联合ALOS-2和Sentinel-1的复杂山区潜在滑坡识别

doi:10.13474/j.cnki.11-2246.2026.0111

测绘通报 ›› 2026, Vol. 0 ›› Issue (1): 65-71.doi: 10.13474/j.cnki.11-2246.2026.0111

联合ALOS-2和Sentinel-1的复杂山区潜在滑坡识别

曹芮菡¹, 李新², 周定杰³, 喜文飞^1,4,5, 黄广才^6,7, 王瑞亭¹, 郭蓁¹

1. 云南师范大学地理学部, 云南昆明 650500;
2. 云南省地图院, 云南昆明 650500;
3. 云南省测绘工程院, 云南昆明 650500;
4. 云南省高原地理过程与环境变化重点实验室, 云南昆明 650500;
5. 云南省高校高烈度地震山区交通走廊工程地质病害早期快速判识与防控重点实验室, 云南昆明 650093;
6. 贵州省地质调查院, 贵州贵阳 550081;
7. 自然资源部基岩区矿产资源勘查工程技术创新中心, 贵州贵阳 550081

收稿日期:2025-01-21 发布日期:2026-02-03
通讯作者: 喜文飞。E-mail:wenfeixi@ynnu.edu.cn
作者简介:曹芮菡(2001—),女,硕士生,研究方向为InSAR滑坡灾害监测。E-mail:962672526@qq.com
基金资助:
云南省科技计划重点项目(202401AS070638);贵州省科技厅基础研究计划(自然科学类)(黔科合基础-ZK〔2023〕一般193);2025年度贵州省基础研究计划(自然科学)面上项目(黔科合基础-ZK〔2025〕面上 013);高层次科技人才及创新团队选拔专项(202305AS350003)

Identification of potential landslides in complex mountainous areas using combine ALOS-2 and Sentinel-1 data

CAO Ruihan¹, LI Xin², ZHOU Dingjie³, XI Wenfei^1,4,5, HUANG Guangcai^6,7, WANG Ruiting¹, GUO Zhen¹

1. Faculty of Geography, Yunnan Normal University, Kunming 650500, China;
2. Map Institute of Yunnan Province, Kunming 650500, China;
3. Surveying and Mapping Engineering Institute of Yunnan Province, Kunming 650500, China;
4. Key Laboratory of Highland Geographic Processes and Environmental Change in Yunnan Province, Kunming 650500, China;
5. Key Laboratory of Early Rapid Identification, Prevention and Control of Geological Diseases in Traffic Corridor of High Intensity Earthquake Mountainous Area of Yunnan Province, Kunming 650093, China;
6. Guizhou Institute of Geological Survey, Guiyang 550081, China;
7. Engineering Technology Innovation Center of Mineral Resources Explorations in Bedrock Zones, Minisity of Natural Resources, Guiyang 550081, China

Received:2025-01-21 Published:2026-02-03

摘要/Abstract

摘要： 滑坡灾害是一种严重的自然灾害,给人民生命财产安全和生态环境带来重大威胁。针对单一SAR数据识别潜在滑坡时不能较好地顾及空间和时间分辨率的问题,本文结合ALOS-2数据在一定植被覆盖度区域有较强穿透性、Sentinel-1数据具有较高的时间分辨率的特点,识别潜在滑坡灾害;并以贵州某复杂植被山区为例,利用SBAS-InSAR技术进行试验。结果表明,研究区ALOS-2和Sentinel-1数据的地表形变速率范围分别为-125.34～46.01和-159.42～124.44 mm/a;共识别出48处新增滑坡,两者的互补性显著提高了滑坡识别的空间覆盖度与适用性。本文为滑坡灾害的早期识别和防灾减灾提供了技术支持。

关键词: 滑坡灾害, 植被覆盖度, SBAS-InSAR, 复杂植被山区

Abstract: Landslide disasters are a severe natural hazard,posing significant threats to human life,property safety,and the ecological environment.The identification of potential landslides using a single SAR dataset often fails to adequately address the trade-off between spatial resolution and temporal resolution.This study integrates the strong penetration capability of ALOS-2 data in areas with moderate vegetation cover and the high temporal resolution of Sentinel-1 data to identify potential landslide hazards.Taking a complex vegetated mountainous region in Guizhou as a case study,the SBAS-InSAR technique is applied for experimentation.The results indicate that the surface deformation rates in the study area ranged from -125.34 to 46.01 mm/a for ALOS-2 data and from -159.42 to 124.44 mm/a for Sentinel-1 data.A total of 48 new landslide hazards are identified,with the complementary strengths of the two datasets significantly enhancing the spatial coverage and applicability of landslide identification.This study provides technical support for the early detection of landslide hazards and disaster prevention and mitigation efforts.

Key words: landslide disasters, fractional vegetation cover, SBAS-InSAR, complex vegetated mountainous areas

中图分类号:

P237

曹芮菡, 李新, 周定杰, 喜文飞, 黄广才, 王瑞亭, 郭蓁. 联合ALOS-2和Sentinel-1的复杂山区潜在滑坡识别[J]. 测绘通报, 2026, 0(1): 65-71.

CAO Ruihan, LI Xin, ZHOU Dingjie, XI Wenfei, HUANG Guangcai, WANG Ruiting, GUO Zhen. Identification of potential landslides in complex mountainous areas using combine ALOS-2 and Sentinel-1 data[J]. Bulletin of Surveying and Mapping, 2026, 0(1): 65-71.

参考文献

[1] 陈子进,吴斌,梅连友.全站仪坐标差分法在高边坡变形监测中的应用[J].重庆建筑大学学报,2005,27(3):130-134.
[2] 谭晴,吴希文,王华,等.基于光学遥感自适应偏移追踪技术的滑坡监测[J].广东工业大学学报,2025,42(1):107-113.
[3] 钱雨扬,杨泽发,吴立新,等.联合InSAR与坡向约束的露天矿边坡三维形变监测[J].测绘通报,2023(2):104-109.
[4] 邢明泽,左小清,张荐铭,等.基于SBAS-InSAR技术的西南山区滑坡稳定性监测[J].测绘通报,2024(2):63-68.
[5] 杨春宇,文艺,潘星,等.基于SBAS-InSAR的山体滑坡形变监测分析[J].测绘通报,2023(11):12-17.
[6] NOVELLINO A,CESARANO M,CAPPELLETTI P,et al.Slow-moving landslide risk assessment combining Machine Learning and InSAR techniques[J].Catena,2021,203:105317.
[7] 胡祥祥,明璐璐,吴涛,等.融合InSAR与信息量-层次分析耦合模型的西宁市地质灾害易发性评价[J].测绘通报,2023(12):51-56.
[8] 戴可人,铁永波,许强,等.高山峡谷区滑坡灾害隐患InSAR早期识别——以雅砻江中段为例[J].雷达学报,2020,9(3):554-568.
[9] LANARI R,MORA O,MANUNTA M,et al.A small-baseline approach for investigating deformations on full-resolution differential SAR interferograms[J].IEEE Transactions on Geoscience and Remote Sensing,2004,42(7):1377-1386.
[10] 张亚迪,李煜东,董杰,等.时序InSAR技术探测芒康地区滑坡灾害隐患[J].遥感学报,2019,23(5):987-996.
[11] BERARDINO P,FORNARO G,LANARI R,et al.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J].IEEE Transactions on Geoscience and Remote Sensing,2002,40(11):2375-2383.
[12] 李苗苗,吴炳方,颜长珍,等.密云水库上游植被覆盖度的遥感估算[J].资源科学,2004,26(4):153-159.
[13] 杨正荣,喜文飞,史正涛,等.复杂植被山区滑坡蠕变与植被覆盖度关系研究[J].测绘科学,2023,48(1):157-165.
[14] 戴可人,张乐乐,宋闯,等.青藏高原交通廊道沿线Sentinel-1影像几何畸变与升降轨适宜性定量分析[J].武汉大学学报(信息科学版),2021,46(10):1450-1460.
[15] NOTTI D,HERRERA G,BIANCHINI S,et al.A methodology for improving landslide PSI data analysis[J].International Journal of Remote Sensing,2014,35(6):2186-2214.
[16] 王金杰,赵安周,张兆江,等.2000—2018年京津冀地区植被净初级生产力时空演变及其驱动因素[J].生态科学,2021,40(1):103-111.
[17] 乔建平,吴彩燕,田宏岭.长江三峡库区云阳-巫山段斜坡坡度对滑坡的贡献率[J].山地学报,2007,25(2):207-211.
[18] 牛全福,冯尊斌,党星海,等.黄土区滑坡研究中地形因子的选取与适宜性分析[J].地球信息科学学报,2017,19(12):1584-1592.

联合ALOS-2和Sentinel-1的复杂山区潜在滑坡识别

Identification of potential landslides in complex mountainous areas using combine ALOS-2 and Sentinel-1 data

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	莫丹丹, 火久元. 基于SBAS-InSAR技术的喀喇昆仑公路盖孜河谷段形变监测与影响因子分析[J]. 测绘通报, 2025, 0(8): 32-42.
[2]	李若凡, 李勇发, 左小清, 黄成, 邢明泽, 李永宁, 张荐铭, 石超, 顾晓娜. 兰坪县InSAR形变监测与滑坡灾害早期识别[J]. 测绘通报, 2025, 0(7): 40-45.
[3]	余丰华, 刘正华, 黄丽, 周诗凯, 沈笛, 姚菊祥, 王亚男. 2000—2023年浙江省植被覆盖度时空演变及驱动力分析[J]. 测绘通报, 2025, 0(7): 110-117.
[4]	李文东, 叶禹, 李霞, 魏伟, 辛存林. 融合SBAS-InSAR形变与机器学习模型的滑坡易发性评价[J]. 测绘通报, 2025, 0(7): 126-131,146.
[5]	汪晨煜, 彭军还, 薛跃明, 李旭, 张炎. 融合InSAR与信息量-逻辑回归耦合模型的滑坡动态危险性评价[J]. 测绘通报, 2025, 0(6): 43-48.
[6]	王身丽, 刘毅, 韩昊, 杜勇. 联合SBAS-InSAR和DS-InSAR的特高压输电通道形变监测与预测[J]. 测绘通报, 2025, 0(6): 130-135,141.
[7]	杨洋, 贾洪果, 柏铮航, 刘宇辰. 联合机器学习与SBAS-InSAR的青藏高原冻土形变监测[J]. 测绘通报, 2025, 0(4): 45-50.
[8]	邵亚璇, 马晶, 韩莉莉, 姚冠宇. 基于SBAS-InSAR技术的地表沉降时间序列分析与预测[J]. 测绘通报, 2025, 0(4): 51-57,62.
[9]	尚依炜, 熊俊楠, 贾倩, 罗思远, 王启盛, 曹依帆. 融合升降轨SBAS-InSAR技术的冕宁县滑坡隐患识别与分析[J]. 测绘通报, 2025, 0(4): 58-62.
[10]	周天翔, 董景龙, 沈强. 基于SBAS-InSAR技术的济南市地铁沿线地表沉降时空分析[J]. 测绘通报, 2025, 0(4): 109-113.
[11]	彭毅博, 杨维芳, 闫香蓉, 高墨通, 侯宇豪, 张德龙. 基于SMA-CNN-GRU-Attention组合模型的矿区地表三维形变预测[J]. 测绘通报, 2025, 0(3): 8-14,20.
[12]	张昱鑫, 袁希平, 甘淑, 彭翔, 王松. 时序InSAR技术在矿区地表沉降监测与时空演化分析中的应用[J]. 测绘通报, 2025, 0(3): 15-20.
[13]	严胜航, 李素敏, 郭军, 宋昱霏, 沈显名. 基于多源遥感的巨型滑坡四维特征解译——以糯勒滑坡为例[J]. 测绘通报, 2025, 0(2): 48-52,63.
[14]	沈显名, 李素敏, 郭军, 毛嘉骐, 严胜航, 戴祚敏, 彭翔. 基于坡向约束的高寒矿区边坡InSAR三维形变分析[J]. 测绘通报, 2025, 0(2): 77-82.
[15]	李晓天, 詹远增, 周伟, 赵建雪, 吕燕妃, 施利涛, 冯存均. 国产L-SAR卫星在不同植被覆盖度下的干涉能力[J]. 测绘通报, 2025, 0(2): 132-136.