InSAR支持下的震后滑坡识别与易发性评价

发布时间：2022-12-22 06:31

　　快速准确获取地震诱发滑坡灾害分布规律,分析评价灾区未来发生滑坡的危险性,对于震后救援救灾、灾区重建及防震减灾具有重要指导意义。论文以2017年8月8日九寨沟地震为研究案例,基于面向对象的图像分析方法获取震后滑坡分布规律;引入InSAR技术提取的地表同震形变因子,构建了主客观相结合的AHP-信息量评价模型,实现了研究区滑坡易发性评价。主要工作及研究结论如下:（1）基于D-InSAR技术的震区地表形变信息提取。由于卫星不同视线向成像几何及发震断层的运动特点,研究采用了综合升轨和降轨SAR数据获取震后地表形变的方法,其中利用降轨数据获取的地表沿LOS向最大抬升15cm,最大沉降9cm,而升轨数据LOS向主要以沉降为主,最大沉降22cm。综合不同视线向InSAR获取的形变结果,确定地震诱发滑坡分布范围,并将其作为地震扰动烈度因子引入到滑坡易发性评价体系中。（2）基于NDVI差值变化检测的面向对象震后滑坡信息识别方法研究。利用地震前后两期光学遥感影像计算差值NDVI数据,参考地表坡度及InSAR技术获取的地表形变信息,根据构建的滑坡信息分类提取规则,采用面向对象的方法实现了滑坡信息的准确识别。提... 

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

研究区位置

研究区地形晕渲图

研究区1:25万地质图

【参考文献】：
期刊论文
[1]基于递归神经网络的视频多目标检测技术[J]. 华夏,王新晴,马昭烨,王东,邵发明.  计算机应用研究. 2020(02)
[2]九寨沟地震发震区周边构造特征及发震断裂[J]. 李忠权,韩倩,芦建文,龙伟,丁啸,黄晶.  成都理工大学学报(自然科学版). 2018(06)
[3]汶川地震滑坡危险性评价——以武都区和文县为例[J]. 孙艳萍,张苏平,陈文凯,周中红.  地震工程学报. 2018(05)
[4]基于信息量模型的赣州市地质灾害易发性分区[J]. 彭珂,彭红霞,梁峰,黄长生,丘卓明.  安全与环境工程. 2018(05)
[5]机载激光雷达技术在地质灾害调查中的应用——以四川九寨沟7.0级地震为例[J]. 佘金星,程多祥,刘飞,陈思思,杨武年.  中国地震. 2018(03)
[6]九寨沟地震区公路沿线地质灾害发育规律及防治对策[J]. 程强,胡朝旭,杨绪波.  中国地质灾害与防治学报. 2018(04)
[7]基于加权信息量与GIS的滑坡易发性评价[J]. 胡芹龙,王运生.  水力发电. 2018(08)
[8]基于GF1-NDVI时序影像对春小麦进行提取研究[J]. 刘沼辉,柳林,郭慧,程鹏.  北京测绘. 2018(06)
[9]信息量模型、确定性系数模型与逻辑回归模型组合评价地质灾害敏感性的对比研究[J]. 张晓东,刘湘南,赵志鹏,吴文忠,刘海燕,张勇,高宇亮.  现代地质. 2018(03)
[10]2018年地震滑坡机理与评估研讨会概述[J]. 马思远,许冲.  地震地质. 2018(03)

博士论文
[1]基于3S和人工智能的滑坡位移预测与易发性评价[D]. 黄发明.中国地质大学 2017
[2]关中地区作物种植信息遥感识别及其动态监测[D]. 申健.西北农林科技大学 2017
[3]基于D-InSAR数据分析的高山峡谷区域滑坡位移识别[D]. 王立伟.北京科技大学 2015

硕士论文
[1]基于GF-2影像的城区地物信息尺度选择及分类方法研究[D]. 李剑.东华理工大学 2018
[2]基于单视线向D-InSAR技术的开采沉陷监测方法研究[D]. 李楠.安徽理工大学 2018
[3]基于GIS的泾阳县地质灾害易发性评价方法研究[D]. 胡伟.西安科技大学 2018
[4]云南鲁甸地震滑坡易发性分析[D]. 吴玮莹.中国地震局地震预测研究所 2018
[5]基于GIS的青川县滑坡灾害易发性评价与区划[D]. 陈祖杰.西南科技大学 2017
[6]TOPS模式Sentinel-1数据地面沉降监测研究[D]. 吴岳.中国矿业大学 2017
[7]InSAR技术在西南山区滑坡探测与监测的应用[D]. 康亚.长安大学 2016
[8]地震滑坡危险性初步研究及城市地震灾害三维场景模拟新方法[D]. 李芸芸.中国地震局工程力学研究所 2016
[9]基于GIS的朗县地质灾害易发性评价研究[D]. 席盼盼.吉林大学 2014
[10]玉树“4.14”地震次生地质灾害发育特征与分布规律[D]. 彭亮.中国地质大学（北京） 2013



本文编号：3723645