3.4+地质灾害多源监测与机器学习
融合多时相InSAR技术的滑坡危险性动态制图
周超
1*，殷坤龙
2
1. 中国地质大学（武汉） 地理与信息工程学院，武汉 430074；2. 中国地质大学（武汉） 工程学院，武汉 430074
滑坡危险性制图是一种可靠的防灾减灾方法。由于缺乏精确的数据，时空概率分析方法（Tomas, 2014）形成的危险性图是静态的，存在假阴性和假阳性误差。为了获得动态、准确的滑坡危险性图，提出了一种融合多时相InSAR技术开展滑坡危险性制图的新方法。以三峡库区巫山县库岸段为例，基于信息量模型定量的分析了滑坡影响因素与其空间发育的关系；应用共线性分析和信息增益率算法对评价指标因素进行了筛选；对比分析了支持向量机、人工神经网络、逻辑回归和分类回归树模型在区域滑坡易发性评价中的性能。统计分析了滑坡历史编录数据和降雨数据，计算了在四种特定降雨诱发事件下（0 mm、0-50 mm、50-100 mm和>100 mm）滑坡发生的概率并对研究区进行了初始的危险性评价；应用2016年9月30日至2017年9月13日的Sentinel-1雷达影像集，基于多时相InSAR技术反演了研究区的地表变形信息，获取了该水文年中汛期和干旱期的地表形变速率。结合两个时期地表变形速率图和初始危险性评价结果图，构建了动态危险性评价矩阵，实现了滑坡危险性动态评价制图。研究结果发现：1）河流，地层岩性和构造是研究区滑坡的主控因素；剔除不重要的滑坡指标能有效提高滑坡易发性建模的精度；支持向量机的建模性能最好，训练和预测的AUC分别为0.927和0.922；2）多时相InSAR技术有能效的获取地形形变速率，绘制出斜坡变形的边界；3）我们提出的融合InSAR技术的危险性动态制图，在干旱期（2016/9/30-2017/3/29）和汛期（2017/3/29-2017/9/13），四种降雨条件下危险性等级得到了合理修正，有效的降低危险性评价中的假阳性和假阴性误差。
基金项目：（批准号：41907253)
*通信作者简介: 周超（1989—），男，副教授（或注明硕士或博士研究生），研究方向：地质灾害监测预警与风险评价研究. E-mail：zhouchao@cug.edu.cn
发表评论