滑坡地质灾害具有群发性、多发性、突发性的特点。按危害程度排序,滑坡已经成为仅次于地震的第二大地质灾害,严重威胁着人民群众的生命财产安全。因此,提高滑坡识别的研究水平,对地质灾害预测预警以及防灾减灾具有重要的理论和实际意义。长江三峡地区地形切割强烈,植被覆盖度高,属于典型的复杂地质环境地区,沿江两侧分布有大量的滑坡等地质灾害。这种地质背景条件决定了传统的野外实地调查不能满足三峡库区大面积的滑坡调查与监测；由于植被覆盖度较高和山体阴影的影响,光学遥感滑坡识别技术和干涉雷达测量技术难以消除植被和山体阴影的影响,无法获取裸露地表的真实地形信息,严重制约了光学和干涉雷达技术在此地区的滑坡识别应用能力。激光雷达具有一定的植被穿透能力,经多次回波获取的信息可以精确测量复杂地质背景区的微地貌参数,获取更多的地形、消除植被和山体阴影后的裸地表信息,这些信息对滑坡研究而言具有非常重要的意义。在上述背景下,论文选取三峡地区秭归段为研究区,以机载LiDAR数据为主要数据源,结合其它多源地学数据,开展了滑坡识别研究,为复杂地质背景区滑坡地质灾害识别和预测预警提供新的技术支撑。1.研究区机载LiDAR数据处理与分析形成了一套科学、有效的复杂地质背景区机载LiDAR数据处理与分析方法。(1)数据解算与系统误差检校：对原始数据进行解算、系统误差检校,得到带地表三维坐标的激光点云数据。(2)航带系统误差检查修止：经过上述解算产生的点云数据仍会产生残余的航带性系统误差或区域性误差,需要在点云分类前检查并改正数据的航带性系统误差,才能够进行点云滤波分类,从而利用区分出的地面点生成DEM产品。(3)对激光点云进行分类：根据论文的研究目标,激光点云的分类目标主要是进行地面点和非地面点区分,最后利用地面点数据生成所需的DEM产品。(4)产品成果分析：对产品成果进行分类并进行适量的精细人工编辑,得到长江干流和支流岸坡的最终产品。平而精度和高程精度评价结果表明,精度验证区范围内的LiDAR数据完全能够满足标称的精度要求。2.基于LiDAR的研究区滑坡发生条件和分布规律研究利用研究区LiDAR DEM,及生成的坡度、坡向图像,并结合地层岩性等其它数据源,分析滑坡发生和空间分布与这些因子的关系,主要结论如下：(1)研究区内滑坡主要分布在119m到380m的高程范围内,大于920m基本不发育滑坡。(2)研究区内滑坡主要分布在15°到35°的坡度范围内。(3)研究区内滑坡主要发生在坡面正东、东南和东北方向等3个坡向万向,约占总量的71%,滑动面积占所有滑坡面积的80%。(4)研究区内约84.8%的滑坡分布在距河流小于1200m的范围内。离水系越远,滑坡密度越低。3.典型成因类型的滑坡识别技术方法研究论文分别选择岩质滑坡、碎石块土质滑坡等不同成因类型的滑坡(滑坡群)作为研究对象,从定性和定量两个层次开展LiDAR技术在滑坡识别中的应用潜力研究。主要结论如下：(1)当太阳高度角一定时,不同方位角的山体阴影系列图能够直观表达并增强显示滑坡与非滑坡区域的微地貌形态,能够为滑坡边界确定及主要的滑坡要素识别提供数据支撑。(2)与非滑动区域相比,滑坡后缘、滑坡体、滑坡侧缘在坡度与地表粗糙度图像上均具有明显的差异性特征,能够准确圈定这些滑坡要素。不同滑坡要素的半方差与分维曲线具有不同的特征。在相同的空间尺度下,滑坡后缘的半方差最大,滑坡体次之,滑舌最小分维特征则与此相反,即滑坡后缘的分维值最小,滑坡体次之,滑舌最大。总体上,利用LiDAR数据,采用论文提出的方法,能够突破以往由于DEM数据精度粗糙导致的滑坡要素识别精度较低的瓶颈,能够为滑坡识别与分析提供定量的数据支撑。在识别和刻画滑坡要素的同时,也能够圈定地质灾害隐患区,进而使得滑坡遥感研究从“看图识字”阶段向“定性与定量结合”阶段迈进,能够提升“数字滑坡”研究的质量与水平。