基于谷歌地球引擎和Sentinel-2时序数据的海地多云地区地震滑坡识别

作     者：齐文文 许冲 乔月霞 Qi Wenwen;Xu Chong;Qiao Yuexia

作者机构：应急管理部国家自然灾害防治研究院北京100085 复合链生自然灾害动力学应急管理部重点实验室北京100085 航天科工海鹰集团有限公司北京100070 

出 版 物：《地震学报》 (Acta Seismologica Sinica)

年 卷 期：2024年第46卷第4期

页      面：633-648页

核心收录：

学科分类：0709[理学-地质学] 070801[理学-固体地球物理学] 07[理学] 070901[理学-矿物学、岩石学、矿床学] 08[工学] 0818[工学-地质资源与地质工程] 0708[理学-地球物理学] 

基　　金：应急管理部国家自然灾害防治研究院基本科研业务费专项(ZDJ2021-12 ZDJ2020-14)资助 

主　　题：地震滑坡 遥感 滑坡识别 谷歌地球引擎 海地地震 

摘      要：受云雾影响,强震震后的高分辨率光学影像质量较低,限制了震后地震滑坡调查和评估工作的开展。本文以2021年8月14日海地尼普斯(Nippes)MW7.2地震附近区域为研究区,基于谷歌地球引擎(Google Earth Engine)云平台和Sentinel-2时间序列影像,提出了一种遥感序列影像去云和地震滑坡识别的方法。首先,利用Sentinel-2遥感影像及机器学习算法获取的Sentinel-2云概率数据产品,对长时间序列遥感影像进行去云处理,镶嵌融合得到无云的影像数据;然后对无云光学影像进行多尺度最优分割,利用遥感数据的光谱特征、植被指数、不同类别的空间邻近关系特征等,构建了面向对象的地震滑坡识别模型。结果显示,本文提出的去云和滑坡识别方法有益于多云地区强震震后滑坡空间分布的准确识别,能够为灾后应急调查和评估提供技术支撑。