Sentinel1-A数据应用在信息法地质模型的滑坡易发性分析
唐志文

江西理工大学土木与测绘工程学院，江西赣州，341000；

摘要：滑坡是赣南地区最为严重的自然灾害之一，多云多雨与地质复杂也对滑坡易发性的准确性与实时性提出了很高要求。结合差分干涉测量短基线集时序分析技术（SBAS-INSAR）以斜坡单元为对象，选取9个影响因子，基于信息量法与层次分析法进行了滑坡易发性分析，同时与缺少微波雷达数据进行对比探讨在赣南区域特征下微波动态数据对于滑坡易发性的贡献，以中国江西省寻乌县为例，结果表明，引入SBAS-INSAR处理后的地表形变作为影响因子后，斜坡单元加权信息量模型（S-WIV）与斜坡单元信息量（S-IV）模型下的ROC曲线下的面积分别增长1%与1.7%，其中含有地表形变因子的S-WIV模型下的ROC曲线面积最大值为71.8%，因此本研究为赣南地区滑坡易发性结合微波数据的有效性提供一定参考，在结合微波数据方式上也提供了一定的新想法。

关键字：滑坡易发性；斜坡单元；加权层次分析；SBAS-INSAR；地表形变；赣南地区

参考文献

[1]铁永波,徐勇,张勇,魏云杰,杨秀元,张泰丽,谭建民.南方山地丘陵区地质灾害调查工程主要进展与成果[J].中国地质调查,2020,7(02):1-12.DOI:10.19388/j.zgdzdc.2020.02.01.

[2]许强,朱星,李为乐,董秀军,戴可人,蒋亚楠,陆会燕,郭晨.“天-空-地”协同滑坡监测技术进展[J].测绘学报,2022,51(07):1416-1436.

[3]邵芸,张茗,谢酬.地质灾害遥感综合监测现状与展望[J].地质与资源,2022,31(03):381-394.DOI:10.13686/j.cnki.dzyzy.2022.03.014.

[4]Tyagi A, Tiwari R K, James N. A review on spatial, temporal and magnitude prediction of landslide hazard[J]. Journal of Asian Earth Sciences: X, 2022: 100099.

[5]刘海知,徐辉,包红军,徐为,闫旭峰,鲁恒,徐成鹏.机器学习分类算法在降雨型滑坡预报中的应用[J].应用气象学报,2022,33(03):282-292.

[6]葛大庆, 戴可人, 郭兆成, 等. 重大地质灾害隐患早期识别中综合遥感应用的思考与建议[J]. 武汉大学学报(信息科学版), 2019, 44(7): 949-956.

[7]陆会燕,李为乐,许强,董秀军,代聪,王栋. 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(09):1342-1354.

[8]许强, 董秀军,李为乐.基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报·信息科学版, 2019, 44(7): 957-966.

[9]Dong J,Liao M,Xu Q,et al.Detection and Displacement Characterization of Landslides Using Multi-temporal Satellite SAR Interferometry:A Case Study of Danba County in the Dadu River Basin[J].Engineering Geology,2018,240:95-109.

[10]Wasowski J ,Bovenga F. Investigating landslides and unstable slopes with satellite multi temporal interferometry: Current issues and future perspectives[J]. Engineering geology, 2014,174: 103-138.