[发明专利]一种基于国产GF-1卫星数据的滑坡易发性评估方法

权利要求书

1.一种基于国产GF-1卫星数据的滑坡易发性评估方法，其特征在于，包括如下步骤：

(1)资料收集：收集整理待评估区域的包括遥感影像、基础地理、地质、地形地貌、气象水文、林地类型、土壤类型在内的基础数据以及历史滑坡灾害记录、滑坡研究文献资料；

(2)数据预处理：将遥感数据进行大气校正、正射校正、影像融合预处理；统一其它具有地理信息属性的数据的投影关系和坐标系，以便于空间运算和叠置分析；利用待评估区1:5万地形数据生成DEM；最后，将遥感数据与其它数据进行叠加、裁剪使之具有统一的经纬度范围和网格单元；

(3)滑坡信息遥感提取：利用国产GF-1卫星数据以及基于面向对象滑坡遥感提取方法，结合待评估区地质、地形地貌、植被、土壤类型的特征，确定遥感影像最佳分割尺度，构建待评估区域的滑坡遥感提取规则，进而提取滑坡信息，并借助野外实地调查数据进行验证与判别，最终确定待评估区域滑坡周界，为后续滑坡易发性评估提供研究资料；

(4)候选评估因子提取与筛选：结合工程地质调查方法,从地质构造、气象水文、人类活动影响三个方面分析待评估区域的滑坡影响因素，选择可能与滑坡有关的影响因子，这些选取的影响因子称为候选评估因子；候选评估因子选取步骤是：抽取DEM、遥感影像、基础地质、土壤类型、植被、林业数据，借助RS、GIS平台结合人-机交互流程，生成坡度、坡向、地表高程、沟谷密度、林地类型、植被覆盖度、地层岩性、断裂构造密度、土壤类型9个候选评估因子；接着，利用频率比方法FR，分析确定候选评估因子与滑坡之间的相关性，筛选出与待评估区滑坡相关性强的评估因子，剔除不相关的候选评估因子；

(5)滑坡易发性评估：选择滑坡敏感性指数、Logistic回归模型、神经网络模型分别对采集的样本数据进行滑坡易发性概率计算，利用ROC曲线比较三种模型的拟合精度，选择精度最高的模型作为滑坡易发性概率计算模型，进行整个待研究区滑坡易发性概率计算，利用K-均值聚类分析模型，进行待评估区域滑坡易发性等级划分，包括：极低、低、中、高和极高共5级滑坡易发性等级。

2.如权利要求1所述的一种基于国产GF-1卫星数据的滑坡易发性评估方法，其特征在于，步骤(5)中所述的滑坡易发性概率计算模型需要通过样本数据预先训练得到并加以存储，供调用获取；训练并实现滑坡易发性概率计算模型的方法，具体包括如下步骤：

1)构建评估因子数据图层集：基于频率比方法选取的与滑坡相关性强的评估因子，结合待评估区所划分网格单元的大小，将各个评估因子图层进行重采样并叠加，完成评估因子数据图层集构建；

2)模型样本采集：结合步骤1)中所构建的评估因子数据图层集，创建随机样本点，并结合GIS平台的计算功能，对样本点进行赋值，完成模型样本采集，并将数据导出、整理成为统计样本数据；

3)构建候选的滑坡易发性概率计算模型：依据滑坡敏感性指数、Logistic回归、神经网络模型计算原理，构建三个滑坡易发性概率计算模型，并借助采集的样本数据，计算得出各候选滑坡易发性概率计算模型所需参数；

4)候选滑坡易发性概率计算模型精度评估：利用ROC曲线模型，分别计算各模型相应的AUC值，选择AUC值最大的滑坡易发性概率计算模型作为整个待评估区域的滑坡易发性评估的模型；

5)计算待评估区滑坡易发性概率：利用选定的模型，结合评估因子图层数据集，计算所有格网单元相应的滑坡易发性概率值。