[发明专利]基于样本自动选择与地表形变速率的滑坡易发性评价方法

权利要求书

1.一种基于样本自动选择与地表形变速率的滑坡易发性评价方法，其特征在于包括以下步骤：

S1，提取研究区中与滑坡灾害相关的评价因子以及每个评价单元的地表形变速率；

S2，根据地表形变速率对研究区进行分类并选取滑坡样本和非滑坡样本；

S3，对评价因子进行归一化处理；

S4，根据评价因子数量设计sDAE-RF模型，并利用滑坡样本和非滑坡样本对设计后的sDAE-RF模型进行训练；

S5，利用训练完成的sDAE-RF模型，输入每个评价单元对应窗口的归一化处理后的评价因子数据，得到各评价单元的滑坡易发性概率；

S6，分别对每个评价单元的地表形变速率进行归一化处理，分别利用每个评价单元的归一化后的地表形变速率构建邻域改正函数，并对对应的评价单元的滑坡易发性概率值进行修正，从而得到每个评价单元的优化后的滑坡易发性概率。

2.根据权利要求1所述的一种基于样本自动选择与地表形变速率的滑坡易发性评价方法，其特征在于：步骤S1具体包括以下步骤：

利用光学遥感影像提取评价因子；

利用DEM数据进行GIS空间分析提取评价因子；

利用长时间序列的SAR影像数据，基于SABS-InSAR技术，获取形变点沿雷达视线方向的形变速率，然后利用DEM数据，转化为沿垂直方向的地表形变速率，并依据评价单元大小对形变点内插获得地表形变速率图，从而可以得到每个评价单元的地表形变速率。

3.根据权利要求1所述的一种基于样本自动选择与地表形变速率的滑坡易发性评价方法，其特征在于：步骤S2具体包括以下步骤：

将研究区分割成不同影像对象的集合；遍历各影像对象，统计各影像对象内所有评价单元的地表形变速率的平均值；按照平均值大小由低至高分为将影像对象标记为不同类型的形变区；从平均值较高的形变区中选取滑坡样本，并结合坡度、地表信息对所选择的样本进行筛选；从平均值较低形变区中选取非滑坡样本，并结合地表信息对样本进行筛选。

4.根据权利要求1所述的一种基于样本自动选择与地表形变速率的滑坡易发性评价方法，其特征在于：步骤S3具体包括以下步骤：

对连续型的评价因子，根据设置的步长将该评价因子分为多个分级区间进行离散化处理；对于离散型的评价因子直接利用其原有的因子分级区间

然后利用滑坡样本，计算各评价因子分级区间的滑坡比例、分级比例与滑坡信息量值，绘制对应的曲线分布图，从而获取因子最优分级区间，并依据最优分级区间的滑坡信息量对评价因子进行归一化处理。

5.根据权利要求1所述的一种基于样本自动选择与地表形变速率的滑坡易发性评价方法，其特征在于：步骤S4和S5具体包括以下步骤：

(1)以每个评价单元为中心，选取其对应窗口归一化后的评价因子数据作为sDAE模型的输入；将RF模型作为分类器，添加在sDAE模型的最上层，sDAE模型输出的降维特征数据作为RF模型的输入，得到sDAE-RF模型；

(2)从候选滑坡样本对象中随机选择样本对象，然后将样本对象中心位置的评价单元作为训练样本；提取训练样本窗口的归一化评价因子数据，作为sDAE模型的输入，然后利用贪心算法逐层无监督训练sDAE模型，直到达到最小重构误差，得到sDAE模型的初始参数；

(3)从候选滑坡样本对象与候选非滑坡样本对象中随机选择样本对象；然后将所选择样本对象中心位置的评价单元作为训练样本，然后依次提取训练样本的窗口的归一化评价因子数据，输入到sDAE-RF模型中，进行监督训练获得RF模型参数，并通过反向传播算法对sDAE模型初始参数进行反向微调，得到训练后的sDAE-RF模型；

(4)利用训练完成的sDAE-RF模型，输入每个评价单元对应窗口的归一化评价因子数据，得到各评价单元的滑坡易发性初始概率。