基于SBAS-InSAR的黄土滑坡监测和易发性评价

作     者：唐维厘 

作者单位：中国地质大学(北京) 

学位级别：硕士

导师姓名：彭军还;赵春

授予年度：2021年

学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程] 

主      题：SBAS-InSAR技术 滑坡特点分析 信息熵 皮尔森 滑坡易发性 

摘      要：本文采用SBAS-In SAR技术针对陕西、甘肃的黄土区域,收集2017年3月17号到2020年6月29号的SAR数据开展时序地表形变监测,分析该监测结果并对滑坡的易发性采用逻辑回归模型预测。以下为本次研究得出的结果:1.计算了2017年3月17号到2020年6月29号陕甘黄土区域的地表形变速率和地表累计形变量,并划分滑坡灾害点。本文采用地表形变速率-25mm/y和累计形变量-50mm作为形变聚集区阈值,将形变量小于该阈值的地区划分为形变聚集区。将符合形变阈值、滑坡特征且有威胁对象的形变聚集区划分为滑坡灾害点。在实验中共监测出419处滑坡等地质灾害点。其中老滑坡359处,新滑坡54处,斜坡2处,崩塌4处。2.选取了三个典型的滑坡,分析其变形规律。获取三处滑坡的累计形变量并绘制时序折线图,对形变突变处计算其形变速度,通过比较不同区域的速度差异分析可得三处滑坡符合牵引式滑坡、推移式滑坡和有特殊变化的滑坡。结合相同时间对应区域发生的人类、自然环境变化得出人类活动和突发暴雨是滑坡沉降量突变的主要原因。3.引入距离公路的距离、距离河流的距离、坡度、坡向、高程、曲率、归一化水体指数(MNDWI)、归一化植被指数(NDVI)共8个致灾因子,并通过进一步分析判断剔除非重要和冗余因子。通过信息熵计算各影响因子的信息量值,以0.6为阈值筛选出信息含量对滑坡贡献率大的易发性评价指标因子,剔除了距离河流的距离;再通过皮尔森相关性计算剩余6个影响因子之间的相关性系数,在相关性系数大于0.6的影响因子组合中保留信息熵较值大的因子,故保留MNDWI剔除NDVI。4.采用逻辑回归模型预测滑坡易发性。统计了214个滑坡及其六个易发性指标因子并随机产生200个非滑坡数据共同组成样本点数据,将其中80%作为逻辑回归模型的训练集,20%作为测试集。计算各评价指标的滑坡易发性模型贡献率即待定系数,得出归一化水体指数的贡献率最高,达到18.19,是影响滑坡发生最重要的指标因子。逻辑回归模型的滑坡预测率精度经受试者工作曲线(ROC)检验达到0.855的高预测率。