基于MTI技术的岷江流域滑坡识别研究

摘要

在我国广袤的西部地区，受云、雨、交通等的影响，滑坡的现场观测比较困难。为了克服这些缺陷，本文以ENVISAT ASAR影像为数据源，探讨基于斯坦福永久散射体及多时相干涉(Stanford Method for Persistent Scatterers/Multi-Temporal Interferometry，StaMPS/MTI)技术进行滑坡识别的理论与方法，以岷江流域作为研究区，分析相干点(Coherent Target，CT)的空间分布规律，建立滑坡识别模型，并对滑坡识别的结果进行验证。本文的主要成果与结论如下:
　　(1)升轨和降轨数据获取的CT点的空间分布具有明显的差异，分别更适合东向坡和西向坡的观测。结合SAR成像几何和地形特征划分“CT可见性分区”，结果显示:CT点的密度与可见性分区具有较好的一致性;在单一升降轨条件下，CT点无法覆盖整个研究区，大约有40％的区域为“不可见”区，即雷达盲区。
　　(2)以SAR影像和土地利用数据为基础，分析典型滑坡的干涉特性。与草地、林地、水域、居民地、耕地相比，滑坡具有较低的后向散射强度，在相干系数差值图(cc35-cc70)上表现为高值，结合35天相干系数图，通过合理的阈值设置，建立滑坡识别模型。
　　(3)将斜坡单元与MTI形变速率图叠加划分“CT均质区”，剔除不满足滑坡发生条件的区域得到“潜在滑坡区”，结合滑坡识别模型及后向散射图进行滑坡识别与边界确定，在岷江流域437.92km2的范围内共识别出18个潜在滑坡。
　　(4)精度验证得出以下结论:①基于不同轨道SAR影像的交叉验证显示，本文所提出的“CT均质区滑坡识别方法”具有一定的普适性，滑坡识别模型在不同轨道的SAR影像上都是适用的;②基于光学影像的滑坡形态验证表明，本文识别出来的18个潜在滑坡中，有13个为真实的滑坡，其余的5处形变由危岩体的自身运动引起;③基于历史滑坡点的空间验证说明，本文方法可以识别出1/3的已知滑坡，有3个新滑坡被识别出来，而滑坡处于雷达盲区、滑坡处于休眠状态、CT点密度低是部分滑坡无法被识别出来的原因。

目录

声明

论文说明

摘要

图目录

表目录

第1章 绪论

1．1 选题背景与研究意义

1．2 国内外研究进展

1．2．1 基于光学影像的滑坡研究

1．2．2 基于InSAR技术的滑坡研究

1．2．3 小结

1．3 研究目标与研究内容

1．3．1 研究目标

1．3．2 研究内容

1．4 技术路线

第2章 StaMPS MTI技术滑坡识别的理论基础

2．1 StaMPS MTI技术的原理

2．1．1 主影像选取

2．1．2 配准

2．1．3 干涉相位计算

2．1．4 差分干涉图生成

2．1．5 相干点(CT)的选取

2．1．6 形变相位分离

2．2 StaMPS MTI技术的数据处理流程

2．3 滑坡运动速率分级体系

第3章 研究区概况与数据处理

3．1 研究区概况

3．2 数据源

3．3 滑坡成灾背景

3．4 SAR影像处理

3．4．1 基于降轨ASAR影像的MTI分析

3．4．2 基于升轨ASAR影像的MTI分析

3．5 CT点可见性分析

第4章 基于CT均质区的滑坡识别方法

4．1 典型滑坡SAR影像干涉特性分析

4．1．1 滑坡后向散射特性分析

4．1．2 滑坡相干性分析

4．1．3 滑坡CT点位移特征分析

4．2 典型滑坡光学影像形态特征分析

4．2．1 滑坡遥感影像特征

4．2．2 滑坡遥感识别标志

4．3 CT均质区滑坡识别方法

4．3．1 斜坡单元划分

4．3．2 CT均质区与潜在滑坡区识别

4．3．3 滑坡识别模型建立

4．4 岷江流域滑坡识别研究

4．5 精度验证与分析

4．5．1 SAR影像交互验证

4．5．2 滑坡识别的形态验证

4．5．3 滑坡识别的空间验证

第5章 结论与展望

5．1 研究结论

5．2 论文特色

5．3 展望

参考文献

致谢