CN116597320B 一种适合复杂山区的滑坡地质灾害时空预测方法 （电子科技大学）

一种适合复杂山区的滑坡地质灾害时空预本发明提出一种适合复杂山区的滑坡地质卫星遥感图像，然后利用差分干涉测量D_InSAR峦阴影干扰。在D_InSAR对遥感图像进行预处理用本发明建立的机器学习预测模型对滑坡风险发生时间进行预测。本发明方法涉及D_InSAR技2（5_1）先利用差分干涉测量短基线集时序分析SBAS_InSAR技术计算圈定区域InSAR图改进的Faster_RCNN模型在Fast_RCNN模型上增加了精炼网络；将Fast_RCNN模型生成32)将分解出来的外部因素项与外部数据进行融合后加3)使用内在因素项的训练集来动态更新基于多项式回归算法的内在因素项地表形变4)等待新的地表形变时间序列数据以及外部数据进入滑动窗口，执行步骤1)至步骤4会导致监测区图像的滑坡风险特征目标识别产生[0003]目前滑坡地质灾害时空预测主要通过人工排查与滑坡风险区域在线监测进行预人工排查难度很大的，并且大范围监测区部署传感器设备进行在线监测的成本是非常高[0012]5_1先利用差分干涉测量短基线集时序分析SBAS_InSAR技术计算圈定区域InSAR[0014]5_3将内在因素项地表形变量与静态数据组成内在因素项特征向量输入至基于多5[0015]5_4将外部因素项地表形变量与动态数据组成外部因素项特征向量输入至基于长[0016]5_5将内在因素项地表形变时间序列预测曲线与外部因素项地表形变时间序列预[0020]改进的Faster_RCNN模型在Fast_RCNN模型上增加了精炼网络；将Fast_RCNN模型[0028]3)使用内在因素项的训练集来动态更新基于多项式回归算法的内在因素项地表[0031]使用D_InSAR技术对采集到的监测区卫星图像进行预处理，消除监测区卫星图像6[0032]利用改进的Fast_RCNN模型对已经预处理的监测区域遥感图像进行滑坡特征目标判断未来各个时刻是否有发生滑坡可能性。动态地更新滑坡地质灾害地表形变量预测模[0043]在欧洲航天局数据共享平台ASF系统上通过输入监测区域的经纬度，下载该区域[0046]具体使用D_InSAR技术工具中的SNAP软件工具对遥感图像进行轨道校正、去脉冲7[0049]实施例构建滑坡特征目标识别模型是在现有标准Faster_RCNN模型上增加了精炼[0051]首先将滑坡监测区域InSAR图像数据集输入到Faster_RCNN模型内进行训练，来的特征属性分别输入到RPN提议网络和ROI池化层中，其中RPN用于生成候选框并输出结器用于输出初始滑坡区域圈定结果，再判断初始滑坡区域圈定结果是否为最佳拟合的情[0052]滑坡特征识别模型构建完成后，将监测区域的SAR图像输入到滑坡特征识别模型8用于预测外部因素对地表形变量的影响，PR模型方法将用于内部因素对地表形变量的影[0062]先利用差分干涉测量短基线集时序分析SBAS_InSAR技术计算圈定区域SAR图像的9[0064]应用移动平均法将每个t时刻的地表形变量At分解为内在因素项αt和外部因素项[0070]将t时刻的内在因素项与静态数据组成输入至内在因素地表形变量预测模型的特练时使用的内在因素项训练集中的每一个样本向量也是内在因素项与静[0072]将t时刻的外在因素项与t时刻的动态数据组成输入至外部因素项地表形变量预项地表形变量预测模型的特征向量采用时间序列方[0074]将内部因素项地表形变时间序列预测曲线与外部因素项地表形变时间序列预测和外部因素项；[0082]其滑坡易发生区域风险时间预测流程图如图6所示。滑坡易发生区域风险时间预断滑坡易发生区域地表形变量的预测时间序列曲线切线角拐点来预测未来时间段是否会[0084]实施例对滑坡易发生区域的圈定可达到滑