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

doi:10.13474/j.cnki.11-2246.2025.0608

测绘通报 ›› 2025, Vol. 0 ›› Issue (6): 43-48.doi: 10.13474/j.cnki.11-2246.2025.0608

• 学术研究 • 上一篇

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

汪晨煜¹, 彭军还¹, 薛跃明^1,2, 李旭¹, 张炎³

1. 中国地质大学(北京)土地科学技术学院, 北京 100083;
2. 中国地质环境监测院, 北京 100081;
3. 中国地质大学(武汉)信息工程学院, 湖北武汉 430074

收稿日期:2024-11-28 发布日期:2025-07-04
通讯作者: 彭军还。E-mail:pengjunhuan@163.com
作者简介:汪晨煜(2000—),男,硕士生,主要研究方向为InSAR技术与应用。E-mail:2112220022@email.cugb.edu.cn
基金资助:
国家自然科学基金(42074004);国家重点研发计划(2023YFC3007205);湖北省自然资源科技项目(ZRZY2024KJ07)

Landslide dynamic hazard assessment based on InSAR and information-logistic regression coupling model

WANG Chenyu¹, PENG Junhuan¹, XUE Yueming^1,2, LI Xu¹, ZHANG Yan³

1. School of Land Science and Technology, China University of Geosciences (Beijing), Beijing 100083, China;
2. China Institute of Geo-Environment Monitoring, Beijing 100081, China;
3. Faculty of Information Enginerring, China University of Geosciences (Wuhan), Wuhan 430074, China

Received:2024-11-28 Published:2025-07-04

摘要/Abstract

摘要： 针对当前不同滑坡危险性评价模型的结果存在差异性较大、时效性较差及假阴性误差的问题,本文以云南省祥云县为研究区,首先对信息量(I)、信息量-逻辑回归(I-LR)、长短时记忆神经网络(LSTM)和支持向量机(SVM)4种模型的性能进行对比分析,以确定最适滑坡危险性评价模型;然后采用SBAS-InSAR方法处理2019年8月—2023年7月的升降轨Sentinel-1数据,并解算地表坡向形变速率;最后通过校正矩阵将滑坡危险性分级并与坡向形变速率相结合,生成滑坡动态危险性图。研究结果表明,I-LR模型相比其他3种模型具有更好的预测精度和稳定性。结合I-LR模型滑坡危险性评价分级和InSAR坡向形变速率分级生成的滑坡动态危险性图对不稳定形变区具有更好的识别效果,低危险性占比降低10.35%,较低、中和高危险性的比例分别提高6.30%、2.45%和1.60%,提高了滑坡危险性评价结果的时效性和准确性。

关键词: 滑坡, 危险性制图, 信息量-逻辑回归模型, SBAS-InSAR

Abstract: In view of the issues of significant discrepancies, poor timeliness, and false negative errors in the results of various landslide hazard assessment models.This paper takes Xiangyun county, Yunnan province as the study area.Firstly, compares the performance of four models:information(I), information-logistic regression(I-LR), long short-term memory(LSTM) and support vector machine(SVM), to determine the most suitable model for landslide hazard assessment. Then, the SBAS-InSAR method is used to process the Sentinel-1 data from both ascending and descending orbits between August 2019 and July 2023, and the surface slope deformation rate is calculated. Finally, the landslide hazard classification and slope deformation rate are combined using a correction matrix to generate the dynamic landslide hazard map.The results show that the I-LR model has better prediction accuracy and stability than the other three models.The landslide dynamic hazard map, generated by combining the I-LR model landslide hazard classification and the InSAR slope deformation rate classification, demonstrates better identification of unstable deformation areas. The proportion of low hazard areas is reduced by 10.35%, while the proportions of lower, medium, and high hazard areas increase by 6.30%, 2.45%, and 1.60%, respectively. This enhances both the timeliness and accuracy of landslide hazard assessment results.

Key words: landslide, hazard mapping, informatics-logistic regression model, SBAS-InSAR

中图分类号:

P237

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.

WANG Chenyu, PENG Junhuan, XUE Yueming, LI Xu, ZHANG Yan. Landslide dynamic hazard assessment based on InSAR and information-logistic regression coupling model[J]. Bulletin of Surveying and Mapping, 2025, 0(6): 43-48.

参考文献

[1] 方然可,刘艳辉,黄志全.基于机器学习的区域滑坡危险性评价方法综述[J].中国地质灾害与防治学报,2021,32(4):1-8.
[2] 谢明娟,蒲瑞,韩信,等.基于多模型的滑坡易发性评价[J].测绘与空间地理信息,2019,42(10):83-85.
[3] 黄龙,孙倩,胡俊.基于InSAR与随机森林的滑坡敏感性评价与误差改正[J].测绘通报,2022(10):13-20.
[4] 朱建军,李志伟,胡俊.InSAR变形监测方法与研究进展[J].测绘学报,2017,46(10):1717-1733.
[5] 曾韬睿,邬礼扬,金必晶,等.基于stacking集成策略和SBAS-InSAR的滑坡动态易发性制图[J].岩石力学与工程学报,2023,42(9):2266-2282.
[6] ZHOU Shu,OUYANG Chaojun,HUANG Yu.An InSAR and depth-integrated coupled model for potential landslide hazard assessment[J].Acta Geotechnica,2022,17(8):3613-3632.
[7] 熊俊楠,朱吉龙,苏鹏程,等.基于GIS与信息量模型的溪洛渡库区滑坡危险性评价[J].长江流域资源与环境,2019,28(3):700-711.
[8] 钱紫玲,王平,李娜,等.基于信息量和逻辑回归耦合模型的黄土地震滑坡危险性分析[J].地震工程学报,2023,45(3):706-715.
[9] 王守华,王睿菘,孙希延,等.基于CF-CNN-LSTM模型的滑坡易发性评价[J].自然灾害学报,2024,33(5):84-95.
[10] 王本栋,李四全,许万忠,等.基于3种不同机器学习算法的滑坡易发性评价对比研究[J].西北地质,2024,57(1):34-43.
[11] 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.
[12] 石固林,陈强,刘先文,等.联合升降轨Sentinel-1A数据监测桃坪乡古滑坡沿坡向的形变速度场[J].工程地质学报,2022,30(4):1350-1361.
[13] CIAMPALINI A,RASPINI F,LAGOMARSINO D,et al.Landslide susceptibility map refinement using PSInSAR data[J].Remote Sensing of Environment,2016,184:302-315.
[14] 杨冰颖,缪海波,马闯,等.基于多模型耦合的永嘉县滑坡易发性评价[J].河南城建学院学报,2024,33(4):91-99.

[1]	涂梨平, 陈美球, 冷鹏. 基于目标检测算法YOLOv 9的滑坡隐患识别——以永新县为例[J]. 测绘通报, 2025, 0(6): 37-42,102.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	徐青松, 胡君, 崔文刚, 刘绥华, 胡丹, 宁飞, 李蔓. 基于陆探一号SAR卫星的北盘江光照水电站滑坡隐患识别[J]. 测绘通报, 2025, 0(3): 71-75,132.
[9]	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.
[10]	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.
[11]	张雷, 眭天波, 黄成兵, 张净. 基于多源遥感数据的泸定同震滑坡识别[J]. 测绘通报, 2025, 0(1): 83-87,126.
[12]	彭翔, 甘淑, 袁希平, 朱智富, 李璇, 龚伟圳. 融合InSAR与GWO-LSTM对高陡山地的形变监测与预测——以金沙江流域某边坡为例[J]. 测绘通报, 2024, 0(9): 44-49.
[13]	刘伊铭, 徐胜华, 刘春阳, 马钰. 顾及多方法集成特征选择与负样本优化的滑坡易发性评价[J]. 测绘通报, 2024, 0(9): 74-79.
[14]	徐宇翔, 胡庆武, 段延松, 李加元, 艾明耀, 赵鹏程. 融合LiDAR点云与无人机影像的滑坡动态监测技术[J]. 测绘通报, 2024, 0(8): 42-47.
[15]	颜丙囤, 殷海涛, 杨玉永, 连凯旋, 温丽媛, 郭宗斌. InSAR数据约束的沂沭断裂带闭锁程度及地震危险性分析[J]. 测绘通报, 2024, 0(7): 129-133.

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

Landslide dynamic hazard assessment based on InSAR and information-logistic regression coupling model

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