CN120071552A 基于遥感卫星图像的山体滑坡识别预警系统及方法 （核工业二0三研究所）

(19)国家知识产权局公司11416G08BG08BGO6VGO6T20/40(2022.01)基于遥感卫星图像的山体滑坡识别预警系本发明公开了基于遥感卫星图像的山体滑坡识别预警系统及方法，属于地质监测技术领面监测数据，实现对山体滑坡的实时监测和预图像获取单元图像获取单元图像处理单元特征提取单元滑坡识别单元21.基于遥感卫星图像的山体滑坡识别预警系统，其特图像获取单元，用于收集目标山体区域的历史山体数据，并通过遥感卫星对目标山体区域进行拍摄，获取目标山体区域高分辨率的卫星图像；正和大气校正；特征提取单元，基于合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，并分析卫星图像中地形变化、地表位移所属特征，再识别出潜在滑坡区域；滑坡识别单元，用于通过北斗卫星技术和传感器技术获取潜在滑坡区域的实时山体数据，并基于历史山体数据建立并训练滑坡风险评估模型，通过滑坡风险评估模型对实时山体数据进行风险预测，评估潜在滑坡区域的滑坡风险程度，并生成风险评估报告反馈至人机交互单元；人机交互单元，用于接收和展示目标山体区域的山体数据与滑坡风险评估报告，并根据数据与报告发出相应的调控指令。2.根据权利要求1所述的基于遥感卫星图像的山体滑坡识别预警系统，其特征在于：所图像采集模块，用于确立目标山体区域的范围和监测需求，根据监测需求选择合适的遥感卫星获取目标山体区域的影像数据；历史数据收集模块，用于收集目标山体区域内历史山体数据，并按时间序列进行保存，为后续的山体变化检测提供基础数据。3.根据权利要求1所述的基于遥感卫星图像的山体滑坡识别预警系统，其特征在于：所初步处理模块，用于通过傅立叶变换滤波处理尖峰噪声，通过傅立叶变换和低通滤波去除条带噪声，并通过直方图变换法调整卫星图像的可读性和信息提取能力，改善卫星图像的对比度和视觉效果；二次处理模块，通过辐射标定将原始遥感影像中的亮度值转换为大气外层表面的反射率或辐射亮度值，使观测数据从传感器的亮度单位转换为物理上可比较和分析的单位；再通过大气校正将辐射亮度或反射率数据转换为地表的实际反射率，获得地物的真实反射4.根据权利要求1所述的基于遥感卫星图像的山体滑坡识别预警系统，其特征在于：所影像选取模块，用于选取合适的目标山体区域的卫星图像，并在卫星图像进行预处理后，根据预警需求与目标山体区域的范围选定需要重点监测识别的滑坡区域；影像处理模块，用于对选取的卫星图像进行配准，并通过比较不同时间的卫星图像，选择合适的干涉对；特征提取模块，用于对干涉结果进行小波变化分解，提取地表形变的时序信息，并对干涉结果进行分析，估算地表的地形相位；特征确立模块，用于对地表的地形相位进行分析，评估滑坡的特征和动态变化，得到卫星图像中滑坡特征信息。5.根据权利要求1所述的基于遥感卫星图像的山体滑坡识别预警系统，其特征在于：所3样本处理模块，用于对目标山体区域的历史山体数据进行清洗，并将历史山体数据划分为训练集和测试集；模型构建模块，用于创建神经网络模型，将训练集导入神经网络模型中进行训练，得到目标山体区域的模拟预测结果；再将测试集导入训练后的神经网络模型中进行验证，并得到优化后的滑坡风险评估模型；实时预测模块，用于将潜在滑坡区域的实时山体数据导入滑坡风险评估模型进行滑坡预测，得到潜在滑坡区域的滑坡风险程度，并生成风险评估报告；结果反馈模块，用于通过无线通信技术将风险评估报告实时反馈至人机交互单元。6.根据权利要求1所述的基于遥感卫星图像的山体滑坡识别预警系统，其特征在于：所数据接收模块，用于实时接收和展示目标山体区域的山体数据与滑坡风险评估报告。7.基于遥感卫星图像的山体滑坡识别预警的方法，基于权利要求1-6任一项所述的基于遥感卫星图像的山体滑坡识别预警系统实现，其特征在于：包括以下步骤：步骤一、通过遥感卫星获取目标山体区域高分辨率的卫星图像，并收集目标山体区域的历史山体数据；步骤二、对卫星图像进行预处理后，采用合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，并分析识别出目标山体区域中潜在的滑坡区域；步骤三、构建滑坡风险评估模型，对历史山体数据进行清洗，并划分为训练集和测试集，将训练集和测试集依次导入滑坡风险评估模型中进行风险训练，得到优化后的滑坡风险评估模型；步骤四、根据滑坡识别结果为依据，通过北斗卫星技术和传感器技术获取潜在滑坡区域的实时山体数据，利用滑坡风险评估模型对实时山体数据进行预测，得到潜在的滑坡区域中存在滑坡风险的程度，并生成风险评估报告；步骤五、基于无线传输技术将风险评估报告实时反馈至人机交互单元进行预警，人机交互单元及时发布预警信息，通知受影响区域的居民和相关部门采取应对措施。8.根据权利要求7所述的基于遥感卫星图像的山体滑坡识别预警方法，其特征在于：所述步骤二中，采用合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，具体包括以下步骤：根据预警需求与目标山体区域的范围选定需要重点监测识别的滑坡区域，对选取的卫星图像进行配准；通过比较不同时间的卫星图像，找出具有相干性的影像对，得到合适的干涉对；对干涉结果进行小波变化分解，提取地表形变的时序信息；选取一部分地面稳定点作为参考，通过分析干涉结果，估算地表的地形相位；对处理结果进行分析，评估滑坡的特征9.根据权利要求7所述的基于遥感卫星图像的山体滑坡识别预警方法，其特征在于：所述步骤二中，分析识别出目标山体区域中潜在的滑坡区域，具体包括以下步骤：根据卫星图像中滑坡特征信息为依据，对卫星图像进行分区化的识别，确定存在滑坡地形的遥感子影像；并以滑坡地形的地质状态信息为基准，判断泥土倾泻事件发生与否，以及获取泥土倾泻移动信息；通过对比滑坡前后的多时相遥感影像，利用归一化方法对植被4指数的变化进行检测，确定潜在的滑坡区域；并结合卫星图像的几何规则，排除道路、建筑以及裸地非滑坡部分，完成潜在滑坡区域的精细识别。10.根据权利要求8所述的基于遥感卫星图像的山体滑坡识别预警方法，其特征在于：所述步骤四中，利用滑坡风险评估模型对实时山体数据进行预测后，具体包括以下步骤：利用北斗卫星技术和传感器技术对潜在滑坡区域的山体进行不间断监控，并结合目视解译和野外调查，对滑坡风险评估模型的评估结果进行验证和修正，野外调查包括：对滑坡5技术领域[0001]本发明涉及地质监测技术领域，具体为基于遥感卫星图像的山体滑坡识别预警系统及方法。背景技术[0002]山体滑坡是岩石在重力作用下发生的坍塌现象，经常发生在山区较陡的地方。山体滑坡的发生通常与多种因素有关，包括河流冲刷、地下水活动、雨水浸泡、地震及人工切坡与地震多发事故点；山体滑坡可以造成很大的灾难，甚至在严重时可以毁坏整个村庄，砸会阻塞河流，形成洪水灾害；为减少山体滑坡所带来的影响与危害，对于山体滑坡的识别预警是非常有必要的，这不仅仅为应对灾害争取宝贵时间，还增强了人们应对自然灾害的能[0003]然而在现有技术中，山体滑坡识别预警系统中部分监测设备的精度和稳定性尚需提升，尤其在复杂地质环境下，数据的准确性和可靠性易受干扰；此外，预警系统的自动化程度和智能化水平仍有待提高，确保更高效的进行数据处理与预警响应。[0004]因此，不满足现有的需求，对此我们提出了基于遥感卫星图像的山体滑坡识别预警系统及方法。发明内容[0005]本发明的目的在于提供基于遥感卫星图像的山体滑坡识别预警系统及方法，通过遥感卫星获取目标山体区域的卫星图像，采用合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，由此识别出目标山体区域中潜在的滑坡区域；结合构建滑坡风险评估模型，利用滑坡风险评估模型对实时山体数据进行预测，获得潜在滑坡区域中所存在滑坡风险的程度，并生成风险评估报告并反馈至人机交互单元发出预警；通过融合卫星遥感图像和地面监测数据，实现对山体滑坡的实时监测和预警，提高了识别预警的准确性和可靠性，减少地质灾害带来的损失，解决了上述背景技术中提出的问题。[0006]为实现上述目的，本发明提供如下技术方案：[0007]基于遥感卫星图像的山体滑坡识别预警系统，[0008]图像获取单元，用于收集目标山体区域的历史山体数据，并通过遥感卫星对目标山体区域进行拍摄，获取目标山体区域高分辨率的卫星图像；射校正和大气校正；[0010]特征提取单元，基于合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，并分析卫星图像中地形变化、地表位移所属特征，再识别出潜在滑坡区域；[0011]滑坡识别单元，用于通过北斗卫星技术和传感器技术获取潜在滑坡区域的实时山6体数据，并基于历史山体数据建立并训练滑坡风险评估模型，通过滑坡风险评估模型对实时山体数据进行风险预测，评估潜在滑坡区域的滑坡风险程度，并生成风险评估报告反馈至人机交互单元；[0012]人机交互单元，用于接收和展示目标山体区域的山体数据与滑坡风险评估报告，并根据数据与报告发出相应的调控指令。[0014]图像采集模块，用于确立目标山体区域的范围和监测需求，根据监测需求选择合适的遥感卫星获取目标山体区域的影像数据；[0015]历史数据收集模块，用于收集目标山体区域内历史山体数据，并按时间序列进行保存，为后续的山体变化检测提供基础数据。[0017]初步处理模块，用于通过傅立叶变换滤波处理尖峰噪声，通过傅立叶变换和低通滤波去除条带噪声，并通过直方图变换法调整卫星图像的可读性和信息提取能力，改善卫星图像的对比度和视觉效果；[0018]二次处理模块，通过辐射标定将原始遥感影像中的亮度值转换为大气外层表面的反射率或辐射亮度值，使观测数据从传感器的亮度单位转换为物理上可比较和分析的单位；再通过大气校正将辐射亮度或反射率数据转换为地表的实际反射率，获得地物的真实反射率、辐射率和其他物理模型参数。[0020]影像选取模块，用于选取合适的目标山体区域的卫星图像，并在卫星图像进行预处理后，根据预警需求与目标山体区域的范围选定需要重点监测识别的滑坡区域；[0021]影像处理模块，用于对选取的卫星图像进行配准，并通过比较不同时间的卫星图[0022]特征提取模块，用于对干涉结果进行小波变化分解，提取地表形变的时序信息，并对干涉结果进行分析，估算地表的地形相位；[0023]特征确立模块，用于对地表的地形相位进行分析，评估滑坡的特征和动态变化，得到卫星图像中滑坡特征信息。[0025]样本处理模块，用于对目标山体区域的历史山体数据进行清洗，并将历史山体数据划分为训练集和测试集；[0026]模型构建模块，用于创建神经网络模型，将训练集导入神经网络模型中进行训练，得到目标山体区域的模拟预测结果；再将测试集导入训练后的神经网络模型中进行验证，并得到优化后的滑坡风险评估模型；[0027]实时预测模块，用于将潜在滑坡区域的实时山体数据导入滑坡风险评估模型进行滑坡预测，得到潜在滑坡区域的滑坡风险程度，并生成风险评估报告；[0028]结果反馈模块，用于通过无线通信技术将风险评估报告实时反馈至人机交互单[0030]数据接收模块，用于实时接收和展示目标山体区域的山体数据与滑坡风险评估报7告。[0031]基于遥感卫星图像的山体滑坡识别预警方法，包括以下步骤：[0032]步骤一、通过遥感卫星获取目标山体区域高分辨率的卫星图像，并收集目标山体区域的历史山体数据；[0033]步骤二、对卫星图像进行预处理后，采用合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，并分析识别出目标山体区域中潜在的滑坡区域；[0034]步骤三、构建滑坡风险评估模型，对历史山体数据进行清洗，并划分为训练集和测试集，将训练集和测试集依次导入滑坡风险评估模型中进行风险训练，得到优化后的滑坡风险评估模型；[0035]步骤四、根据滑坡识别结果为依据，通过北斗卫星技术和传感器技术获取潜在滑坡区域的实时山体数据，利用滑坡风险评估模型对实时山体数据进行预测，得到潜在的滑坡区域中存在滑坡风险的程度，并生成风险评估报告；[0036]步骤五、基于无线传输技术将风险评估报告实时反馈至人机交互单元进行预警，人机交互单元及时发布预警信息，通知受影响区域的居民和相关部门采取应对措施。[0037]进一步的，所述步骤二中，采用合成孔径雷达干涉测量技术对卫星图像进行滑坡[0038]根据预警需求与目标山体区域的范围选定需要重点监测识别的滑坡区域，对选取的卫星图像进行配准，确保不同时间点的影像在空间上的一致性；通过比较不同时间的卫星图像，找出具有相干性的影像对，得到合适的干涉对；对干涉结果进行小波变化分解，提取地表形变的时序信息；选取一部分地面稳定点作为参考，通过分析干涉结果，估算地表的得到卫星图像中滑坡特征信息。[0039]进一步的，所述步骤二中，分析识别出目标山体区域中潜在的滑坡区域，具体包括以下步骤：[0040]根据卫星图像中滑坡特征信息为依据，对卫星图像进行分区化的识别，确定存在滑坡地形的遥感子影像；并以滑坡地形的地质状态信息为基准，判断泥土倾泻事件发生与否，以及获取泥土倾泻移动信息；通过对比滑坡前后的多时相遥感影像，利用归一化方法对植被指数的变化进行检测，确定潜在的滑坡区域；并结合卫星图像的几何规则，排除道路、建筑以及裸地非滑坡部分，完成潜在滑坡区域的精细识别。[0041]进一步的，所述步骤四中，利用滑坡风险评估模型对实时山体数据进行预测后，具体包括以下步骤：[0042]利用北斗卫星技术和传感器技术对潜在滑坡区域的山体进行不间断监控，并结合目视解译和野外调查，对滑坡风险评估模型的评估结果进行验证和修正，野外调查包括：对[0044]本发明，通过遥感卫星获取目标山体区域的卫星图像，采用合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，由此识别出目标山体区域中潜在的滑坡区域；结合构建滑坡风险评估模型，利用滑坡风险评估模型对实时山体数据进行预测，获得潜在滑坡区域中所存在滑坡风险的程度，并生成风险评估报告并反馈至人机交互单元发出预警；通8过融合卫星遥感图像和地面监测数据，实现对山体滑坡的实时监测和预警，提高了识别预警的准确性和可靠性，减少地质灾害带来的损失。附图说明[0045]图1为本发明的基于遥感卫星图像的山体滑坡识别预警系统组成图；[0046]图2为本发明的基于遥感卫星图像的山体滑坡识别预警方法流程图。具体实施方式[0047]下面将结合本发明实施例中的附图，对本发明实施例。中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他[0048]为了解决目前技术中，山体滑坡识别预警系统中部分监测设备的精度和稳定性尚需提升，尤其在复杂地质环境下，数据的准确性和可靠性易受干扰；此外，预警系统的自动化程度和智能化水平仍有待提高，确保更高效的进行数据处理与预警响应的技术问题，请参阅图1-图2,本实施例提供下技术方案：[0049]基于遥感卫星图像的山体滑坡识别预警系统，[0050]图像获取单元，用于收集目标山体区域的历史山体数据，并通过遥感卫星对目标[0051]图像采集模块，用于确立目标山体区域的范围和监测需求，根据监测需求选择合适的遥感卫星获取目标山体区域的影像数据；具体的，通过遥感卫星图像对坡体进行实时监测，识别潜在的滑坡区域；在本实施例中，可使用中分辨率卫星进行周期性扫描，使用高分辨率卫星进行重点监测，以及使用机载LiDAR进行精细探测，通过综合利用不同技术的[0052]历史数据收集模块，用于收集目标山体区域内历史山体数据，并按时间序列进行保存，为后续的山体变化检测提供基础数据；具体的，收集目标山体区域内历史山体数据旨在于通过对遥感监测到的数据进行综合分析，从而判断目标山体区域内是否存在坡体异常考虑，并进一步建立神经网络模型进行数据分析，判断是否存在异常情况。[0054]初步处理模块，用于通过傅立叶变换滤波处理尖峰噪声，通过傅立叶变换和低通滤波去除条带噪声，并通过直方图变换法调整卫星图像的可读性和信息提取能力，改善卫星图像的对比度和视觉效果；具体的，由于传感器的原因，卫星图像中可能会出现周期性噪声、尖峰噪声和条带噪声等，这些噪声需通过带通或槽形滤波器消除周期性噪声，以此确保卫星图像的清晰度与准确性。[0055]二次处理模块，通过辐射标定将原始遥感影像中的亮度值转换为大气外层表面的反射率或辐射亮度值，使观测数据从传感器的亮度单位转换为物理上可比较和分析的单位；再通过大气校正将辐射亮度或反射率数据转换为地表的实际反射率，获得地物的真实9反射率、辐射率和其他物理模型参数；具体的，首先，辐射标定是将原始遥感影像中的亮度值转换为大气外层表面的反射率或辐射亮度值，其目的是排除由传感器自身特性、波普、采集时间等因素引起的误差；通过辐射标定可以将观测数据从传感器的亮度单位转换为物理上可解释的单位，使数据可进行比较和分析；其次，大气校正任务是将辐射亮度或反射率数据转换为地表的实际反射率，大气层中的气体和颗粒物质对光的传播会导致图像中亮度值的变化，通过大气校正可以消除大气和光照等因素对地物反射的影响，获得地物的真实反射率、辐射率和其他物理模型参数，有助于准确地理解地表的特征和变化；最后，太阳高度角及地形校正是通过统计和物理模型纠正地表地形和太阳高度角差异引起的辐射亮度误差，地表的不同高度和太阳高度角变化会影响光的传播和反射，因此对这些因素进行避免，以确保得到准确的地表信息；基于此可知：辐射校正是遥感影像处理中的关键环节，有助于确保从卫星传感器采集的图像数据是准确和可比较的，可以有效地提高卫星图像的质量和准确性。[0056]特征提取单元，基于合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，并分析卫星图像中地形变化、地表位移所属特征，再识别出潜在滑坡区域；特征提取单元，[0057]影像选取模块，用于选取合适的目标山体区域的卫星图像，并在卫星图像进行预据预警需求与目标山体区域的范围选定需要重点监测识别的滑坡区域，旨在于集中资源，提高监测效率和准确性；[0058]影像处理模块，用于对选取的卫星图像进行配准，确保不同时间点的影像在空间上的一致性，以便后续分析；并通过比较不同时间的卫星图像，找出具有相干性的影像对，选择合适的干涉对，以便进行干涉处理；[0059]特征提取模块，用于对干涉结果进行小波变化分解，以此提取地表形变的时序信息，用于分析滑坡的动态变化；并对干涉结果进行分析，估算地表的地形相位，旨在于去除大气和其他因素影响；并且在分析过程中，选取一些地面稳定点作为参考，以便更准确地评估滑坡的形变情况；[0060]特征确立模块，用于对地表的地形相位进行分析，评估滑坡的特征和动态变化，包括：形变速率、形变趋势，由此得到卫星图像中滑坡特征信息；由于大气条件会影响卫星图像的干涉结果，因此需要采用适当的方法去除大气相位及残差，以提高分析的准确性；通过以上步骤，可以有效地利用合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，为地质灾害的监测和预警提供重要依据。[0061]滑坡识别单元，用于通过北斗卫星技术和传感器技术获取潜在滑坡区域的实时山体数据，并基于历史山体数据建立并训练滑坡风险评估模型，通过滑坡风险评估模型对实时山体数据进行风险预测，评估潜在滑坡区域的滑坡风险程度，并生成风险评估报告反馈至人机交互单元；具体的，通过在潜在滑坡区域部署北斗卫星接收终端，使得系统能够实时获取潜在滑坡区域的精确位置信息；并利用北斗卫星的高精度定位功能，使系统可以实现对潜在滑坡区域的三维空间定位，为灾害预警提供准确的空间数据支持；再在潜在滑坡区域部署包括：雨量传感器、位移传感器、应力传感器等在内的多种传感器；通过上述多种传感器能够实时监测降雨量、地表位移、地下应力等地质环境的变化，并将监测数据实时传输到人机交互单元，再由滑坡识别单元将其导入滑坡风险评估模型进行风险预测。[0063]样本处理模块，用于对目标山体区域的历史山体数据进行清洗，并将历史山体数水量、地下水位、地震波和坡体位移等，通过对上述数据进行清洗，剔除错误数据和重复数据，并对缺失数据进行补充，以确保历史山体数据的有效性和真实性，进而确保神经网络模型预测的准确性。[0064]模型构建模块，用于创建神经网络模型，将训练集导入神经网络模型中进行训练，得到目标山体区域的模拟预测结果；再将测试集导入训练后的神经网络模型中进行验证，并得到优化后的滑坡风险评估模型；具体的，通过将训练集导入神经网络模型中进行训练，用以确立神经网络模型特征点的同时，得到训练后的滑坡风险评估模型，并输出训练结果，即：滑坡风险预测结果；包括以下任意一种结果：不存在滑坡可能性、存在滑坡可能性以及存在明显的滑坡可能性；再将与之对应的测试集导入滑坡风险评估模型中进行测试，并输出测试结果进行结果验证，当测试结果与训练结果一致时，则判定当前滑坡风险评估模型为最优型；当测试结果与训练结果不一致时，则判定当前滑坡风险评估模型存在异常，并查验训练集和测试集的准确性，再将其导入神经网络模型中进行训练与测试，直至验证通过，得到优化后的滑坡风险评估模型。[0065]实时预测模块，用于将潜在滑坡区域的实时山体数据导入滑坡风险评估模型进行滑坡预测，得到潜在滑坡区域的滑坡风险程度，并生成风险评估报告；具体的，通过将实时山体数据进行清洗后，将其导入优化后的滑坡风险评估模型进行风险预测，并输出预测结果，分析预测结果判断潜在滑坡区域内是否会发生滑坡，并将预测结果实时反馈至人机交互单元进行预警。[0066]结果反馈模块，用于通过无线通信技术将风险评估报告实时反馈至人机交互单[0067]人机交互单元，用于接收和展示目标山体区域的山体数据与滑坡风险评估报告，并根据数据与报告发出相应的调控指令；人机交互单元，包括：[0068]数据接收模块，用于实时接收和展示目标山体区域的山体数据与滑坡风险评估报告；具体的，通过在客户中心安装与之适配的显示终端，并在其终端登录识别预警系统，旨在于显示当前目标山体区域的山体数据与滑坡风险评估报告，并根据数据情况发出相应的对该数据进行风险预测指令，从而提高预警系统的自动化程度和智能化水平，确保更高效的进行数据处理与预警响应；并及时发布预警信息，通知受影响区域的居民和相关部门采取应对措施。[0069]为了更好的展示基于遥感卫星图像的山体滑坡识别预警系统的操作流程，本发明提供了基于遥感卫星图像的山体滑坡识别预警方法，包括以下步骤：[0070]步骤一、通过遥感卫星获取目标山体区域高分辨率的卫星图像，并收集目标山体区域的历史山体数据；[0071]步骤二、对卫星图像进行预处理后，采用合成孔径雷达干涉测量技术对卫星图像进行滑坡特征提取，并分析识别出目标山体区域中潜在的滑坡区域；其中，采用合成孔径雷11达干涉测量技术对卫星图像进行滑坡特征提取，具体包括以下步骤：[0072]根据预警需求与目标山体区域的范围选定需要重点监测识别的滑坡区域，对选取的卫星图像进行配准，确保不同时间点的影像在空间上的一致性；通过比较不同时间的卫星图像，找出具有相干性的影像对，得到合适的干涉对；对干涉结果进行小波变化分解，提取地表形变的时序信息；选取一部分地面稳定点作为参考，通过分析干涉结果，估算地表的得到卫星图像中滑坡特征信息。[0073]分析识别出目标山体区域中潜在的滑坡区域，具体包括以下步骤：[0074]根据卫星图像中滑坡特征信息为依据，对卫星图像进行分区化的识别，确定存在滑坡地形的遥感子影像；并以滑坡地形的地质状态信息为基准，判断泥土倾泻事件发生与否，以及获取泥土倾泻移动信息；通过对比滑坡前后的多时相遥感影像，利用归一化方法对植被指数的变化进行检测，确定潜在的滑坡区域；并结合卫星图像的几何规则，排除道路、建筑以及裸地非滑坡部分，完成潜在滑坡区域的精细识别；具体的，遥感监测技术通过对卫星遥感图像进行分区识别，确定存在滑坡地形的区域，并以此为基础判断泥土倾泻事件的发生，从而快速预测目标区域是否会受到泥土倾泻波及；该方法不仅能够减少滑坡勘查所需的人力和物力，同时提高识别预警的准确性与可靠性。[0075]步骤三、构建滑坡风险评估模型，对历史山体数据进行