基于星载SAR的大梯度滑坡失稳时间预测方法及系统技术方案

本发明专利技术提出了基于星载SAR的大梯度滑坡失稳时间预测方法及系统，涉及地质灾害预测领域；该方法包括：获取待测滑坡区域的时序SAR影像数据和滑坡基础数据；得到时序SAR影像数据中每个像素点对应的时序形变速率数据；根据在对应时间范围内的当前观测时间序列，以及与测量点对应的时序目标形变速率数据，通过模型参数下的逆速度模型，得到测量点对应的预测失稳垮塌时间序列；利用星载SAR数据的幅度信息来计算大梯度滑坡形变，通过逆速度法预测滑坡失稳时间，弥补了传统InSAR在大梯度滑坡预测上的空白，为大梯度滑坡的灾害防范提供了保障；同时在研究区可以稳定获得免费的SAR数据，极大地降低了监测成本，增加了预测的可靠性。增加了预测的可靠性。增加了预测的可靠性。

【技术实现步骤摘要】
基于星载SAR的大梯度滑坡失稳时间预测方法及系统


[0001]本专利技术涉及地质灾害预测领域，具体而言，涉及基于星载SAR的大梯度滑坡失稳时间预测方法及系统。

技术介绍

[0002]滑坡灾害的隐蔽性强、破坏性大，当它们发生在定居点和基础设施附近时，可能会造成灾难性后果；滑坡体的表面形变是分析滑坡稳定性和危害性、预警垮塌灾害最重要的信息之一，对潜在滑坡识别、滑坡稳定性监测以及垮塌灾害预测具有重要意义；星载雷达遥感几乎不受夜晚以及天气影响，覆盖范围大、测量精度高，相比于地面传统测量以及机载星载光学遥感具有其独特的优势，星载雷达遥感技术正越来越多地应用在潜在滑坡识别、滑坡形变监测以及灾害预警方面。
[0003]精确地反演地表形变是滑坡失稳时间准确预测的关键前提，利用SAR影像相位差反演形变的雷达干涉测量(InSAR)技术能够高精度地量测地表形变；近年来，随着Sentinel
‑
1卫星的稳定运行以及时间序列(时序)InSAR技术的不断进步，InSAR技术在滑坡监测预测领域越来越多地得到重视和应用，在区域潜在滑坡早期识别、单体滑坡形变监测与滑坡失稳预测等方面取得了良好的应用效果；然而，当滑坡形变梯度过大时，基于相位测量的InSAR技术很容易发生相位混叠和严重的失相干效应，影响测量精度，甚至会导致无法提取到有效的滑坡区域形变信息，从而无法对滑坡失稳时间做出预测，往往发生大梯度形变的滑坡才是最迫切需要关注的对象，但是传统InSAR技术在这一领域是不适用的。

技术实现思路

[0004]本专利技术的目的在于提供基于星载SAR的大梯度滑坡失稳时间预测方法及系统，以解决上述
技术介绍
中存在的问题。
[0005]本专利技术的实施例是这样实现的：
[0006]第一方面，本申请实施例提供了基于星载SAR的大梯度滑坡失稳时间预测方法，包括以下步骤：
[0007]S1，获取待测滑坡区域在预设时间范围内的时序SAR影像数据和滑坡基础数据，滑坡基础数据包括滑坡类型、滑坡边界和植被覆盖数据；
[0008]S2，根据时序SAR影像数据和植被覆盖数据，得到时序SAR影像数据中每个像素点对应的时序形变速率数据；
[0009]S3，根据滑坡类型和滑坡边界，将时序SAR影像数据中的多个像素点确定为测量点；
[0010]S4，根据时序形变速率数据，确定预置的逆速度模型的模型参数；
[0011]S5，将在预设时间范围内的当前观测时间序列以及测量点的时序形变速率数据输入至模型参数确定的逆速度模型中进行预测处理，预测出测量点的滑坡失稳时间序列。
[0012]本专利技术的有益效果是：通过利用星载SAR数据的幅度信息来计算大梯度滑坡形变，
进而使用逆速度法预测滑坡失稳时间，弥补了传统InSAR在大梯度滑坡预测上的空白，为大梯度滑坡的灾害防范提供了保障；同时，在研究区可以稳定获得免费的SAR数据，这极大地降低了监测成本，增加了预测的可靠性。
[0013]在上述技术方案的基础上，本专利技术还可以做如下改进。
[0014]进一步，上述滑坡失稳时间序列包括多个滑坡失稳时间，在S5后，还包括如下步骤：
[0015]S6，绘制滑坡失稳时间和当前观测时间序列的散点图像，若散点图像中连续的多个散点对应的滑坡失稳时间均指向未来预设时间段内一相对稳定时间，则发出滑坡失稳报警。
[0016]采用上述进一步方案的有益效果是：一方面可以直观的了解预测结果，另一方面也可以提高预测的精度。
[0017]进一步，上述步骤S2具体为：
[0018]S21，时序SAR影像数据包括按时间排列的多个目标影像图，将满足预设条件的两个目标影像图作为一个像对组合，其中，时序SAR影像数据中形成的像对组合的数量满足以下不等式：
[0019][0020]式中，N为常数，其中，N+1表示时序SAR影像数据中目标影像图的数量，M表示像对组合的数量；
[0021]S22，根据植被覆盖率的高低，将多个目标影像图中满足预设条件的多个像素点分别确定为目标像素计算点，根据植被覆盖阈值对目标像素计算点采用规则格网逐点计算和基于点目标计算的两种策略；
[0022]S23，从所有像对组合中选取一个像对组合,且令选取的一个像对组合中的两个目标影像图分别为第一目标影像图和第二目标影像图，在第一目标影像图中选择预置大小窗口作为待计算的矩形匹配窗口，在第二目标影像图中以第一目标影像图中的矩形匹配窗口为中心，选择预置大小窗口作为搜索窗口，在第二目标影像图的搜索窗口内按预设步长移动相应矩形匹配窗口，将第一目标影像图和第二目标影像图中同一对应的矩形匹配窗口内的目标像素计算点作为一组目标像素计算点组，每次移动都计算每组目标像素计算点组的互相关系数，并根据搜索窗口内计算出的互相关系数峰表面位置表示图像间的位移量，互相关系数通过第二公式表示为：
[0023][0024]式中，NCC(i,j)表示互相关系数，(k,l)表示第一目标影像图中矩形匹配窗口内的目标像素计算点的坐标，(i,j)表示第二目标影像图中搜索窗口内的目标像素计算点的坐标，r为第一目标影像图中矩形匹配窗口内像素值，s为第二目标影像图中搜索窗口内像素值，μ
r
为第一目标影像图的矩形匹配窗口的平均像素值，μ
s
为第二目标影像图中搜索窗口的平均像素值；
[0025]S24，根据互相关系数最高的一组目标像素计算点，计算得到选取的一个像对组合的像对偏移量；
[0026]S25，遍历所有像对组合中的每一个像对组合，并执行S23
‑
S24，得到每一个像对组合的像对偏移量；
[0027]S26，根据每一个像对组合对应的像对偏移量，以及每一个像对组合中第一目标影像图以及第二目标影像图的获取时间，计算得到时序SAR影像数据对应的时序形变速率数据。
[0028]进一步，上述步骤S3具体为：
[0029]S31，根据每个像素点对应的时序性变速率数据，将位于滑坡边界内的多个像素点确定为加速形变点；
[0030]S32，将滑坡类型中各类型滑坡的位置对应的加速形变点确定为测量点。
[0031]采用上述进一步方案的有益效果是：在待测滑坡区域内筛选出具有自然代表性的点，例如裂缝处、滑坡后缘区和推移滑块段等。
[0032]进一步，上述在步骤S5中：
[0033]逆速度模型通过第一公式表示，第一公式表示为：
[0034][0035]其中，v表示时序目标形变速率数据中与当前观测时间对应的形变速率，t
f
表示失稳垮塌时间，t表示当前观测时间，A和a表示模型参数。
[0036]进一步，上述步骤S5还包括，
[0037]根据测量点以及与测量点对应的时序形变速率数据，确定测量点对应的滑坡加速时间起点；其中，当前观测时间均在滑坡加速时间起点之后。
[0038]采用上述进一步方案的有益效果是：在对应时间范围内根据滑坡加速时间起点确定出参与失稳本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于星载SAR的大梯度滑坡失稳时间预测方法，其特征在于，包括以下步骤：S1，获取待测滑坡区域在预设时间范围内的时序SAR影像数据和滑坡基础数据，所述滑坡基础数据包括滑坡类型、滑坡边界和植被覆盖数据；S2，根据所述时序SAR影像数据和所述植被覆盖数据，得到时序SAR影像数据中每个像素点对应的时序形变速率数据；S3，根据所述滑坡类型和滑坡边界，将所述时序SAR影像数据中的多个像素点确定为测量点；S4，根据所述时序形变速率数据，确定预置的逆速度模型的模型参数；S5，将在所述预设时间范围内的当前观测时间序列以及所述测量点的时序形变速率数据输入至模型参数确定的所述逆速度模型中进行预测处理，预测出所述测量点的滑坡失稳时间序列。2.根据权利要求1所述的基于星载SAR的大梯度滑坡失稳时间预测方法，其特征在于，所述滑坡失稳时间序列包括多个滑坡失稳时间，在所述S5后，还包括如下步骤：S6，绘制滑坡失稳时间和当前观测时间序列的散点图像，若散点图像中连续的多个散点对应的滑坡失稳时间均指向未来预设时间段内一相对稳定时间，则发出滑坡失稳报警。3.根据权利要求1所述的基于星载SAR的大梯度滑坡失稳时间预测方法，其特征在于，所述步骤S2具体为：S21，所述时序SAR影像数据包括按时间排列的多个目标影像图，将满足预设条件的两个所述目标影像图作为一个像对组合，其中，所述时序SAR影像数据中形成的所述像对组合的数量满足以下不等式：式中，N为常数，其中，N+1表示时序SAR影像数据中目标影像图的数量，M表示像对组合的数量；S22，根据植被覆盖率的高低，将多个目标影像图中满足预设条件的多个像素点分别确定为目标像素计算点，根据植被覆盖阈值对目标像素计算点采用规则格网逐点计算和基于点目标计算的两种策略；S23，从所有像对组合中选取一个像对组合,且令选取的一个像对组合中的两个目标影像图分别为第一目标影像图和第二目标影像图，在第一目标影像图中选择预置大小窗口作为待计算的矩形匹配窗口，在第二目标影像图中以第一目标影像图中的矩形匹配窗口为中心，选择预置大小窗口作为搜索窗口，在第二目标影像图的搜索窗口内按预设步长移动相应矩形匹配窗口，将第一目标影像图和第二目标影像图中同一对应的矩形匹配窗口内的目标像素计算点作为一组目标像素计算点组，每次移动都计算每组目标像素计算点组的互相关系数，并根据搜索窗口内计算出的互相关系数峰表面位置表示图像间的位移量，互相关系数通过第二公式表示为：
式中，NCC(i,j)表示互相关系数，(k,l)表示第一目标影像图中矩形匹配窗口内的目标像素计算点的坐标，(i,j)表示第二目标影像图中搜索窗口内的目标像素计算点的坐标，r为第一目标影像图中矩形匹配窗口内像素值，s为第二目标影像图中搜索窗口内像素值，μ
r
为第一目标影像图的矩形匹配窗口的平均像素值，μ
s
为第二目标影像图中搜索窗口的平均像素值；S24，根据所述互相关系数最高的一组目标像素计算点，计算得到选取的一个像对组合的像对偏移量；S25，遍历所有像对组合中的每一个像对组合，并执行S23<...

【专利技术属性】
技术研发人员：李梦华，尹谢兵，唐伯惠，杨梦诗，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：