论文部分内容阅读
山体滑坡作为一类常见的地质灾害,严重威胁着我国人民的生命与财产安全。我国南方山地丘陵区滑坡灾害高发,是全国滑坡地质灾害防治的重点区域。但该地区复杂的孕灾地质背景和诱发因素在很大程度上制约了地方政府对滑坡的早期识别及监测预警。因此,在多源数据的基础上开展南方山地丘陵区滑坡灾害调查及滑坡易发性分析,对区域滑坡的预测预警、减少生命和财产损失具有十分重大的现实意义。但是,如何利用多源数据和机器学习技术提升复杂环境下的滑坡识别效率和精度,降低滑坡易发性预测过程的不确定性,提高滑坡易发性评价的精度和时效性,仍是滑坡研究中的热点和难点问题。论文针对目前研究存在的问题,以华南典型滑坡灾害高发区瑞金市为例,以多源数据为基础,结合人工智能技术、干涉雷达（Interferometric Synthetic Aperture Radar,In SAR）技术和滑坡风险分析理论,完成了瑞金市的历史滑坡识别、考虑不确定因素的滑坡易发性建模和区域滑坡易发性动态评价。取得的主要成果及结论如下:（1）基于深度学习技术,融合多源遥感数据,实现了瑞金市的历史滑坡识别,有效提高了基于遥感影像的滑坡识别和野外地质灾害调查的工作效率和精度。首先,利用Sentinel-2高分辨率遥感影像和数字高程模型（DEM）提取了多光谱、指数、纹理和地形等22个滑坡识别特征。与我国西部地区植被覆盖率低、土壤裸露程度高、滑坡发育规模大的特征明显不同,南方地区植被覆盖率高、滑坡规模小,造成该地区的滑坡识别存在诸多难点,尤其是梯田和滑坡的形态与地形特征相似导致二者难以区分。对滑坡与梯田的滑坡识别特征属性判别分析,结果显示熵（Entropy）和二阶矩（Second Moment）具有相反特征且具有强负相关性,因此以二者建立全新的滑坡与梯田区分指标（Landslide and Terrace Distinction Index,LTDI）,来提升滑坡与梯田的特征差异,达到降低深度学习过程中滑坡与梯田的误判的目的。然后,利用深度学习随机化参数实验进行参数调优,结果表明固定距离（Solid Distance）、模糊距离（Blur Distance）、类别权重（Class Weight）和损失权重（Loss Weight）分别为13.75、2.23、1.37和0.063时,模型精度最高。最后,结合野外调查核实和Google Earth影像特征,从概率阈值为0.7的滑坡类栅格靶区中识别出历史滑坡区221处,为研究区后续的滑坡易发性分析和预测奠定了样本基础。（2）构建了最优离散化的评价指标体系,提出了基于统计模型的负样本选择方法,通过改善机器学习模型输入端的评价指标的质量和负样本的代表性来降低滑坡易发性预测的不确定性。针对目前滑坡易发性研究中对连续因子的离散化存在主观性强、区间划分不具备广泛代表性、线性因子缓冲设置过程未充分考虑不同因子影响程度和范围的差异性的问题,提出了Chi Merge离散化方法,实现了评价指标连续因子和线性因子的合理区间划分和距离分割,并基于统计模型实现了“非滑坡”负样本的选择。利用频率比（FR）、信息量（IV）、确定性系数（CF）和证据权重（Wo E）等几种常规统计模型对离散后的评价指标进行的统计分析,揭示评价指标对滑坡的影响规律,初步预测研究区滑坡易发性。结果表明,FR模型的种子单元面积指数（SCAI）精度较高且极低和低易发区的面积较大,满足负样本选择的随机性和低易发性的需求。因此,在FR模型预测的极低和低易发区随机选点作为负样本点。（3）建立机器学习滑坡易发性预测模型,验证最优离散化评价指标体系的优越性并探讨不同负样本选样方法的影响规律,实现瑞金市滑坡易发性区划。研究表明,以最优离散化指标体系构建的逻辑回归（LR）、支持向量机（SVM）和随机森林（RF）模型准确率、Kappa系数和ROC曲线精度均高于目前研究中常用的等间距和自然间断法离散评价指标的LR、SVM和RF模型。以性能最优的RF模型,建立FR-RF耦合模型,并与传统采样的单独RF模型和低坡度RF模型进行对比分析。结果表明,负样本的选择方式对滑坡易发性预测结果和精度存在影响。全区随机选样方法忽略了样本的稳定性过低的估计了研究区的滑坡易发程度（极高易发区面积43.36km~2）;低坡度区选样方法人为提高了坡度的影响作用,过高的估计了研究区的滑坡易发程度（极高易发区面积293.41km~2）。基于FR模型的负样本选择方法即保证了样本的稳定性,又考虑到所有环境指标的影响作用,选择的负样本能够反应稳定区的整体环境特征,代表性更强。由此建立的FR-RF耦合模型具有更低的袋外误差（5.94%）和更高的精确率（0.911）和预测率曲线精度（0.901）,实现了可靠的滑坡易发性区划。（4）以小基线干涉雷达测量（Small Baseline Subset In SAR,SBAS-In SAR）时序形变监测结果为基础,定量分析了历史滑坡时序形变特征,建立了滑坡易发性动态评价指标,实现了瑞金市滑坡易发性动态评价。研究表明,滑坡年均形变速率分为五个等级:稳定（-1～1mm/y）,基本稳定（1～3和-3～-1mm/y）,不稳定（3～5mm/y或-5～-3mm/y）、较不稳定（5～7mm/y或-7～-5mm/y）和极不稳定（＞7mm/y或＜-7mm/y）。极不稳定滑坡的形变曲线以局部振荡-阶段阶跃的加速形变为主要特征,降雨集中期是滑坡开启下一阶段加速滑动的关键要素。根据2018年、2019年、2020年的滑坡易发性动态评价结果,研究区的极高易发区面积呈升高趋势,瑞金市滑坡灾害形势严峻。极高易发区主要分布在极高易发区主要分布在丁陂镇、瑞林镇梅江两岸、九堡镇九堡河左岸、冈面乡和拔英乡等乡镇,其中九堡镇、冈面乡和瑞林镇等乡镇的极高易发区均有扩展趋势。因此,建议加强这些地区的滑坡灾害的监测与防治工作。