文献类型：期刊文章

作　　者：郭瑞[1] 李素敏[1,2,3] 陈娅男[1] 袁利伟[2,3,4]

GUO Rui;LI Sumin;CHEN Ya’nan;YUAN Liwei(Kunming University of Science and technology,School of land and resources engineering,Kunming 650093,China;Surveying and Mapping Geo-Informatics Technology Research Center on Plateau Mountains of Yunnan Higher Education,Kunming 650093,China;Key Laboratory of Intelligent Mine Geospatial Information Integration and Innovation,Key Laboratory of China Nonferrous Metals Industry Association,Kunming 650093,China;Kunming University of Science and technology,School of Public Safety and emergency management,Kunming 650093,China)

机构地区：[1]昆明理工大学国土资源工程学院,昆明650093 [2]云南省高校高原山区空间信息测绘技术应用工程研究中心,昆明650093 [3]中国有色金属工业协会智慧矿山地理空间信息集成创新重点实验室,昆明650093 [4]昆明理工大学公共安全与应急管理学院,昆明650093

出　　处：《地球信息科学学报》

基　　金：国家自然科学基金项目(41161062、41861054)~~

年　　份：2019

卷　　号：21

期　　号：7

起止页码：1109-1120

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对位于山区且受大量采空区影响的边坡,利用传统测量方法监测耗费人力、物力且光学遥感难以定量识别其是否为潜在滑坡的问题,本文提出一种融合研究区小基线集(SBAS-InSAR)地表监测数据、坡度及坡向的识别方法。通过SBAS-InSAR技术获得研究区地表雷达视线(LOS)方向形变速率,将其转化为垂直方向形变速率,并根据研究区DEM建立坡度及坡向分析图,根据不同山体的坡度、坡向找到易发生滑坡的区域,融入该区域垂直方向的时序形变速率,对其进行滑坡识别。实验表明:卡房镇周边受采空区的影响较大,多数区域垂直方向年形变速率大于10 mm/a;通过本文方法对研究区潜在滑坡进行识别,发现在研究区的21处历史滑坡点中,有16处被识别为潜在滑坡,5处未被识别但也位于发生形变的区域内,表明本文方法对潜在滑坡的识别精度高,具有可行性。该研究为识别采空附近的潜在滑坡提供了一种新的思路,可以有效识别采空区附近山体边坡是否处于潜在的、不明显的滑动状态,对滑坡灾害具有预警作用。

关 键 词：SBAS-InSAR  采空区 潜在滑坡  坡度 坡向 识别方法 云南省个旧市卡房镇  

分 类 号：P642.22] TD325.3]