一种城市地面变形灾害早期识别的方法与流程

本发明涉及城市地面形变监测技术领域，更具体的说是涉及一种城市地面变形灾害早期识别的方法。

背景技术：

部分学者在地灾早期识别应用方面做了大量的研究工作，并取得了一定的成果。巨袁臻基于无人机摄影测量技术，利用差分模型，通过多期数据处理对比，实现对黑方台黄土滑坡的早期识别；褚宏亮利用三维激光扫描技术，对重庆南川金佛山颤子岩危岩体、抚顺西露天矿南邦滑坡等灾害进行了研究，总结一套基于三维激光扫描技术的地灾调查、监测、早期识别方法；何朝阳等利用insar技术对杂谷脑河左岸3处地灾点进行了识别，并通过地表位移监测，验证了识别结果；李勋等基于dem和遥感影像，应用定量地貌学原理及方法，实现了对天水市周边黄土滑坡的识别。但针对城市化建设过程中地面变形灾害早期识别方法，却少有应用案例。

随着社会经济发展，城镇化进程加快，大量的人类工程活动在不间断地开展，与此同时，由人类工程活动诱发的城市地面变形灾害，包括地面沉降、地面塌陷和地面裂缝等，发生频率也越来越高。根据相关数据统计，目前国内发生地面沉降活动的城市达70余个，明显成灾有30余个。这些沉降城市有的孤立存在，有的密集成群或连续相连，形成广阔地面沉降区域或沉降带，严重危害着公共安全，社会影响恶劣。

技术实现要素：

本发明旨在提出一种城市地面变形灾害早期识别的方法，在区域尺度上对城市的地表形变的潜在危险区进行早期识别，并进行实地核实验证，将城市地面变形灾害控制在一定风险范围内。

为了实现上述目的，本发明采用以下技术方案：

一种城市地面变形灾害早期识别的方法，包括以下步骤：

步骤一：基于遥感技术的区域普查：对雷达遥感或光学遥感获取的城市地表的数据进行分析，对城市地表形变的隐患区进行初步判识，确定潜在形变区域；

步骤二：基于无人机摄影测量技术的潜在形变区详查：以固定翼、旋翼无人机为载体，通过摄影测量技术对步骤一中识别的地表形变的潜在危险区进行监测，并结合地面监测站进行数据校核和验证；

步骤三：现场核查：针对通过步骤一和步骤二的技术手段划定的潜在地质灾害隐患点，组织人员进行逐点核查，核查地的地面裂缝宽度大于10mm且处于持续发展或者沉降垂直位移大于30mm且处于持续发展，将其确定为隐患点区域并持续关注。

进一步的，在所述步骤一中，基于雷达遥感确定潜在变形区域的具体方式如下：

基于insar技术的区域地表形变的监测与识别：针对城区内建筑密集，地面硬目标明显且分布广泛的地物，基于sentinel、terrasar-x、cosmo-skymed等sar数据采用ps-insar或sbas-insar技术进行区域大范围时序分析，提取累积形变量较大或平均形变速率较大的值域，从而获取潜在地面变形灾害的隐患区域。

进一步的，所述ps-insar的技术方法的具体方式如下：

对k+1幅sar单视复数影像，经配准、辐射定标、ps探测和干涉处理，并借助已知dem进行差分干涉处理，得到k幅干涉和差分干涉图、h个ps点以及各ps点在各差分干涉图中的差分干涉相位集；

得到每个ps点在每幅差分干涉图上的差分干涉相位组成，其中，对形变速率增量和形变量增量积分，可以得到每个ps点相对于主参考点的形变速率和累积形变量；

同时，根据求解结果在ps离散点上进行相位解缠，经过积分，还可以获得解缠的线性相位残差获取多期高分辨率光学遥感数据，通过分类和变化检测，进一步提取出灾害可能的发生区域。

进一步的，所述主参考点指通过人工选择或者软件自动计算的得到，在处理过程中被认为是稳定的，即形变速率和每一期的形变量都为0的ps点。

进一步的，所述sbas-insar的技术方法的具体方式如下：

对覆盖某个地区的不同时间段的n+1幅sar影像计算时间空间基线，选择恰当的时空基线阈值选取干涉对；

然后对选取的干涉对进行差分干涉处理并进行相位解缠；

最后根据自由组合的干涉图形成子集的情况，对所有干涉图组成相位方程采用最小二乘法或者svd方法进行形变参数的估计，采用时空滤波的方法去除大气延迟的影像分离出非线性形变，估算的低频形变与此非线性形变的总和即为整个研究区的形变信息。

进一步的，在所述步骤一中，基于光学遥感确定潜在变形区域的具体方式如下：

基于光学遥感技术的区域地表形变的监测与识别：获取多期高分辨率光学遥感数据，通过监督分类及部分人工干预，用被确认类别的样本像元去识别其他未知类别像元的方法，进一步提取出灾害可能的发生区域。

进一步的，所述被确认类别的样本像元去识别其他未知类别像元的方法的具体方法如下：

a.选择训练样本

在图像上对每一种类别选取一定数量的训练区，计算机计算每种训练样区的统计或其他信息，每个像元和训练样本作比较，按照不同规则将其划分到和其最相似的样本类；

b.样本评价及修改

选择训练样本后，计算各类别训练样本的基本光谱特征信息，通过每个样本的基本统计值，检查训练样本的代表性，评价样本好坏，从而评估训练样本的有效性；根据检查和评估结果，修改训练样本，必要时重新选择和评估训练样本；

c.选择分类算法

在平行算法、最大似然法、马氏距离法、波谱角填图分类法中，选择其中一种对遥感影像进行监督分类；

d.人工部分干预

由于部分样本光谱特性的相似性，会造成相应分类结果混淆，在这种情况下，需要人工部分进行干预，调整分类结果。

进一步的，所述高分辨率光学遥感数据是指分辨率优于亚米级的遥感影像。

进一步的，所述步骤二中，基于无人机摄影测量技术的潜在形变区详查的具体方法为：

e.野外实地踏勘，划定航线，布设控制点，定期对潜在形变区域进行无人机航飞；

f.对航拍影像处理后获得测区高精度影像；

g.通过对高精度影像进行目视解译，进一步确定变形区域，划定地质灾害隐患点；

h.重复上述e-g步骤，不断监测地质灾害隐患点的形变发展情况。

本发明与现有技术相比具有的有益效果是：

针对传统城市地质灾害调查强度大、效率低、精度差、轻整体重局部的不足，综合应用insar技术、光学遥感影像及无人机倾斜摄影技术，实现对城市地面形变灾害大范围区域普查、潜在形变区详查及现场核查，在城市地面形变灾害的早期识别方面提出了一种切实可靠的方法，该方法可以有效防止人为误判和漏判，大量节约传统城市地面形变调查现场的人力、物力，同时大大提高了识别精度。

附图说明

图1是本发明的一种城市地面变形灾害早期识别的方法的流程图。

具体实施方式

下面结合实施例对本发明作进一步的描述，所描述的实施例仅仅是本发明一部分实施例，并不是全部的实施例。基于本发明中的实施例，本领域的普通技术人员在没有做出创造性劳动前提下所获得的其他所用实施例，都属于本发明的保护范围。

实施例1:

如图1所示，一种城市地面变形灾害早期识别的方法，包括以下步骤：

步骤一：基于遥感技术的区域普查：对雷达遥感或光学遥感获取的城市地表的数据进行分析，对城市地表形变的隐患区进行初步判识，确定潜在形变区域；

步骤二：基于无人机摄影测量技术的潜在形变区详查：以固定翼、旋翼无人机为载体，通过摄影测量技术对步骤一中识别的地表形变的潜在危险区进行监测，并结合地面监测站进行数据校核和验证；

步骤三：现场核查：包括人工核查及人工巡查。针对上述技术手段划定的潜在地质灾害隐患点，组织专业技术人员进行逐点核查，参照gb50497-2009中8.04要求或主管部门具体要求，当地面裂缝宽度大于10mm且处于持续发展或者沉降垂直位移大于30mm且处于持续发展，将其确定为隐患点区域并持续关注。根据人工核查结果，制定灾害风险管控方案，建立巡查机制，对特定区域保持一定时间频率的巡查，做好记录并及时反馈巡查结果。

在所述步骤一中，基于雷达遥感确定潜在变形区域的具体方式如下：

基于insar技术的区域地表形变的监测与识别：针对城区内建筑密集，地面硬目标明显且分布广泛的地物，如房屋、桥梁、裸露的岩石等，此类地物的散射特性一般较稳定，并且对雷达波的反射较强，他们的回波具有较高的信噪比，可基于sentinel、terrasar-x、cosmo-skymed等sar数据采用ps-insar或sbas-insar技术进行区域大范围时序分析，提取累积形变量较大或平均形变速率较大的值域，从而获取潜在地面变形灾害的隐患区域。

其中，所述ps-insar的技术方法的具体方式如下：

对k+1幅sar单视复数影像，经配准、辐射定标、ps探测和干涉处理，并借助已知dem进行差分干涉处理，得到k幅干涉和差分干涉图、h个ps点以及各ps点在各差分干涉图中的差分干涉相位集。在考虑地表形变、高程误差、大气影响及失相关的情况下，得到每个ps点在每幅差分干涉图上的差分干涉相位组成，其中，对形变速率增量和形变量增量积分，可以得到每个ps点相对于主参考点的形变速率和累积形变量。所述主参考点指通过人工选择或者软件自动计算的得到，在处理过程中被认为是稳定的，即形变速率和每一期的形变量都为0的ps点。

同时，根据求解结果在ps离散点上进行相位解缠，经过积分，还可以获得解缠的线性相位残差(相对于主参考点)获取多期高分辨率光学遥感数据，通过分类和变化检测，进一步提取出灾害可能的发生区域。

其中，所述sbas-insar的技术方法的具体方式如下：

对覆盖某个地区的不同时间段的n+1幅sar影像计算时间空间基线，选择恰当的时空基线阈值选取干涉对；然后对选取的干涉对进行差分干涉处理并进行相位解缠；最后根据自由组合的干涉图形成子集的情况，对所有干涉图组成相位方程采用最小二乘法或者svd方法进行形变参数的估计。在实际处理中会采用时空滤波的方法去除大气延迟的影像分离出非线性形变，估算的低频形变与此非线性形变的总和即为整个研究区的形变信息。

所述步骤二中，基于无人机摄影测量技术的潜在形变区详查的具体方法为：

e.野外实地踏勘，划定航线，布设控制点，定期对潜在形变区域进行无人机航飞；

f.对航拍影像处理后获得测区高精度影像；

g.通过对高精度影像进行目视解译，进一步确定变形区域，划定地质灾害隐患点；

h.重复上述e-g步骤，不断监测地质灾害隐患点的形变发展情况。

实施例2：

如图1所示，本实施是在实施例1的基础上进一步优化，本实施例重点阐述与实施例1相比的改进之处，相同之处不再赘述，在本实施例中，重点阐述基于光学遥感确定潜在变形区域的具体方式如下：

基于光学遥感技术的区域地表形变的监测与识别：获取多期高分辨率光学遥感数据，通过监督分类及部分人工干预，用被确认类别的样本像元去识别其他未知类别像元的方法，进一步提取出灾害可能的发生区域。

所述被确认类别的样本像元去识别其他未知类别像元的方法的具体方法如下：

a.选择训练样本

在图像上对每一种类别选取一定数量的训练区，计算机计算每种训练样区的统计或其他信息，每个像元和训练样本作比较，按照不同规则将其划分到和其最相似的样本类；

b.样本评价及修改

选择训练样本后，为了比较评价样本好坏，需要计算各类别训练样本的基本光谱特征信息，通过每个样本的基本统计值(如均值、标准方差、协方差矩阵、相关矩阵等)，检查训练样本的代表性，评价样本好坏，从而评估训练样本的有效性。根据检查和评估结果，修改训练样本，必要时重新选择和评估训练样本；

c.选择分类算法

在平行算法、最大似然法、马氏距离法、波谱角填图分类法中，选择其中一种对遥感影像进行监督分类；

d.人工部分干预

由于部分样本光谱特性的相似性，会造成相应分类结果混淆，比如已建成区域与施工区域的混凝土结构，存在的差异很小，计算机在判读的时候，会将已建成区分类为施工区域。在这种情况下，需要人工部分进行干预，调整分类结果。

优选的，所述高分辨率光学遥感数据是指分辨率优于亚米级的遥感影像。

城市地面形变严重危害着公共安全，造成的社会影响也极其恶劣。为了有效识别城市地面变形灾害，本发明提出一种有效的城市地面变形灾害早期识别的方法，在区域尺度上对城市的地表形变的潜在危险区进行早期识别，并进行实地核实验证，将城市地面变形灾害控制在一定风险范围内。针对传统城市地质灾害调查强度大、效率低、精度差、轻整体重局部的不足，本发明综合应用insar技术、光学遥感影像及无人机倾斜摄影技术，实现对城市地面形变灾害大范围区域普查、潜在形变区详查及现场核查，在城市地面形变灾害的早期识别方面提出了一种切实可靠的方法，该方法可以有效防止人为误判和漏判，大量节约传统城市地面形变调查现场的人力、物力，同时大大提高了识别精度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。