting interpretation of paleochannels in a large scale—Detrended Digital Elevation Model Interpretation | |
Di Giacomo et al. | Multitemporal high-resolution satellite images for the study and monitoring of an ancient Mesopotamian city and its surrounding landscape: The case of Ur | |
Liu et al. | Automatic building height estimation with shadow correction over heterogeneous compact cities using stereo Gaofen-7 data at sub-meter resolution | |
Schmidt | Remote sensing and geophysical prospection |
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 |