基于多源高分影像的滑坡危险性快速预测方法

摘要

如何行之有效地利用高分辨率遥感影像开展滑坡危险性评估和预测是当前国内滑坡灾害区划工作中亟待解决的关键技术问题.本项研究以云南永胜、宾川县地区的滑坡危险性预测为案例,利用Google Earth的17、18级影像、SPOT-5影像以及实地调查获取了615个滑坡,通过RapidEye、ASTER GDEM提取了高精度DEM,并结合研究区地质图等资料获取了9个滑坡影响因子(断层、水系、岩性、NDVI、坡度、坡向、地形起伏度、地表粗糙度、高程).采用PSO算法优化RBF神经网络的学习算法,开发了以PSO-RBF神经网络为核心的滑坡危险性快速预测程序,程序通过对滑坡及其影响因子数据组成的TIN训练样本集的计算,自动化地获得了研究区滑坡危险性的预测结果,结果经BP神经网络对比和ROC曲线评价显示效果良好.