论文部分内容阅读
黄土高原具有特殊的地理地质环境,受降雨、人类活动等因素影响,易发生地质灾害,造成重大生命财产损失。绥德为黄土高原重要城镇,境内滑坡灾害频发。以其为案例进行地表形变监测和潜在滑坡识别,不仅对黄土高原城镇地质灾害监测和早期识别具有示范意义,也对绥德地质灾害防治有一定实践意义。本文研究范围为绥德县城及周边,面积为60km~2,利用时序In SAR技术(如:PSInSAR、SBAS)获取2015.12.24-2017.9.20间地表形变时序数据;利用DIn SAR技术获取研究区2017年726洪水事件前后地表形变;利用影像变化检测技术获取2016.12.05-2017.12.10间地表水平位移。通过时间序列分析将PS点形变过程划分为线性和非线性类型,将非线性形变曲线与滑坡位移-时间曲线对比分析,选择符合滑坡形变过程的类型(突变型)作为特征,用于定位待识别的坡体单元。将坡度、地形多样性指数、影像变化检测技术获取的水平位移、SBAS技术获取的形变速度作为输入数据,将野外勘测所获滑坡作为训练样本,构建神经网络模型,进行研究区潜在滑坡识别。本文得到的主要结论有:(1)在优化滤波参数和图像连接拓扑的基础上,采用PSInSAR、SBAS、DIn SAR技术获取视线方向地表形变,3种方法获取视线方向形变结果具有可比性;PSInSAR获取视线方向形变与影像变化检测获取水平位移存在相关性。结果表明本文获取的形变结果可靠,能够反映该区域地表形变过程。(2)研究区总体呈现沉降趋势,城区沉降速率较大,周围山区较大形变区域呈现分散分布,局部区域相同形变性质的PS点明显聚集。PSInSAR获取的形变结果与降雨量变化具有较好的对应关系,在证明地表形变结果可靠的同时,也反映出该区域引起地表形变的主要因子为降水。(3)通过对PS点形变过程进行时间序列分析,发现突变型符合滑坡形变过程,突变型中断点日期多发生于6-7月份,与降雨时间一致,洪水事件前后该类型PS点下沉趋势明显,说明突变型PS点对于潜在滑坡识别具有示踪意义。(4)将形变特征与地形特征结合,运用神经网络模型进行潜在滑坡识别,所得结果与野外调查结果较一致。识别的滑坡在空间上离散分布,与该区域构造稳定、降雨是滑坡发生主因的特性相符合。以上表明,本文使用的滑坡识别方法有效,相比于基于单一特征的潜在滑坡识别,效果更理想。