Please wait a minute...
 
自然资源遥感  2023, Vol. 35 Issue (4): 122-129    DOI: 10.6046/zrzyyg.2022292
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
基于多源异构数据斜坡地质灾害隐患易发性评价——以深圳市龙岗区为例
王宁1(), 姜德才1,2,3, 郑向向1,2,4, 钟昶1,5()
1.中国自然资源航空物探遥感中心,北京 100083
2.中国科学院大学,北京 100049
3.中国科学院西北生态环境资源研究院,兰州 730000
4.中国科学院空天信息创新研究院,北京 100094
5.国防科技大学智能科学学院,长沙 410073
Assessing the susceptibility of slope geological hazards based on multi-source heterogeneous data: A case study of Longgang District, Shenzhen City
WANG Ning1(), JIANG Decai1,2,3, ZHENG Xiangxiang1,2,4, ZHONG Chang1,5()
1. China Aero Geophysical Survey and Remote Sensing Center for Natural Resources, Beijing 100083, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
3. Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000,China
4. Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China
5. College of Intelligence Science and Technology,National University of Defense Technology, Changsha 410073, China
全文: PDF(5686 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

为摸清深圳市龙岗区斜坡地质灾害隐患底数,查明该地区灾害易发区域分布情况,以多源遥感卫星数据为基础,利用地质灾害解译平台,采用专家判读方法解译斜坡地质灾害隐患,并采用野外验证与百度街景数据相结合的方式对部分解译隐患进行验证。最后利用信息量法,以坡高、坡度、降雨量、地表岩性和土地覆被等为评价因子,获得龙岗区斜坡地质灾害隐患易发区分布情况; 同时利用已发地质灾害点与易发性评价结果进行叠加分析。结果显示评价结果与已发灾害点分布完全吻合,说明该方法在斜坡地质灾害易发性评价的有效性,同时也侧面证明了遥感解译斜坡地质灾害隐患的准确性。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
王宁
姜德才
郑向向
钟昶
关键词 ： 地质灾害隐患识别,  时序InSAR,  易发性评价,  信息量模型    
Abstract：

This study aims to investigate the fundamental facts concerning slope geological hazards in Longgang District, Shenzhen City, as well as the distributions of disaster-prone zones in the district. Based on the multi-source remote sensing satellite data, this study interpreted the slope geological hazards using the expert interpretation method on a geological hazard interpretation platform. Furthermore, some interpreted geological hazards were verified through field verification combined with Baidu Street View data. Finally, the distributions of zones susceptible to slope geological hazards in Longgang District were determined using the information value method, with the slope height, slope gradient, rainfall, surface lithology, and land cover as assessment factors. Additionally, existing geological hazard sites were superimposed with the susceptibility assessment results for analysis, yielding completely consistent results. This confirms the effectiveness of the method used in this study for assessing the susceptibility of slope geological hazards, as well as the accuracy of remote sensing interpretation of slope geological hazards.
Key words： identification of geological hazards    time-series InSAR    susceptibility assessment    information value model
收稿日期: 2022-07-27      出版日期: 2023-12-21
ZTFLH:  TP79  
基金资助:中国地质调查局项目“基础地质遥感调查”(DD20230011);自然资源部航空地球物理与遥感地质重点实验室课题“基于深度学习的黄河源区岩屑坡提取及成因机理研究”(2023YFL25)
通讯作者: 钟昶(1988-),硕士,教授级高级工程师,研究方向为遥感卫星地质应用。Email: 415440331@qq.com。
作者简介: 王宁(1988-),硕士,高级工程师,研究方向为航空物探遥感数据处理与应用。Email: Ning.-Wang@163.com。
引用本文:   
王宁, 姜德才, 郑向向, 钟昶. 基于多源异构数据斜坡地质灾害隐患易发性评价——以深圳市龙岗区为例[J]. 自然资源遥感, 2023, 35(4): 122-129.
WANG Ning, JIANG Decai, ZHENG Xiangxiang, ZHONG Chang. Assessing the susceptibility of slope geological hazards based on multi-source heterogeneous data: A case study of Longgang District, Shenzhen City. Remote Sensing for Natural Resources, 2023, 35(4): 122-129.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/zrzyyg.2022292      或      https://www.gtzyyg.com/CN/Y2023/V35/I4/122
Fig.1  斜坡地质灾害隐患易发性评价技术路线
序号 类型 光学影像特征
1 滑坡 影像上表现为圈椅状地形、双沟同源、坡体后部出现平台洼地,与周围河流阶地、构造平台或与风化差异平台不一致的大平台地形,“大肚子”斜坡、不正常河流弯道等
2 崩塌 影像上一般呈现白色调或者浅色调,在崩塌体上部色调较亮,下部亮度稍微较暗;对于新发生的崩塌,呈现出新鲜的结构面,对光谱具有加强的反射能力,使得影像呈浅色调
3 泥石流 影像具有树枝状、痕状冲沟,植被镶嵌其中,呈条状或者零星状,真彩色影像中颜色为绿、紫红相间,绿色植被部分似突起的“山脊”
4 不稳定斜坡 无明显特征,主要参考InSAR形变监测数据
Tab.1  地质灾害光学影像特征
Fig.2  SBAS-InSAR处理过程
传感器名称 成像模式 轨道方向 波长/cm 分辨率(Az×Rg)①/m 入射角/(°) 获取日期
Sentinel-1A TOPS模式 升轨 5.6 13.9×3.7 38.94 20181016—20191210
20190812—20200830
Tab.2  Sentinel-1A数据集基本参数
Fig.3  地表形变InSAR监测及斜坡地质隐患解译结果
Fig.4  斜坡地质灾害隐患解译平台
Fig.5  光学遥感解译斜坡地质灾害隐患分布
Fig.6  斜坡地质灾害隐患街景验证
Fig.7  斜坡地质灾害隐患野外验证
坡高分档/m 面积/ km2 隐患点数/个 信息量值 坡度分档/度 面积/km2 隐患点数/个 信息量值
[0,30] 130.51 2 -2.57 [0,5] 148.07 3 -1.60
(30,50] 188.85 7 -1.15 (5,10] 104.88 10 -0.15
(50,70] 43.11 13 1.01 (10,15] 55.70 12 0.67
(70,100] 10.87 12 2.31 (15,20] 39.50 9 0.70
(100,120] 5.09 6 2.46 (20,25] 22.26 6 0.80
>120 10.07 3 1.08 (25,30] 11.60 2 0.54
土地覆被 面积/km2 隐患点数/个 信息量值 (30, 90) 6.46 1 0.43
耕地 2.93 2 1.88 地表岩性 面积/km2 隐患点数/个 信息量值
林地 69.68 13 0.51 土体 99.67 8 -0.35
草地 18.75 6 0.72 坚硬的块状岩组 83.52 3 -1.02
灌木林 60.51 5 -0.44 坚硬的层状岩组 8.04 3 0.90
人造地表 226.15 17 -0.31 坚硬的碎屑岩岩组 41.76 2 -1.43
水体 — — -1.50 较坚硬的块状岩组 73.87 18 0.82
降雨量/mm 面积/km2 隐患点数/个 信息量值 较坚硬的碎屑岩岩组 68.19 9 0.27
[1 588, 1 732] 23.59 1 -0.86 较软的块状岩组 2.03 0 -1.50
(1 732, 1 808] 93.58 7 -0.45 较软的层状岩组 3.77 0 -1.50
(1 808, 1 872] 111.14 10 -0.21 较软的碎屑岩岩组 6.85 0 -1.50
(1 872, 1 946] 135.93 17 0.15
(1 946, 2 071] 23.54 8 1.08
Tab.3  信息量计算结果
Fig.8  斜坡地质灾害隐患易发性评价结果
低易发区 中易发区 高易发区 极高易发区 总计
已发灾害
数量/个		 1 8 26 4 39
面积/km2 136.53 107.07 129.50 17.55 390.65
面积占
比/%		 34.95 27.41 33.15 4.49 100
Tab.4  易发区面积及已发灾害分布统计
Fig.9  斜坡地质灾害隐患易发区分布
[1] 吴志斌. 深圳龙岗区突发性地质灾害成因浅析[J]. 中国水运(理论版), 2006(2):104-105.
Wu Z B. Analysis on the causes of sudden geological disasters in Longgang District,Shenzhen[J]. China Water Transport(Theory Edition), 2006(2):104-105.
[2] 熊金安, 汪磊. 深圳斜坡类地质灾害特征及成因分析[J]. 地质灾害与环境保护, 2013, 24(3):70-75.
Xing J A, Wang L. Characteristics and causes of slope geo-hazards in Shenzhen[J]. Journal of Geological Hazards and Environment Preservation, 2013, 24(3):70-75.
[3] 姚玲, 雷呈斌, 王明龙, 等. 基于RS和GIS技术的深圳市斜坡类地质灾害易发程度评价[J]. 河南理工大学学报(自然科学版), 2017, 36(3):66-72.
Yao L, Lei C B, Wang M L, et al. Evaluation of the susceptibility of slope disasters in Shenzhen City based on RS and GIS technique[J]. Journal of Henan Polytechnic University(Natural Science), 2017, 36(3):66-72.
[4] 薛强, 张茂省, 李林. 基于斜坡单元与信息量法结合的宝塔区黄土滑坡易发性评价[J]. 地质通报, 2015, 34(11):2108-2115.
Xue Q, Zhang M S, Li L. Loess landslide susceptibility evaluation based on slope unit and information value method in Baota District,Yan’an[J]. Geological Bulletin of China, 2015, 34(11):2108-2115.
[5] 张向营, 张春山, 孟华君, 等. 基于GIS和信息量模型的京张高铁滑坡易发性评价[J]. 地质力学学报, 2018, 24(1):96-105.
Zhang X Y, Zhang C S, Meng H J, et al. Landslide susceptibility assessment of new Jing-zhang high-speed railway based on GIS and information value model[J]. Journal of Geomechanics, 2018, 24(1):96-105.
[6] 邓辉, 何政伟, 陈晔, 等. 信息量模型在山地环境地质灾害危险性评价中的应用——以四川泸定县为例[J]. 自然灾害学报, 2014, 23(2):67-76.
Deng H, He Z W, Chen Y, et al. Application of information quantity model to hazard evaluation of geological disaster in mountainous region environment:A case study of Luding County,Sichuan Province[J]. Journal of Natural Disasters, 2014, 23(2):67-76.
[7] 杨根云, 周伟, 方教勇. 基于信息量模型和数据标准化的滑坡易发性评价[J]. 地球信息科学学报, 2018, 20(5):674-683.
doi: 10.12082/dqxxkx.2018.170535
Yang G Y, Zhou W, Fang J Y. Assessment of landslide susceptibility based on information quantity model and data normalization[J]. Journal of Geo-Information Science, 2018, 20(5):674-683.
[8] 王兵, 李爱军, 黄丽. 局域层次分析法(AHP)的地质灾害易发性评价研究[J]. 资源环境与工程, 2013, 27(2):179-183.
doi: 10.16536/j.cnki.issn.1671-1211.2013.02.014
Wang B, Li A J, Huang L. Evaluation of geological disasters susceptibility by local analytic hierarchy process (AHP)[J]. Resources Environment and Engineering, 2013, 27(2):179-183.
[9] 陈绪钰, 李明辉, 王德伟, 等. 基于GIS和信息量法的四川峨眉山市地质灾害易发性定量评价[J]. 沉积与特提斯地质, 2019, 39(4):100-112.
Chen X Y, Li M H, Wang D W, et al. Quantitative evalution of geohazards susceptibility based on GIS and information value model for Emeishan City,Sichuan[J]. Sedimentary Geology and Tethyan Geo-logy, 2019, 39(4):100-112.
[10] 文海家, 胡东萍, 王桂林. 汶川县地震滑坡易发性LR与NN评价比较研究[J]. 土木工程学报, 2014, 47(s1):17-23.
Wen H J, Hu D P, Wang G L. A comparative study on the susceptibility mapping of earthquake triggered landslide by neural network and logistic regression model,Wenchuan County[J]. China Civil Engineering Journal, 2014, 47(s1):17-23.
[11] 黄发明, 殷坤龙, 蒋水华, 等. 基于聚类分析和支持向量机的滑坡易发性评价[J]. 岩石力学与工程学报, 2018, 37(1):156-167.
Huang F M, Yin K L, Jiang S H, et al. Landslide susceptibility assessment based on clustering analysis and support vector machine[J]. Chinese Journal of Rock Mechanics and Engineering, 2018, 37(1):156-167.
[12] 自然资源部. FXPC/ZRZY P-01 地质灾害风险调查评价技术要求(1:50 000)[R]. 北京: 自然资源部, 2021.
Ministry of Natural Resources. FXPC/ZRZY P-01 Technical requirements for geological hazard risk investigation and evaluation(1∶50 000)[R]. Beijing: Ministry of Natural Resources, 2021.
[13] 童立强, 郭兆成. 典型滑坡遥感影像特征研究[J]. 国土资源遥感, 2013, 25(1): 86-92.doi:10.6046/gtzyyg.2013.01.16.
Tong L Q, Guo Z C. A study of remote sensing image features of typical landslides[J]. Remote Sensing for Land and Resources, 2013, 25(1):86-92.doi:10.6046/gtzyyg.2013.01.16.
[14] 张路, 廖明生, 董杰, 等. 基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例[J]. 武汉大学学报(信息科学版), 2018, 43(12):2039-2049.
Zhang L, Liao M S, Dong J, et al. Early detection of landslide hazards in mountainous areas of west China using time series SAR interferometry:A case study of Danba,Sichuan[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12):2039-2049.
[15] 苏晓军, 张毅, 贾俊, 等. 基于 InSAR 技术的秦岭南部略阳县潜在滑坡灾害识别研究[J]. 山地学报, 2021, 39(1): 59-70.
Su X J, Zhang Y, Jia J, et al. InSAR-based monitoring and identification of potential landslides in Lueyang County,the Southern Qinling Mountains,China[J]. Mountain Research, 2021, 39(1):59-70.
[16] 陆会燕, 李为乐, 许强, 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报(信息科学版), 2019, 44(9):1342-1354.
Lu H Y, Li W L, Xu Q, et al. Early detection of landslides in the upstream and downstream areas of the Baige landslide,the Jinsha River based on optical remote sensing and InSAR technologies[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9):1342-1354.
[17] Ferretti A, Prati C, Rocca F. Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5):2202-2212.
doi: 10.1109/36.868878
[18] Ferretti A, Prati C, Rocca F. Permanent scatterers in SAR interfero-metry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1):8-20.
doi: 10.1109/36.898661
[19] 姜德才, 郑向向, 王宁, 等. 时序InSAR技术在珠三角地区地质灾害隐患识别中的应用[J]. 自然资源遥感, 2023, 25(3):292-301.doi:10.6046/zrzyyg.2022190.
Jiang D C, Zheng X X, Wang N, et al. Application of time series InSAR technology in the identification of geological hazards in Pearl River Delta region[J]. Remote Sensing for Natural Resources, 2023, 25(3):292-301.doi:10.6046/zrzyyg.2022190.
[1] 余绍淮, 徐乔, 余飞. 联合光学和SAR遥感影像的山区公路滑坡易发性评价方法[J]. 自然资源遥感, 2023, 35(4): 81-89.
[2] 刘辉, 徐心月, 陈蜜, 陈富龙, 丁瑞力, 刘菲. 秦皇岛段明长城时序InSAR遥感动态监测[J]. 自然资源遥感, 2023, 35(2): 202-211.
[3] 董继红, 马志刚, 梁京涛, 刘彬, 赵聪, 曾帅, 鄢圣武, 马晓波. 基于时序InSAR技术的滑坡隐患识别对比研究[J]. 自然资源遥感, 2022, 34(3): 73-81.
[4] 凌晓, 刘甲美, 王涛, 朱月琴, 袁玲玲, 陈扬洋. 基于致灾因子对称法分级的信息量模型在地震滑坡危险性评价中的应用[J]. 国土资源遥感, 2021, 33(2): 172-181.
[5] 段俊斌, 彭鹏, 杨智, 刘乐. 基于ASTER数据的多金属成矿有利区预测[J]. 国土资源遥感, 2019, 31(3): 193-200.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发