[发明专利]滑坡形变聚集区预测模型生成方法和滑坡形变聚集区预测方法

说明书

本发明涉及一种滑坡形变聚集区预测模型生成方法，包括获取目标区域的合成孔径雷达干涉测量InSAR历史数据和数字高程模型DEM历史数据；根据所述InSAR历史数据和所述DEM历史数据，得到所述目标区域的组合影像数据样本集；根据所述组合影像数据样本集和预设初始深度学习模型，得到所述目标区域的滑坡形变聚集区预测模型。基于本发明得到的目标区域的滑坡形变聚集区预测模型，可为开展滑坡隐患识别等应用提供有价值的参考数据，且滑坡形变聚集区预测模型融合了InSAR及DEM的多源及多尺度特征，使用滑坡形变聚集区预测模型对目标区域进行滑坡形变聚集区的预测，可以有效提升预测精度。本发明还涉及一种滑坡形变聚集区预测方法。

技术领域

本发明涉及遥感地质和滑坡地质灾害防治领域，尤其涉及滑坡形变聚集区预测模型生成方法和滑坡形变聚集区预测方法。

背景技术

中国是一个滑坡灾害极为频繁的国家。近年来，造成重大伤亡的滑坡灾害多发生在条件复杂的高海拔地区，具有隐蔽、高位、破坏力大等特点，基于传统的调查方法难以对这类滑坡隐患进行有效排查，当前对于大区域、快时效、高精度的滑坡隐患识别技术需求迫切。然而，以往对于滑坡形变聚集区的圈定主要通过人工目视解译的方式进行，这种方法精度高，但耗时耗力难以达到大范围、快速圈定的应用需求。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供滑坡形变聚集区预测模型生成方法和滑坡形变聚集区预测方法。

本发明解决上述技术问题的技术方案如下：

一种滑坡形变聚集区预测模型生成方法，所述方法包括：

获取目标区域的合成孔径雷达干涉测量InSAR历史数据和数字高程模型DEM历史数据；

根据所述InSAR历史数据和所述DEM历史数据，得到所述目标区域的组合影像数据样本集；

根据所述组合影像数据样本集和预设初始深度学习模型，得到所述目标区域的滑坡形变聚集区预测模型。

本发明的有益效果是：提供了一种滑坡形变聚集区预测模型生成方法，通过获取目标区域的InSAR历史数据和DEM历史数据，并根据InSAR历史数据和DEM历史数据，得到目标区域的组合影像数据样本集，根据组合影像数据样本集和预设初始深度学习模型，得到目标区域的滑坡形变聚集区预测模型。基于本发明目标区域的滑坡形变聚集区预测模型，可为开展滑坡隐患识别等应用提供有价值的参考数据，且滑坡形变聚集区预测模型融合了InSAR及DEM的多源及多尺度特征，使用滑坡形变聚集区预测模型对目标区域进行滑坡形变聚集区的预测，可以有效提升预测精度。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，所述根据所述InSAR历史数据和所述DEM历史数据，得到所述目标区域的组合影像数据样本集，具体包括：

根据所述InSAR历史数据，得到所述目标区域的地表形变相位历史数据；

根据所述地表形变相位历史数据，得到所述目标区域的地表形变速率历史数据；

根据所述地表形变相位历史数据和所述DEM历史数据，得到所述目标区域的地表高程历史数据、坡度数据和坡向数据。

将所述地表形变相位历史数据、所述地表形变速率历史数据、所述地表高程历史数据、所述坡度历史数据和所述坡向历史数据按照年度进行归类，得到所述目标区域的组合影像样本集。

采用上述进一步方案的有益效果是：基于InSAR数据及DEM数据构建的目标区域的组合影像样本集，可以有效提升滑坡形变聚集区的预测精度。

所述根据所述组合影像数据样本集和预设初始深度学习模型，得到所述目标区域的滑坡形变聚集区预测模型，具体包括：

将所述组合影像数据样本集中的组合影像样本数据进行预处理；