融合时序InSAR形变的石棉县滑坡易发性评价

秦佳松; 李为乐; 单云锋; 周胜森; 郁文龙

doi:10.19509/j.cnki.dzkq.tb20240342

您当前的位置：

首页 >

文章列表页 >

融合时序InSAR形变的石棉县滑坡易发性评价

更新时间：2026-11-05

- 融合时序InSAR形变的石棉县滑坡易发性评价
- Bulletin of Geological Science and Technology Vol. 45, Issue 1, Pages: 199-211(2026)
- 作者机构：
  
  1. 成都理工大学地质灾害防治与地质环境保护国家重点实验室
  2. 应急管理部滑坡灾害风险预警与防控实验室
- 作者简介：
- 基金信息：
- DOI：10.19509/j.cnki.dzkq.tb20240342
  CLC： P237;P642.22
- Published：2026
- 稿件说明：
移动端阅览
秦佳松, 李为乐, 单云锋, et al. 融合时序InSAR形变的石棉县滑坡易发性评价[J]. Bulletin of Geological Science and Technology, 2026, 45(1): 199-211.
DOI：

秦佳松, 李为乐, 单云锋, et al. 融合时序InSAR形变的石棉县滑坡易发性评价[J]. Bulletin of Geological Science and Technology, 2026, 45(1): 199-211. DOI： 10.19509/j.cnki.dzkq.tb20240342.

摘要

滑坡作为一种对自然和社会环境造成极大破坏的地质灾害，其易发性评价对防灾减灾至关重要。现有的滑坡数据库常作为滑坡易发性评价的数据基础，由于更新不及时，存在时效性差和不全面等问题。此外，传统的滑坡易发性评价方法主要依赖于静态数据（如地形、地质、水文），缺乏动态数据（如地表形变），难以全面捕捉正在变形的滑坡特征，导致评价的可靠性较差。结合光学遥感技术和合成孔径雷达干涉测量（InSAR）技术识别研究区滑坡并获取地表形变作为动态评价因子，结合静态评价因子，采用联合训练和加权叠加2种方法，耦合最大熵（MaxEnt）模型，并使用迭代自组织（ISO）聚类算法对石棉县进行了滑坡易发性评价及分区。结果表明：（1）综合光学遥感技术和InSAR技术2种方法，在研究区共识别出139处滑坡，研究区滑坡灾害高易发区主要分布于河流和道路两侧，滑坡灾害点的分布与所划分区域有很好的吻合性。（2）补充InSAR形变因子在一定程度上提高了6.1%的易发性精度（受试者工作特征曲线（ROC）下面积AUC=0.921），同时显著地降低了评估结果中出现假阳性和假阴性的情况，提高了模型的精确性。该研究突出了将InSAR形变信息融入滑坡易发性模型中的优势，可为石棉县滑坡灾害预防提供重要支撑。

Abstract

关键词

Keywords

references

Xiaokang Liu,Shuai Shao,Shengjun Shao.Landslide susceptibility prediction and mapping in Loess Plateau based on different machine learning algorithms by hybrid factors screening: Case study of Xunyi County, Shaanxi Province, China[J].Advances in Space Research,2024.

Deborah Simon Mwakapesa,Xiaoji Lan,Yimin Mao.Landslide susceptibility assessment using deep learning considering unbalanced samples distribution[J].Heliyon,2024.

Bingxian Liu,Zhenqiang Liu,Ya Chen,Ruijing Lu,Cui Li,Peizhen Ma,Haolin Yu,Zhen Zhang,Haiyan Wang.Potential distribution of Crassostrea sikamea (Amemiya, 1928) along coastal China under global climate change[J].Global Ecology and Conservation,2024.

Hui Gao,Qianqian Qian,Xinqi Deng,Yaqin Peng,Danping Xu.Predicting the Distributions of Morus notabilis C. K. Schneid under Climate Change in China[J].Forests,2024.

Bingyun Du,Zeqiang Wang,Xiangyou Li,Xi Zhang,Xuetong Wang,Dongyou Zhang.Adaptation of Tree Species in the Greater Khingan Range under Climate Change: Ecological Strategy Differences between Larix gmelinii and Quercus mongolica[J].Forests,2024.

Yunfeng Shan,Zhou Xu,Shengsen Zhou,Huiyan Lu,Wenlong Yu,Zhigang Li,Xiong Cao,Pengfei Li,Weile Li.Landslide Hazard Assessment Combined with InSAR Deformation: A Case Study in the Zagunao River Basin, Sichuan Province, Southwestern China[J].Remote Sensing,2023.

Sun Deliang,Gu Qingyu,Wen Haijia,Xu Jiahui,Zhang Yalan,Shi Shuxian,Xue Mengmeng,Zhou Xinzhi.Assessment of landslide susceptibility along mountain highways based on different machine learning algorithms and mapping units by hybrid factors screening and sample optimization[J].Gondwana Research,2023.

Dai Cong,Li Weile,Lu Huiyan,Zhang Shuai.Landslide Hazard Assessment Method Considering the Deformation Factor: A Case Study of Zhouqu, Gansu Province, Northwest China[J].Remote Sensing,2023.

Cao Chen,Zhu Kuanxing,Xu Peihua,Shan Bo,Yang Guang,Song Shengyuan.Refined landslide susceptibility analysis based on InSAR technology and UAV multi-source data[J].Journal of Cleaner Production,2022.

Devara Meghanadh,Tiwari Ashutosh,Dwivedi Ramji.Landslide susceptibility mapping using MT-InSAR and AHP enabled GIS-based multi-criteria decision analysis[J].Geomatics, Natural Hazards and Risk,2021.

Xiaohu Huang,Fei Guo,Maolin Deng,Wu Yi,Haifeng Huang.Understanding the deformation mechanism and threshold reservoir level of the floating weight-reducing landslide in the Three Gorges Reservoir Area, China[J].Landslides,2020.

Aiding Kornejady,Majid Ownegh,Abdolreza Bahremand.Landslide susceptibility assessment using maximum entropy model with two different data sampling methods[J].Catena,2017.

Sadra Karimzadeh.Characterization of land subsidence in Tabriz basin (NW Iran) using InSAR and watershed analyses[J].Acta Geodaetica et Geophysica,2016.

Haoyuan Hong,Hamid Reza Pourghasemi,Zohre Sadat Pourtaghi.Landslide susceptibility assessment in Lianhua County (China): A comparison between a random forest data mining technique and bivariate and multivariate statistical models[J].Geomorphology,2016.

No-Wook Park.Using maximum entropy modeling for landslide susceptibility mapping with multiple geoenvironmental data sets[J].Environmental Earth Sciences,2015.

Ángel M. Felicísimo,Aurora Cuartero,Juan Remondo,Elia Quirós.Mapping landslide susceptibility with logistic regression, multiple adaptive regression splines, classification and regression trees, and maximum entropy methods: A comparative study[J].Landslides,2013.

Phillips Steven J.,Dudik Miroslav.Modeling of Species Distributions with Maxent: New Extensions and a Comprehensive Evaluation[J].Ecography,2008.

Steven J. Phillips,Robert P. Anderson,Robert E. Schapire.Maximum entropy modeling of species geographic distributions[J].Ecological Modelling,2006.

Lulseged Ayalew,Hiromitsu Yamagishi.The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan[J].Geomorphology,2004.

宋家苇,杨莹辉,许强,王寿宇,李鹏飞,袁泉,黎浩良,陈强.滑坡灾害InSAR早期识别关键技术方法研究[J].工程地质学报,2024(03).

田尤,陈龙,黄海,刘建康,李元灵,李洪梁.藏东察雅县城地质灾害风险评价及源头管控对策建议[J].中国地质灾害与防治学报,2024(02).

杜国梁,邹玲,杨志华,孙东彦,谷丽莹.雅鲁藏布江大拐弯地区滑坡发育分布特征及其对地貌演化的响应[J].地质学报,2024(10).

王启盛,熊俊楠,程维明,崔兴洁,庞全,刘俊,陈文杰,唐浩然,宋南霄.耦合统计方法、机器学习模型和聚类算法的滑坡易发性评价方法[J].地球信息科学学报,2024(03).

曹文庚,潘登,徐郅杰,张文培,任宇,南天.河南省滑坡灾害易发性制图研究：多种机器学习模型的对比[J].地质科技通报,2025(01).

张伟,陈宏,纪成亮,杨庆义,席文勇,孙旭,张勇,于天文,倪冰冰,徐智慧,李德营.基于升降轨InSAR数据的高山峡谷区滑坡易发性评价[J].地质科技通报,2025(02).

郭衍昊,窦杰,向子林,马豪,董傲男,罗万祺.基于优化负样本采样策略的梯度提升决策树与随机森林的汶川同震滑坡易发性评价[J].地质科技通报,2024(03).

盖侨侨,孙倩,张宁,胡俊.融合时序InSAR形变的白银市地质灾害易发性评价[J].武汉大学学报(信息科学版),2024(08).

郭子正,何俊,黄达,周永强,朱宇航.降雨诱发浅层滑坡危险性的快速评估模型及应用[J].岩石力学与工程学报,2023(05).

陈宝林,李为乐,陆会燕,付豪,周胜森,黄维.基于SBAS-InSAR的黄河干流军功古滑坡形变分析[J].武汉大学学报(信息科学版),2024(08).

王高峰,李浩,田运涛,陈宗良,徐友宁,高幼龙,叶振南,李瑞冬,谢兴隆.甘肃省白龙江流域典型高位堆积层滑坡成因机制研究及其危险性预测[J].岩石力学与工程学报,2023(04).

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(07).

于淼,邢会歌,胡士瑜.基于信息量-逻辑回归模型的泥石流易发性评价——以四川省石棉县为例[J].人民长江,2021(12).

许强,陆会燕,李为乐,董秀军,郭晨.滑坡隐患类型与对应识别方法[J].武汉大学学报(信息科学版),2022(03).

吴昊,裴向军,崔圣华,黄润秋,宋词.强震山区滑坡发育分布的地形地质控制作用研究[J].岩石力学与工程学报,2021(05).

罗路广,裴向军,黄润秋.强震山区地震滑坡发生概率研究——以九寨沟国家地质公园为例[J].岩石力学与工程学报,2020(10).

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(09).

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(07).

卢佳燕,李为乐,刘刚,何敬,杨超,龙雯.米林震后地质灾害空间分布特征及易发性分析[J].自然灾害学报,2019(02).

王娇,程维明,周成虎,郑新奇.基于DEM和地貌计量的月球形貌类型自动制图（英文）[J].Journal of Geographical Sciences,2017(11).

戴岚欣,许强,范宣梅,常鸣,杨琴,杨帆,任敬.2017年8月8日四川九寨沟地震诱发地质灾害空间分布规律及易发性评价初步研究[J].工程地质学报,2017(04).

段钊,赵法锁,陈新建.陕北黄土高原区崩塌发育类型及影响因素分析——以吴起县为例[J].自然灾害学报,2012(06).

许强,汤明高,徐开祥,黄学斌.滑坡时空演化规律及预警预报研究[J].岩石力学与工程学报,2008(06).

Views

904

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于升降轨InSAR数据的高山峡谷区滑坡易发性评价

基于环境因子优化TSES法选择负样本及其在滑坡易发性评价中的应用

离子剂-无机材料固化盐渍土的直剪力学特性与离散元数值模拟

基于相场法的高压电脉冲压裂岩体裂缝扩展规律

不同含水率滑带土强度弱化特征及其对甘肃省舟曲县牙豁口滑坡稳定性的影响

Related Author

张伟

陈宏

纪成亮

杨庆义

席文勇

孙旭

张勇

于天文

Related Institution

山东电力工程咨询院有限公司

国家电力投资集团有限公司

中国地质大学(武汉)工程学院

安徽理工大学土木建筑学院

AI问答

⁰