聯(lián)合光學(xué)和SAR遙感影像的山區(qū)公路滑坡易發(fā)性評價(jià)方法

余紹淮, 徐喬, 余飛

(中交第二公路勘察設(shè)計(jì)研究院有限公司,武漢 430056)

0 引言

隨著我國公路建設(shè)事業(yè)的發(fā)展,建設(shè)重點(diǎn)正逐步由東部向中西部地區(qū)、由平原微丘區(qū)向困難復(fù)雜的重丘山嶺區(qū)轉(zhuǎn)移,快速準(zhǔn)確地對山區(qū)公路路線走廊區(qū)域進(jìn)行滑坡易發(fā)性評價(jià),可為后續(xù)道路的選線提供重要的參考資料; 但艱險(xiǎn)山區(qū)地形、地質(zhì)等基礎(chǔ)資料嚴(yán)重匱乏,且氣候條件復(fù)雜,地面數(shù)據(jù)獲取困難,野外作業(yè)風(fēng)險(xiǎn)高。遙感技術(shù)的快速發(fā)展,為復(fù)雜山區(qū)的滑坡易發(fā)性評價(jià)提供了新的技術(shù)手段,當(dāng)前遙感技術(shù)已廣泛應(yīng)用于區(qū)域性滑坡易發(fā)性評價(jià)中[1-4]。

滑坡災(zāi)害易發(fā)性評價(jià)是對滑坡災(zāi)害的時(shí)空分布和發(fā)生概率進(jìn)行預(yù)測,可為滑坡災(zāi)害風(fēng)險(xiǎn)管理提供重要的決策依據(jù)。當(dāng)前應(yīng)用較多的易發(fā)性評價(jià)方法有2大類: 第一類是基于知識驅(qū)動的評價(jià)方法,如層次分析法[5]、專家打分法[6]等經(jīng)驗(yàn)?zāi)Ｐ? 第二類是基于數(shù)據(jù)驅(qū)動的評價(jià)方法,包括邏輯回歸[7]、信息量法[8]、確定系數(shù)法[9]等統(tǒng)計(jì)分析模型,及人工神經(jīng)網(wǎng)絡(luò)[10]、支持向量機(jī)[11]、隨機(jī)森林[12]等機(jī)器學(xué)習(xí)模型。與經(jīng)驗(yàn)?zāi)Ｐ秃徒y(tǒng)計(jì)分析模型相比,基于數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)方法能更好地分析評價(jià)因子和滑坡之間的非線性關(guān)系。隨著對地觀測技術(shù)的飛速發(fā)展,地表觀測數(shù)據(jù)越來越豐富,基于數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)模型已廣泛應(yīng)用到滑坡災(zāi)害易發(fā)性評價(jià)模型中[13-14]。

基于長時(shí)間序列的SAR影像獲取的地表形變速率可直接反映滑坡運(yùn)動狀態(tài),有助于有效識別不穩(wěn)定區(qū)域,對滑坡監(jiān)測具有重要意義[15-17]; 但僅利用地表形變速率進(jìn)行滑坡易發(fā)性評價(jià),而忽略誘發(fā)滑坡災(zāi)害的地形、地貌、地質(zhì)等內(nèi)在因素,會使評價(jià)結(jié)果易受地表形變誤差影響。目前,基于機(jī)器學(xué)習(xí)的滑坡易發(fā)性評價(jià)模型中較少使用SAR影像,更多使用高程、坡度、坡向等地面靜態(tài)數(shù)據(jù),忽略了地表形變速率等地表動態(tài)數(shù)據(jù),致使評價(jià)方法精度不高,實(shí)用性不強(qiáng),難以推廣到其他區(qū)域[18-19]。因此,在評價(jià)方法中增加利用地表形變速率,可使評價(jià)結(jié)果與區(qū)域滑坡實(shí)際分布情況更相符,進(jìn)一步提高結(jié)果的準(zhǔn)確性與可靠性。

為此,針對上述不足,本文在綜合利用光學(xué)和SAR遙感影像基礎(chǔ)上,提出一種結(jié)合地表形變速率的滑坡易發(fā)性評價(jià)方法,該方法先利用光學(xué)遙感影像和地形數(shù)據(jù)提取多種滑坡災(zāi)害靜態(tài)因子; 然后利用隨機(jī)森林(rondom forest, RF)模型計(jì)算滑坡易發(fā)性風(fēng)險(xiǎn)初始等級; 最后利用長時(shí)間序列SAR影像計(jì)算的地表形變速率對易發(fā)性風(fēng)險(xiǎn)初始等級進(jìn)行修正,從而得到更加準(zhǔn)確可靠的滑坡易發(fā)性評價(jià)分區(qū)圖,為后續(xù)山區(qū)公路地質(zhì)選線提供數(shù)據(jù)支撐。

1 基于多源遙感數(shù)據(jù)的滑坡易發(fā)性評價(jià)模型構(gòu)建

1.1 滑坡易發(fā)性評價(jià)因子提取

滑坡災(zāi)害的發(fā)育是一個復(fù)雜的非線性過程,受多種因素綜合影響,包括地形地貌、地質(zhì)構(gòu)造、地層巖性、巖體結(jié)構(gòu)及地下水等內(nèi)在地質(zhì)因素,也有降雨、人工開挖、地震等外在誘發(fā)因素; 因此,充分提取滑坡孕災(zāi)環(huán)境信息對滑坡災(zāi)害易發(fā)性評價(jià)至關(guān)重要。為快速準(zhǔn)確建立路線區(qū)域的滑坡易發(fā)性評價(jià)模型,利用高分遙感影像及DEM數(shù)據(jù)提取多種滑坡災(zāi)害因子; 其中,基于高分遙感影像的滑坡災(zāi)害因子提取主要是通過對區(qū)域地質(zhì)、地形地貌及生態(tài)景觀環(huán)境信息進(jìn)行遙感解譯識別,提取因子包括地層巖性、地質(zhì)構(gòu)造、地形地貌等; 基于DEM數(shù)據(jù)的因子提取主要是通過GIS分析獲取,主要有坡度、坡向、坡長、水流流向、水流累積量等。

本文所用的滑坡易發(fā)性評價(jià)因子如表1所示。由于DEM數(shù)據(jù)和遙感影像的分辨率不同,致使基于二者所提取的滑坡災(zāi)害因子尺度不同,考慮到可免費(fèi)獲取的DEM數(shù)據(jù)的分辨率為30 m×30 m,本方法采用30 m×30 m的柵格單元作為滑坡易發(fā)性評價(jià)單元,并在此基礎(chǔ)上提取滑坡災(zāi)害因子。

表1 滑坡易發(fā)性評價(jià)因子表

1.2 基于隨機(jī)森林的滑坡易發(fā)性風(fēng)險(xiǎn)等級劃分

隨機(jī)森林(random forests,RF)是由Breiman L于2001年提出的一種以決策樹為基礎(chǔ)分類器的集成機(jī)器學(xué)習(xí)算法。該算法具有分類表現(xiàn)優(yōu)異、人工干預(yù)少、運(yùn)算非常快等優(yōu)點(diǎn),在遙感圖像分類、特征選擇等方面應(yīng)用廣泛[20-21]。

隨機(jī)森林的基本原理是先利用Bagging重抽樣方法從原始樣本中抽取多個樣本集; 然后對樣本集構(gòu)建多個分類回歸樹(classification and regression tree,CART),其中每個CART樹的內(nèi)部節(jié)點(diǎn)分裂時(shí),對特征集進(jìn)行一次隨機(jī)抽樣,并在抽取的特征集中進(jìn)行最優(yōu)選擇; 最后,利用所有CART樹的計(jì)算結(jié)果,通過均值或投票得出最終計(jì)算結(jié)果。隨機(jī)森林模型的構(gòu)建過程見圖1。

圖1 隨機(jī)森林模型構(gòu)建示意圖

由圖1可知,隨機(jī)森林模型中引入了樣本隨機(jī)抽樣及特征隨機(jī)抽樣,有效降低模型對樣本噪聲和異常值的敏感度,提高評價(jià)模型的準(zhǔn)確率和穩(wěn)定性。為此,本文基于滑坡災(zāi)害因子集,利用滑坡樣本與非滑坡樣本,訓(xùn)練基于隨機(jī)森林的滑坡易發(fā)性評價(jià)模型,完成滑坡易發(fā)性風(fēng)險(xiǎn)初始等級的劃分,主要包括以下步驟:

1)從N個原始滑坡訓(xùn)練樣本中以有放回的方式重復(fù)取樣N次,得到一個訓(xùn)練樣本集; 重復(fù)上述過程k次,得到k個訓(xùn)練樣本集;

2)針對每一個訓(xùn)練樣本集,通過隨機(jī)選取滑坡評價(jià)因子集作為分裂特征集,并選擇最優(yōu)的分裂方式進(jìn)行內(nèi)部節(jié)點(diǎn)的迭代分裂,且分裂過程中不做減枝處理,迭代完成后得到k棵CART樹;

3)將生成的k棵CART樹組合成隨機(jī)森林,對輸入的滑坡評價(jià)因子集進(jìn)行分類預(yù)測,統(tǒng)計(jì)每棵CART樹的分類結(jié)果,計(jì)算出滑坡易發(fā)性概率;

4)依據(jù)得到的滑坡易發(fā)性概率,利用自然斷點(diǎn)法進(jìn)行分級處理; 將研究區(qū)域劃分低易發(fā)區(qū)、中易發(fā)區(qū)、高易發(fā)區(qū)和極高易發(fā)區(qū)4個等級,完成滑坡易發(fā)性風(fēng)險(xiǎn)初始等級的劃分。

1.3 結(jié)合形變特征的滑坡易發(fā)性風(fēng)險(xiǎn)等級修正

上述滑坡易發(fā)性風(fēng)險(xiǎn)初始等級的劃分是基于地面相關(guān)靜態(tài)參數(shù)如高程、坡度、坡向等計(jì)算得到,而地表形變速率反映了地表動態(tài)變形,可直接反映滑坡的運(yùn)動狀態(tài); 因此利用地表形變速率對滑坡易發(fā)性風(fēng)險(xiǎn)初始等級進(jìn)行修正,可提高結(jié)果的準(zhǔn)確性。為此,本文利用長時(shí)間序列SAR影像得到地表形變速率對易發(fā)性風(fēng)險(xiǎn)初始等級進(jìn)行修正,從而得到更加準(zhǔn)確有效的滑坡易發(fā)性評價(jià)分區(qū)圖。

PS-InSAR[22]與SABS-InSAR[23]是2種應(yīng)用最為廣泛的時(shí)序InSAR技術(shù),考慮到SABS-InSAR技術(shù)采用更加自由的時(shí)、空基線閾值來構(gòu)成干涉對組合,削弱了空間失相關(guān)和大氣延遲的影響,可得到長時(shí)間緩慢地表的形變規(guī)律,更適用于自然地表形變速率的監(jiān)測。因此,本文采用SABS-InSAR技術(shù)獲取該區(qū)域的形變速率,具體流程如圖2所示。

圖2 SABS-InSAR處理流程圖

考慮到SABS-InSAR技術(shù)只能探測沿雷達(dá)視線方向的形變信息,而滑坡多沿斜坡面進(jìn)行滑動,本文利用SAR成像信息及DEM數(shù)據(jù),將上一步獲取的形變速率轉(zhuǎn)化為沿坡度方向的形變速率,以反映斜坡面的地表形變信息。斜坡面的形變速率(Vslope)的計(jì)算表達(dá)式為:

Vslope=VLOS/C

,

(1)

式中:VLOS為雷達(dá)視線方向的形變速率;C為坡面位移和雷達(dá)視線位移的比例系數(shù),公式為:

,

(2)

hLOS=cosθ

,

(3)

,

(4)

,

(5)

式中:φ為地形坡度;α為坡向;θ為SAR衛(wèi)星成像的入射角;ω為衛(wèi)星軌道方向和正北方向的夾角;δ為地理正西方向與SAR衛(wèi)星成像視線向的夾角。

SBAS-InSAR技術(shù)獲取的坡向形變速率反映了區(qū)域坡面的動態(tài)變形狀態(tài),將坡面形變速率加入到滑坡易發(fā)性評價(jià)中,可提高模型的敏感度與準(zhǔn)確性。為此,按照評價(jià)單元大小,將所提取的坡面形變速率圖重采樣至30 m×30 m,并依據(jù)評價(jià)單元所對應(yīng)的形變速率大小,將評價(jià)單元劃分為低形變區(qū)([0,15) mm/a)、中等形變區(qū)([15,30) mm/a)、高形變區(qū)([30,45) mm/a)及極高形變區(qū)(≥45 mm/a)4類; 然后,將滑坡易發(fā)性風(fēng)險(xiǎn)等級與形變等級關(guān)聯(lián),建立風(fēng)險(xiǎn)等級更新矩陣,實(shí)現(xiàn)對滑坡易發(fā)性風(fēng)險(xiǎn)初始等級的修正,得到最終的滑坡易發(fā)性評價(jià)分區(qū)圖。滑坡易發(fā)性風(fēng)險(xiǎn)等級更新矩陣如表2所示。

表2 滑坡易發(fā)性風(fēng)險(xiǎn)等級更新表

表2中的數(shù)值表示滑坡易發(fā)性風(fēng)險(xiǎn)初始等級修正的級別,其中0表示不修正,+1,+2,+3分別表示將風(fēng)險(xiǎn)等級提高1級、2級、3級。例如,某個評價(jià)單元易發(fā)性風(fēng)險(xiǎn)初始等級為低易發(fā)區(qū),形變等級為高形變區(qū),根據(jù)表2,該評價(jià)單元的風(fēng)險(xiǎn)等級需提高2級,則該評價(jià)單元的最終風(fēng)險(xiǎn)等級為高易發(fā)區(qū)。

2 工程實(shí)踐與分析

2.1 研究區(qū)概況

青海省沿黃公路共和至大河家段公路地處青藏高原東北緣,青海省東南部,起點(diǎn)位于青海省共和縣,終點(diǎn)位于甘肅省積石山縣,是青海省第一條沿黃河公路; 建設(shè)高質(zhì)量的沿黃河公路,對于開發(fā)黃河上游水能資源,促進(jìn)黃河谷地開發(fā)利用,完善公路網(wǎng)建設(shè),適應(yīng)地區(qū)經(jīng)濟(jì)快速發(fā)展的交通需求,具有十分重要的現(xiàn)實(shí)意義和社會意義。

工程地處青海省拉脊山斷裂南側(cè),受拉脊山斷裂帶的控制作用,并隨著青藏高原的急劇抬升和黃河不斷下切,導(dǎo)致路線經(jīng)過的龍羊峽至拉西瓦、李家峽庫區(qū)、隆務(wù)峽至公伯峽等黃河峽谷段兩岸地勢陡峭,深切河谷發(fā)育,地形地貌復(fù)雜多樣,泥石流、滑坡、崩塌等不良地質(zhì)現(xiàn)象發(fā)育。為此,本文選取選擇隆務(wù)峽至公伯峽段進(jìn)行工程實(shí)踐,以驗(yàn)證本文提出的聯(lián)合光學(xué)和SAR遙感影像的山區(qū)公路滑坡易發(fā)性評價(jià)方法的準(zhǔn)確性和有效性。研究區(qū)的范圍與地形如圖3所示。

圖3 研究區(qū)范圍與地形示意圖

2.2 實(shí)驗(yàn)數(shù)據(jù)及處理

為準(zhǔn)確評價(jià)研究區(qū)的滑坡易發(fā)性風(fēng)險(xiǎn)等級,選擇QuickBird衛(wèi)星影像、Sentinel-1A衛(wèi)星影像及ASTER GDEM數(shù)據(jù)作為評價(jià)模型的基礎(chǔ)數(shù)據(jù)。其中,QuickBird衛(wèi)星影像用于提取滑坡易發(fā)性評價(jià)因子與歷史滑坡區(qū)的解譯,其分辨率為全色0.61 m,多光譜2.44 m。考慮到研究區(qū)內(nèi)的地形起伏較大,先對QuickBird影像進(jìn)行幾何糾正與空間配準(zhǔn),以消除影像上存在的幾何畸變; 然后對QuickBird衛(wèi)星的多光譜與全色波段進(jìn)行融合處理,以提高QuickBird影像的空間分辨率的同時(shí)保留其多光譜特性。在此基礎(chǔ)上,利用處理后QuickBird影像提取出植被指數(shù)、地表覆蓋等多種評價(jià)因子; 然后對QuickBird影像進(jìn)行滑坡遙感解譯,以得到研究區(qū)的歷史滑坡區(qū),并在此基礎(chǔ)上選擇訓(xùn)練樣本。圖4為研究區(qū)的歷史滑坡遙感解譯圖。

圖4 研究區(qū)歷史滑坡遙感解譯圖

Sentinel-1A衛(wèi)星影像用于提取研究區(qū)內(nèi)的坡面形變速率,作為后續(xù)滑坡易發(fā)性風(fēng)險(xiǎn)初始等級調(diào)整的依據(jù)。實(shí)驗(yàn)選擇覆蓋研究區(qū)范圍的37景2018年1月—2020年6月的Sentinel-1A升軌影像,影像的成像方式為干涉寬幅模式,選用VV極化方式的影像進(jìn)行干涉處理,并利用精密軌道文件進(jìn)行軌道誤差校正,所用Sentinel-1A的影像信息如表3所示。

表3 Sentinel-1A 影像信息表

本文利用ENVI 5.3中的SARScape模塊,對上述Sentinel-1A影像進(jìn)行裁剪、配準(zhǔn)、干涉、去平、濾波、解纏及地理編碼等列干涉處理; 其中,所選擇的超級主影像日期為2018-05-14,所設(shè)置的時(shí)間基線閾值與最大空間基線閾值分別為120 d與5%,所利用的干涉相對數(shù)目為165,平均絕對時(shí)間基線與絕對空間基線分別為70 d與53.88 m; 在此基礎(chǔ)上,利用SBAS-InSAR方法得到研究區(qū)沿雷達(dá)視線方向的形變速率,結(jié)果如圖5所示。

圖5 研究區(qū)2018—2020年沿雷達(dá)視線方向形變速率分布圖

利用上述結(jié)果,結(jié)合Sentinel-1A衛(wèi)星成像信息及ASTER GDEM數(shù)據(jù),利用前文提及的轉(zhuǎn)換方法,將沿雷達(dá)視線方向的形變速率轉(zhuǎn)換為沿坡面方向的速率。由于斜坡面和雷達(dá)視線方向的夾角接近90°時(shí),會導(dǎo)致斜坡面形變速率值趨近無窮大,結(jié)合區(qū)域的實(shí)際情況與其他學(xué)者的研究經(jīng)驗(yàn)[24-25],本文將比例系數(shù)C的閾值固定為±0.3,即:

。

(6)

另外,考慮到斜坡體的形變應(yīng)沿著斜坡面向下運(yùn)動,只有形變速率為負(fù)值的形變點(diǎn)才能反應(yīng)斜坡體的實(shí)際形變狀態(tài),故剔除形變速率為正值的形變點(diǎn),從而得到研究區(qū)沿斜坡面的形變速率分布圖,結(jié)果如圖6所示。

圖6 研究區(qū)2018—2020年沿斜坡面方向形變速率分布圖

2.3 結(jié)果分析與討論

利用基于高分辨率QuickBird影像解譯的歷史滑坡區(qū)域,從中選取257個樣本點(diǎn)作為訓(xùn)練樣本,并從影像其他區(qū)域隨機(jī)選擇非滑坡點(diǎn),二者比例保持1∶1,提取出各樣本點(diǎn)的評價(jià)因子數(shù)據(jù)作為隨機(jī)森林模型的訓(xùn)練樣本。本文利用隨機(jī)森林算法得到的研究區(qū)滑坡易發(fā)性初始評價(jià)分區(qū)圖如圖7所示。

圖7 研究區(qū)滑坡易發(fā)性初始評價(jià)分區(qū)圖

對比圖6與圖7可知,部分形變速率較大的區(qū)域被劃分為低易發(fā)區(qū),而長時(shí)間存在形變的區(qū)域往往發(fā)生滑坡的風(fēng)險(xiǎn)較高,因此僅考慮高程、坡度、坡向等地面靜態(tài)因子對研究區(qū)的滑坡易發(fā)性進(jìn)行評價(jià),會導(dǎo)致評價(jià)結(jié)果的可靠性不高,與區(qū)域?qū)嶋H情況存在較大差異。為此,本文利用圖6所示的斜坡面方向的形變速率對圖7的滑坡易發(fā)性風(fēng)險(xiǎn)初始等級進(jìn)行修正,得到最終的滑坡易發(fā)性評價(jià)分區(qū)圖,結(jié)果如圖8所示。經(jīng)統(tǒng)計(jì),圖8所示的滑坡易發(fā)性評價(jià)分區(qū)圖中,極高易發(fā)區(qū)、高易發(fā)區(qū)、中易發(fā)區(qū)及低易發(fā)區(qū)的面積占比分別為7.73%,13.67%,20.34%和58.26%,其中高易發(fā)區(qū)及極高易發(fā)區(qū)占比超過20%,表明研究區(qū)內(nèi)大片區(qū)域受到滑坡的潛在威脅。通過前文解譯的歷史滑坡區(qū)可知,大部分滑坡區(qū)位于黃河峽谷及黃河兩岸,與圖7所示的高易發(fā)區(qū)、極高易發(fā)區(qū)的分布基本一致。此外,選取部分重點(diǎn)區(qū)域,將形變速率圖、初始評價(jià)分區(qū)圖與最終的評價(jià)分區(qū)圖進(jìn)行對比分析,以驗(yàn)證本文方法的有效性,對比圖見圖9。

圖8 研究區(qū)滑坡易發(fā)性評價(jià)分區(qū)圖

(a) 形變速率圖 (b) 滑坡易發(fā)性初始評價(jià)分區(qū)圖 (c) 結(jié)合形變特征的易發(fā)性評價(jià)分區(qū)圖

由圖9(a)可知,該區(qū)域存在大量形變速率較高的區(qū)域,其中A和B區(qū)域形變速率最高,具有較大的滑坡潛在風(fēng)險(xiǎn),應(yīng)具有極高的易發(fā)性風(fēng)險(xiǎn)等級; C,D,E區(qū)域也存在明顯形變,應(yīng)具有較高的易發(fā)性風(fēng)險(xiǎn)等級。但圖9(b)所示的初始評價(jià)分區(qū)圖將上述區(qū)域主要劃分為低易發(fā)區(qū),少量區(qū)域劃分為中易發(fā)區(qū)與高易發(fā)區(qū),與研究區(qū)形變速率較高的現(xiàn)狀不符,而圖9(c)所示的結(jié)合形變特征的評價(jià)分區(qū)圖將上述區(qū)域主要劃分為極高易發(fā)區(qū)與高易發(fā)區(qū),與研究區(qū)的實(shí)際狀況一致。對比分析結(jié)果表明,僅利用地表靜態(tài)因子得到的滑坡易發(fā)性評價(jià)分區(qū)圖精度有限,增加利用地表形變特征可顯著提高評價(jià)結(jié)果的準(zhǔn)確性與實(shí)用性。

頻率比是指滑坡易發(fā)性等級內(nèi)滑坡樣本分級占比與易發(fā)性分級面積占比的比值,可用于定量評價(jià)滑坡易發(fā)性分級的準(zhǔn)確性[26-27]。為進(jìn)一步驗(yàn)證本文方法的準(zhǔn)確性,利用研究區(qū)的歷史滑坡遙感解譯圖,采用頻率比檢驗(yàn)的方式,對所得到的滑坡易發(fā)性評價(jià)分區(qū)圖進(jìn)行定量評價(jià),評價(jià)結(jié)果如表4所示。

表4 滑坡易發(fā)性評價(jià)精度統(tǒng)計(jì)表

由表4可知,上述2種方式所得到的滑坡易發(fā)性評價(jià)分區(qū)圖中,高易發(fā)區(qū)與極高易發(fā)區(qū)的分級面積占比均不超過研究區(qū)總面積的22%,但卻分布有 37%以上的滑坡樣本,遠(yuǎn)超過其他易發(fā)區(qū)等級,且頻率比值從低易發(fā)區(qū)到極高易發(fā)區(qū)均顯著增大,極高易發(fā)區(qū)頻率比值也遠(yuǎn)大于其他易發(fā)性等級,表明上述2種方式能有效地評價(jià)研究區(qū)的滑坡易發(fā)性。

利用形變特征對滑坡易發(fā)性初始評級結(jié)果進(jìn)行修正后,有26.73%的滑坡樣本分布于極高易發(fā)區(qū),22.28%的滑坡樣本分布于高易發(fā)區(qū),均高于初始分級圖中的21.88%與15.18%,改正后分區(qū)圖中的極高易發(fā)區(qū)的面積占比從6.99%提高到7.73%,頻率比值從3.130 2提高到3.458 0,精度提升明顯,表明增加利用地表形變特征可顯著提高評價(jià)結(jié)果的準(zhǔn)確性,尤其是具有較高風(fēng)險(xiǎn)等級的區(qū)域。修正后的分區(qū)圖中低易發(fā)區(qū)的滑坡樣本比例也顯著降低,頻率比值從0.749 1降低到0.555 6,但仍有32.37%的滑坡樣本區(qū)域位于低風(fēng)險(xiǎn)區(qū),這主要是由于使用的DEM數(shù)據(jù)精度與分辨率不高及滑坡樣本點(diǎn)包含部分處于穩(wěn)定狀態(tài)的古滑坡所造成。總的來說,本方法得到的滑坡易發(fā)性評價(jià)分區(qū)圖與研究區(qū)實(shí)際情況基本一致,驗(yàn)證了本文聯(lián)合光學(xué)和SAR遙感影像對山區(qū)公路走廊進(jìn)行滑坡易發(fā)性評價(jià)的有效性。

3 結(jié)論與展望

本文采用聯(lián)合光學(xué)和SAR遙感影像進(jìn)行山區(qū)公路滑坡易發(fā)性評價(jià)的方法,準(zhǔn)確提取了多種靜態(tài)與動態(tài)滑坡災(zāi)害因子; 基于隨機(jī)森林算法綜合利用地質(zhì)、水文、地形地貌及地表覆蓋等多種因子,實(shí)現(xiàn)了滑坡易發(fā)性風(fēng)險(xiǎn)初始等級的快速評估; 利用SABS-InSAR技術(shù)獲取的地表形變因子,對滑坡易發(fā)性風(fēng)險(xiǎn)初始等級進(jìn)行精準(zhǔn)修正,并有效開展艱險(xiǎn)山區(qū)公路走廊范圍內(nèi)的滑坡易發(fā)性評價(jià)工作。通過在青海省沿黃公路隆務(wù)峽至公伯峽段中的應(yīng)用實(shí)踐,表明本文方法可快速準(zhǔn)確地得到山區(qū)公路走廊范圍內(nèi)的滑坡危險(xiǎn)性評價(jià)分區(qū)圖,適用于山區(qū)公路遙感地質(zhì)勘察,可為后續(xù)公路地質(zhì)選線提供數(shù)據(jù)參考。

但是,本文提出的滑坡易發(fā)性評價(jià)方法仍存在以下不足: ①滑坡樣本需人工選擇,影響工作效率與評價(jià)精度; ②采用的DEM數(shù)據(jù)精度與分辨率有限,降低了滑坡易發(fā)性評價(jià)分區(qū)圖的準(zhǔn)確性。因此,下一步工作應(yīng)改進(jìn)滑坡易發(fā)性評價(jià)算法,減少人工干預(yù),采用高精度的DEM數(shù)據(jù),提高滑坡易發(fā)性評價(jià)工作的效率與準(zhǔn)確性。