[发明专利]一种潜在滑坡堵江预测方法

权利要求书

1.一种潜在滑坡堵江预测方法，其特征在于，包括：

(1)通过历史资料收集、遥感图像解译与野外调查，分别建立目标区域历史堵江滑坡编目与未堵江滑坡编目；

(2)以目标区域历史滑坡堵江作为样本数据，选取合适的堵江要素，使用机器学习方法，建立滑坡堵江危险性预测模型，并进行精度评价与危险性分级；

(3)通过SBAS-InSAR方法对目标区域SAR数据进行处理，获取目标区域地表形变速率，圈定潜在滑坡范围；

(4)以目标区域历史滑坡作为样本数据，通过经验公式或机器学习方法，建立潜在滑坡堵江影响要素预测模型，并计算识别出的潜在滑坡的堵江要素值；

(5)将潜在滑坡的堵江要素值代入滑坡堵江危险性预测模型，计算目标区域每个潜在滑坡的堵江危险性，并对潜在滑坡的堵江危险性进行分级。

2.根据权利要求1所述潜在滑坡堵江预测方法，其特征在于：在步骤(1)中，通过历史资料收集目标区域滑坡堵江案例，并通过分析区域滑坡堵江特征建立相应的遥感解译标志，结合遥感解译与野外调查完善目标区域历史滑坡堵江编目；且等量选取临江而未堵江的滑坡建立未堵江滑坡编目，使堵江样本数：未堵江样本数＝1:1，堵江滑坡编目与未堵江滑坡编目分别作为堵江滑坡样本与未堵江滑坡样本用于构建滑坡堵江危险性预测模型。

3.根据权利要求2所述潜在滑坡堵江预测方法，其特征在于：步骤(2)的流程具体包括：

1)通过文献调研情况以及对目标区域滑坡堵江成灾背景的具体分析，选取对滑坡堵江影响较为显著的特征，并将其确定为堵江要素；

2)基于确定的堵江要素，通过文献资料收集、GIS空间分析、遥感影像测量以及野外实地在内的测量手段，获取所需堵江要素数据，构建堵江滑坡样本与未堵江滑坡样本堵江要素数据集；

3)将步骤2)的堵江要素数据集的原数据标准化为统一数据类型，按一定比例分成训练数据和测试数据，将训练数据输入机器学习方法中进行滑坡堵江预测模型构建；

4)使用测试数据对所建立的模型进行精度评价，评价方法包括混淆矩阵与ROC曲线；

5)通过自然断点法，将目标区域样本数据的危险性预测值分为极低、低、中、高、极高五个等级。

4.根据权利要求3所述潜在滑坡堵江预测方法，其特征在于：所述机器学习方法包括但不限于随机森林、人工神经网络、支持向量机。

5.根据权利要求4所述潜在滑坡堵江预测方法，其特征在于：在步骤(3)中，通过形变速率标准差来确定稳定区域与不稳定区域的临界阈值，且结合野外裂缝调查以确定发生形变区域的边界，最终圈定潜在滑坡的范围。

6.根据权利要求5所述潜在滑坡堵江预测方法，其特征在于：在步骤(4)中，潜在滑坡的部分堵江要素数据无法直接获取，需要通过经验公式或机器学习方法建立潜在滑坡的堵江要素预测模型；在建立堵江要素预测模型时，所选取的预测参数通过潜在滑坡范围结合区域DEM、地质图在内的基础资料进行获取。

7.根据权利要求6所述潜在滑坡堵江预测方法，其特征在于：所述堵江要素包括但不限于滑坡体积、滑坡高差、滑坡滑距、河流比降、河流宽度和河流流量。