联合升降轨InSAR与高分辨率光学遥感的滑坡隐患早期识别--以宁夏隆德为例

宁夏隆德县地处六盘山西麓,地质条件复杂,受季节性强降雨影响,滑坡地质灾害频发,给当地人民生命财产安全造成了严重威胁。针对宁夏东部和南部植被覆盖率高的特点,文章利用合成孔径雷达升降轨差分干涉测量(Synthetic Aperture Radar Difference Interferometry,D-InSAR)技术与高分辨率光学遥感相结合,对隆德县展开滑坡隐患早期识别与探测研究。首先通过干涉叠加技术(Stacking)分别获得2019年1月—2020年5月隆德县升轨和降轨方向的雷达视向形变速率,然后结合高分辨率光学遥感影像产品和数字高程模型(DEM),基于专家判识经验建立适用于该研究区的滑坡隐患形态和变形解译标志,完成全县范围的滑坡隐患综合遥感识别和地面调查工作。本次遥感调查工作共识别滑坡隐患47处,野外调查验证21处,其中核实16处,准确率为71.4%。实地调查结果验证了综合遥感识别与探测技术在宁夏南部地质灾害隐患遥感调查的适用性和可行性,同时也验证了识别结果的准确性,为宁夏南部地区滑坡防治和突发地质灾害应急提供了重要的科学依据。

基于InSAR与多源数据的潜在滑坡识别与优化

合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar, InSAR)技术近年来被广泛应用于滑坡灾害隐患早期识别,但是受失相干、大气延迟、SAR图像几何畸变、等方面的影响,导致InSAR识别潜在滑坡的精度下降。本文联合InSAR技术和多源数据对青海同仁地区的潜在滑坡开展自动精准识别研究,并与单一InSAR方法识别潜在滑坡进行对比分析,得到较为精确的潜在滑坡识别结果。首先,基于2016年1月-2017年3月sentinel-1A升降轨数据,采用小基线集(SBAS-InSAR)方法获取同仁地区的LOS向形变速率,根据地表形变情况识别潜在滑坡;其次,利用梯度提升决策树(Gradient Boosting Decision Tress,GBDT)算法耦合多源遥感数据,结合地表形变自动识别潜在滑坡。结果表明,该方法在识别潜在滑坡的准确性优于单一InSAR方法。