联合SBAS-InSAR和PSO-BP算法的高山峡谷区地质灾害危险性评价

• Published in: 农业工程学报 Vol. 37; no. 23; pp. 108 - 116
• Main Authors: 周定义, 左小清, 喜文飞, 肖波, 游洪
• Format: Journal Article
• Language: Chinese
• Published: 昆明理工大学国土资源工程学院,昆明 650093%昆明理工大学国土资源工程学院,昆明 650093 01.12.2021; 云南师范大学地理学部,昆明 650500%昆明理工大学国土资源工程学院,昆明 650093; 云南交通职业技术学院公路学院,昆明 650500
• Subjects: 地质灾害;算法;SBAS-InSAR;PSO-BP;危险性评价;高山峡谷区;东川
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2021.23.013

P208; 近年来,高山峡谷区地质灾害频频发生,给人民生命和财产安全带来严重威胁.针对现有地质灾害评价方法存在地质灾害数据时效性差、不准确以及需进行大量评价因子权值计算等弊端,该研究提出一种联合SBAS-InSAR(Small Baseline Subsets-Interferometric Synthetic Aperture Radar)和PSO-BP(Particle Swarm Optimization-Back Propagation)算法来对高山峡谷区地质灾害危险性进行评价的方法.首先利用SBAS-InSAR技术获取得到研究区升降轨形变量,引入高分辨率影像等作为辅助识别,得到研究区地质灾害数据;然后,选取高程、坡度、升降形变速率等12个评价因子与是否为高危险区构建PSO-BP模型,对模型进行训练、验证并保存模型;利用保存好的模型得到研究区的地质灾害指数,通过ArcGIS自然间断点分级法结合专家参与进行危险性分级,最终得到研究区地质灾害危险性评价结果.试验结果表明:利用升降轨结合的方式对高山峡谷地质灾害进行识别,避免了单一轨道存在SAR成像几何畸变造成部分地质灾害不能识别或识别结果不全面等问题;利用SBAS-InSAR技术并结合高分辨率影像等辅助信息,可有效识别出活跃的泥石流、滑坡、崩塌和潜在地质灾害,解决了现有地质灾害点数据源时效性差、不准确等弊端;利用PSO-BP算法能跳过大量评价因子权值计算等弊端;为验证该研究方法的有效性,选择信息量法和组合赋权法进行定量和定性比较,结果表明,该研究方法有效的提高了地质灾害危险性评价的准确度,信息量法、组合赋权法和该研究方法的AUC(Area Under The Curve)值分别为0.694、0.721、0.785,准确率为73.3％、76.2％、79.8％.利用该方法能更为有效的对高山峡谷区地质灾害进行危险性评价,为防灾减灾事业及政府部门决策提供参考.