喀斯特山区地质灾害隐患排查与易发性评价新技术

我国西南山区滑坡地质灾害频发，影响范围广。开展滑坡隐患排查和风险预警研究，对保护人民生命财产和保护生态安全都有着重要意义。本书将遥感技术、地理信息技术和机器学习技术相结合，从“区域隐患排查→区域隐患监测→区域风险评估”入手，解决了大区域滑坡风险排查的相关技术难点，建立了一套区域滑坡隐患排查、风险评估方法。主要内容包括：基于卷积神经网络和注意力模型开展滑坡隐患自动识别，有效提升区域滑坡隐患排查的效率和精度；提出多时相、多波段、多视角InSAR协同监测方法，对西南山区开展大范围滑坡地表形变有效监测；利用识别的滑坡隐患数据开展区域滑坡易发性评价，引入InSAR地表形变监测成果进行过程修正，进一步提高评价准确性。 本书将遥感、地理信息、机器学习、滑坡防治等相关技术集成研究，可供测绘、遥感、地理信息、地灾防治等相关专业的学生、学者及相关从业人员学习使用。

前言
第1章 喀斯特山区地质灾害研究现状
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 光学遥感滑坡隐患识别研究现状
1.2.2 InSAR滑坡地表形变监测研究现状
1.2.3 滑坡隐患易发性研究现状
1.3 研究目的
1.4 研究内容
1.5 研究方法
1.6 技术路线
1.7 本章小结
参考文献
第2章 研究区选择及概况
2.1 研究区域选定
2.2 研究区域概况
2.2.1 自然地理
2.2.2 气象水文
2.2.3 地质构造
2.2.4 矿产资源
2.3 本章小结
参考文献
第3章 基于卷积神经网络和注意力机制的滑坡隐患识别
3.1 卷积神经网络
3.1.1 卷积神经网络结构
3.1.2 卷积神经网络模型
3.2 针对滑坡隐患识别的注意力模型
3.2.1 注意力机制
3.2.2 三种近期新的注意力模块
3.2.3 3D空间-通道注意力模块
3.3 实验和分析
3.3.1 实验方法
3.3.2 实验结果及比较分析
3.3.3 测试分析结果
3.4 成效验证
3.5 本章小结
参考文献
第4章 基于InSAR的区域滑坡地表形变监测
4.1 InSAR监测原理及技术流程
4.1.1 D-InSAR地表形变监测原理与技术流程
4.1.2 MT-InSAR滑坡监测原理与技术流程
4.1.3 D-InSAR技术与MT-InSAR技术比较
4.2 InSAR在西南山区应用技术难点及改进方法
4.2.1 技术难点
4.2.2 多时相、多波段、多视角协同InSAR监测方法
4.3 L波段和C波段监测关键技术
4.3.1 L波段数据雨季D-InSAR监测
4.3.2 C波段升降轨融合周期性MT-InSAR监测
4.4 实验和分析
4.4.1 不同波段SAR相干性分析
4.4.2 多波段协同监测结果分析
4.4.3 多视角协同监测结果分析
4.4.4 大气延迟改正分析
4.4.5 PS/DS监测结果分析
4.5 成效验证
4.6 本章小结
参考文献
第5章 利用隐患数据和InSAR监测数据开展滑坡易发性评价
5.1 分析隐患分布规律开展易发性评价
5.1.1 空间数据库的建立
5.1.2 致灾因子的选取
5.1.3 致灾因子的量化
5.1.4 滑坡易发性评价模型
5.1.5 初始滑坡易发性评价
5.1.6 初始滑坡易发性评价精度分析
5.2 引入MT-InSAR监测结果更新易发性评价
5.2.1 滑坡易发性更新流程
5.2.2 形变速率计算方法
5.2.3 滑坡易发性更新方法
5.2.4 更新后的易发性结果
5.3 结果对比分析
5.3.1 与已知隐患叠加分析
5.3.2 实例分析
5.4 成效验证
5.5 本章小结
参考文献
第6章 结论与展望
6.1 结论
6.2 展望