基于时序InSAR技术与地形特征的黄土高原潜在滑坡识别研究 ————以绥德县城为例
发布时间：2023-03-11 08:44
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60km2,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...
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
中文摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 基于InSAR技术的滑坡识别
1.2.2 基于变化检测技术的滑坡识别
1.2.3 基于地形特征的滑坡识别
1.2.4 基于神经网络模型的滑坡识别
1.3 研究内容和技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 论文特色及创新点
1.4.1 论文特色
1.4.2 论文创新点
第二章 研究区概况
2.1 地理位置
2.2 地理与地质环境
2.2.1 气象
2.2.2 水文及水文地质
2.2.3 地质构造及地震
2.2.4 植被覆盖
2.2.5 人类活动
2.3 滑坡分布特征及成因
2.3.1 滑坡灾害分布特征
2.3.2 滑坡灾害成因分析
第三章 研究方法
3.1 形变数据获取方法
3.1.1 DInSAR技术
3.1.2 PSInSAR技术
3.1.3 SBAS技术
3.1.4 影像变化检测技术
3.2 地形特征值获取方法
3.2.1 地形位置指数
3.2.2 基于TPI的地貌类型划分
3.2.3 基于TPI的坡位划分
3.2.4 地形多样性指数
3.2.5 坡度分级
3.3 时间序列分析方法
3.4 神经网络模型
3.5 本章小结
第四章 数据处理
4.1 数据说明
4.1.1 SAR数据
4.1.2 光学遥感数据
4.1.3 DEM数据
4.2 形变数据计算
4.2.1 DInSAR处理
4.2.2 PSInSAR处理
4.2.3 SBAS处理
4.2.4 影像变化检测技术
4.3 地形特征计算
4.3.1 地貌类型划分
4.3.2 坡位划分
4.3.3 地形多样性指数
4.3.4 坡度等级
4.4 形变时序列分析
4.4.1 基于地貌单元的PS点选择
4.4.2 PS点形变时间序列分析
4.5 神经网络模型构建
4.5.1 基于特征的坡体单元定位
4.5.2 潜在滑坡识别模型的构建
4.6 本章小结
第五章 地表形变时空特征与潜在滑坡识别
5.1 地表形变时空特征分析
5.1.1 DInSAR地表形变结果分析
5.1.2 PSInSAR地表形变结果分析
5.1.3 SBAS地表形变结果分析
5.1.4 不同方法所获形变结果对比
5.2 潜在滑坡识别与验证
5.2.1 潜在滑坡识别
5.2.2 潜在滑坡的野外验证
5.3 本章小结
第六章 结论与展望
6.1 主要结论
6.2 不足与展望
参考文献
在学期间的研究成果
致谢
本文编号：3759559
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
中文摘要
Abstract
第一章 绪论
1.1 研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 基于InSAR技术的滑坡识别
1.2.2 基于变化检测技术的滑坡识别
1.2.3 基于地形特征的滑坡识别
1.2.4 基于神经网络模型的滑坡识别
1.3 研究内容和技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 论文特色及创新点
1.4.1 论文特色
1.4.2 论文创新点
第二章 研究区概况
2.1 地理位置
2.2 地理与地质环境
2.2.1 气象
2.2.2 水文及水文地质
2.2.3 地质构造及地震
2.2.4 植被覆盖
2.2.5 人类活动
2.3 滑坡分布特征及成因
2.3.1 滑坡灾害分布特征
2.3.2 滑坡灾害成因分析
第三章 研究方法
3.1 形变数据获取方法
3.1.1 DInSAR技术
3.1.2 PSInSAR技术
3.1.3 SBAS技术
3.1.4 影像变化检测技术
3.2 地形特征值获取方法
3.2.1 地形位置指数
3.2.2 基于TPI的地貌类型划分
3.2.3 基于TPI的坡位划分
3.2.4 地形多样性指数
3.2.5 坡度分级
3.3 时间序列分析方法
3.4 神经网络模型
3.5 本章小结
第四章 数据处理
4.1 数据说明
4.1.1 SAR数据
4.1.2 光学遥感数据
4.1.3 DEM数据
4.2 形变数据计算
4.2.1 DInSAR处理
4.2.2 PSInSAR处理
4.2.3 SBAS处理
4.2.4 影像变化检测技术
4.3 地形特征计算
4.3.1 地貌类型划分
4.3.2 坡位划分
4.3.3 地形多样性指数
4.3.4 坡度等级
4.4 形变时序列分析
4.4.1 基于地貌单元的PS点选择
4.4.2 PS点形变时间序列分析
4.5 神经网络模型构建
4.5.1 基于特征的坡体单元定位
4.5.2 潜在滑坡识别模型的构建
4.6 本章小结
第五章 地表形变时空特征与潜在滑坡识别
5.1 地表形变时空特征分析
5.1.1 DInSAR地表形变结果分析
5.1.2 PSInSAR地表形变结果分析
5.1.3 SBAS地表形变结果分析
5.1.4 不同方法所获形变结果对比
5.2 潜在滑坡识别与验证
5.2.1 潜在滑坡识别
5.2.2 潜在滑坡的野外验证
5.3 本章小结
第六章 结论与展望
6.1 主要结论
6.2 不足与展望
参考文献
在学期间的研究成果
致谢
本文编号：3759559
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3759559.html
