基于多源遥感图像融合的地质灾害隐患核查方法及系统与流程

本发明涉及地质灾害监测，尤其涉及一种基于多源遥感图像融合的地质灾害隐患核查方法及系统。

背景技术：

1、地质灾害隐患核查是地质灾害防治的重要基础工作。随着遥感技术的发展，利用多源遥感数据识别滑坡、泥石流等地质灾害隐患，能够提高大范围山区核查作业的覆盖能力。

2、在汛期山区核查过程中，强降雨常伴随云雾遮挡，光学和热红外遥感图像的可用性明显降低。合成孔径雷达利用微波进行主动观测，受云雾影响较小，但风雨作用下的植被冠层摆动、冠层含水量变化及体散射变化会引入相位和振幅噪声。若直接对全域合成孔径雷达图像进行识别，容易增加计算量，并可能将植被变化误判为地表异常。

3、现有技术还存在水文候选区、雷达反演结果与岩土力学指标之间衔接不充分的问题，难以在地表发生明显破坏前，对土壤水分高饱和区域及其对下游人工构筑物的影响进行量化核查。因此，需要一种能够在云雨遮挡条件下限定高风险核查范围、抑制植被环境噪声并形成可解释力学指标的智能识别核查方法。

技术实现思路

1、针对现有技术在汛期云雨遮挡和植被环境噪声条件下核查准确性与计算效率受到影响的问题，本发明提供一种基于多源遥感图像融合的地质灾害隐患核查方法及系统。

2、为了实现上述目的，本发明采用如下技术方案：一种基于多源遥感图像融合的地质灾害隐患核查方法，包括：

3、s1、获取目标核查区域的气象降水格网序列数据、数字高程模型数据、基础地理信息矢量数据，以及成像时刻与所述气象降水格网序列数据的末时刻最接近的汛期合成孔径雷达复图像数据；

4、s2、将所述气象降水格网序列数据与所述数字高程模型数据进行地形特征融合，计算生成水文致灾高危候选区域；

5、s3、提取所述水文致灾高危候选区域内的所述汛期合成孔径雷达复图像数据的微波后向散射系数，基于所述微波后向散射系数反演体积含水量参数，并提取土壤水分高饱和对象；

6、s4、利用所述基础地理信息矢量数据提取刚性地物锚点和植被易变区，基于所述植被易变区生成非刚性掩膜，将所述非刚性掩膜覆盖范围内的体积含水量参数重置为背景基准值，并根据重置后的体积含水量参数更新所述土壤水分高饱和对象，以剔除植被环境噪声特征；

7、s5、提取经步骤s4更新后的所述土壤水分高饱和对象的空间特征作为源节点，提取所述刚性地物锚点的几何特征作为目标节点，基于所述源节点与所述目标节点构建有向邻接矩阵，将所述有向邻接矩阵和节点特征矩阵输入预训练的图神经网络模型，输出空间渗透恶化系数；

8、s6、根据所述源节点与所述目标节点之间的高程差计算基础静水压力，将所述基础静水压力与所述空间渗透恶化系数相乘得到等效孔隙水压力，将所述等效孔隙水压力输入预设的力学评估模型，生成稳定性降级指标，并输出隐患核查结果。

9、进一步地，步骤s2具体包括：

10、s21、根据所述数字高程模型数据划分坡面单元，并提取各个坡面单元的坡度矩阵与汇水面积矩阵；

11、s22、按照公式计算各个坡面单元的径流危险度；其中，为第i个坡面单元的径流危险度，为汇水面积，为坡度，为降水强度，为入渗率，α为尺度校准系数，m和n为经历史样本标定的指数；

12、s23、提取所述径流危险度大于预设径流危险度阈值的坡面单元作为所述水文致灾高危候选区域。

13、进一步地，步骤s3具体包括：

14、s31、对所述汛期合成孔径雷达复图像数据进行辐射定标、相干斑滤波和地形校正，获得微波后向散射系数，并利用水云模型分离所述微波后向散射系数中的植被冠层分量，获得裸土后向散射矩阵；

15、s32、将所述裸土后向散射矩阵、雷达入射角和地表粗糙度输入由目标核查区域的土壤水分样点标定的经验多项式模型，求解各个像素对应的体积含水量参数；

16、s33、将目标核查区域的实测孔隙度与预设饱和度系数的乘积作为高饱和判定阈值，提取所述体积含水量参数不小于所述高饱和判定阈值的连续像素区域，作为所述土壤水分高饱和对象。

17、进一步地，步骤s4具体包括：

18、s41、解析所述基础地理信息矢量数据，将属性为人工构筑物的几何多边形转换为所述刚性地物锚点，并提取属性为植被覆盖区的几何多边形作为所述植被易变区；

19、s42、将所述植被易变区栅格化，并对栅格化结果执行数学形态学膨胀操作，扣除所述刚性地物锚点及其缓冲区后，生成所述非刚性掩膜；

20、s43、将所述非刚性掩膜与所述体积含水量参数的空间分布矩阵进行坐标配准和分辨率对齐，将所述非刚性掩膜覆盖范围内的体积含水量参数重置为所述背景基准值，并根据重置后的体积含水量参数重新提取所述土壤水分高饱和对象。

21、进一步地，步骤s5具体包括：

22、s51、提取所述土壤水分高饱和对象的三维空间形心坐标及其内部体积含水量均值构建所述源节点，提取所述刚性地物锚点的三维几何中心坐标构建所述目标节点，并对源节点特征与目标节点特征进行维度对齐，得到所述节点特征矩阵；

23、s52、在所述源节点的高程大于所述目标节点的高程时，建立从所述源节点指向所述目标节点的有向边，并基于两者之间的空间欧氏距离通过高斯核函数计算边连接权重，以构建所述有向邻接矩阵；

24、s53、通过所述图神经网络模型的至少两层图卷积层聚合节点特征，通过网络末端的全连接层和sigmoid激活函数输出取值范围为0至1的所述空间渗透恶化系数。

25、进一步地，步骤s6具体包括：

26、s61、按照计算所述基础静水压力；其中，为所述基础静水压力，为水的重度，为所述源节点与所述目标节点之间的高程差；

27、s62、按照计算所述等效孔隙水压力，并按照计算当前抗剪强度；其中，为所述等效孔隙水压力，为所述空间渗透恶化系数，为所述当前抗剪强度，为有效黏聚力，为总法向应力，为有效内摩擦角；

28、s63、按照计算基准抗剪强度，并按照计算所述稳定性降级指标；其中，为所述基准抗剪强度，为所述稳定性降级指标。

29、进一步地，在步骤s5之前，还包括：

30、s71、获取历史强降雨序列、雷达反演状态矩阵和对应的实际失稳记录，构建包含发生失稳的正样本与未发生失稳的负样本的训练样本集；

31、s72、对所述训练样本集中的节点特征进行标准化处理，在所述图神经网络模型的前向传播中计算预测失稳概率，并根据样本标签构建包含二元交叉熵项与正则化惩罚项的联合损失函数；

32、s73、利用反向传播算法依据所述联合损失函数的梯度迭代更新所述图神经网络模型的参数，直至验证集损失满足预设收敛条件，获得所述预训练的图神经网络模型。

33、进一步地，在步骤s6之后，还包括：

34、s81、将所述稳定性降级指标及其关联的三维坐标数据和观测时间进行时序编码，并录入隐患特征跟踪数据库；

35、s82、利用差分自回归移动平均模型，根据所述隐患特征跟踪数据库中的稳定性降级指标时间序列，预测下一观测周期的稳定性降级指标预测值；

36、s83、当所述稳定性降级指标预测值超过预设预警阈值时，输出包含隐患位置和预警等级的疏散预警信息。

37、本发明的另一目的在于提供一种基于多源遥感图像融合的地质灾害隐患核查系统，该系统包括：

38、多模态数据接入引擎，被配置为接入气象观测数据源、地形数据源、基础地理信息矢量数据源和雷达卫星数据源，获取气象降水格网序列数据、数字高程模型数据、基础地理信息矢量数据及汛期合成孔径雷达复图像数据；

39、水文前置约束引擎，与所述多模态数据接入引擎通信连接，用于根据所述数字高程模型数据获得坡度和汇水面积，并结合降水强度与入渗率计算径流危险度，划定水文致灾高危候选区域；

40、微波物理反演器，用于对所述水文致灾高危候选区域内的所述汛期合成孔径雷达复图像数据进行预处理，提取微波后向散射系数，反演体积含水量参数并生成土壤水分高饱和对象；

41、空间拓扑分析与图计算引擎，包括掩膜隔离器和图神经网络；所述掩膜隔离器用于根据所述基础地理信息矢量数据生成非刚性掩膜，并将所述非刚性掩膜覆盖范围内的体积含水量参数重置为背景基准值；所述图神经网络用于根据所述刚性地物锚点与所述土壤水分高饱和对象构建有向邻接矩阵，并输出空间渗透恶化系数；

42、力学灾变评估处理器，与所述空间拓扑分析与图计算引擎通信连接，用于根据所述土壤水分高饱和对象与所述刚性地物锚点之间的高程差计算基础静水压力和等效孔隙水压力，并利用莫尔-库仑破坏准则输出稳定性降级指标。

43、进一步地，所述空间拓扑分析与图计算引擎还包括节点特征编码器与张量解码器，其中：

44、所述节点特征编码器包括形心提取模块和特征对齐模块，所述形心提取模块用于提取所述土壤水分高饱和对象的三维空间形心坐标及体积含水量均值，以及所述刚性地物锚点的三维几何中心坐标；所述特征对齐模块用于将所述源节点特征和所述目标节点特征转换为具有相同维度的节点特征向量；

45、所述张量解码器设置于所述图神经网络的末端，包括全连接层和sigmoid激活函数，用于将图卷积层输出的节点聚合特征映射为取值范围为0至1的所述空间渗透恶化系数。

46、本发明的有益效果为：

47、1、本发明利用降水数据与数字高程模型数据限定水文致灾高危候选区域，并在候选区域内处理汛期合成孔径雷达复图像数据，能够减少全域雷达数据处理量，提高核查的针对性；

48、2、本发明根据基础地理信息矢量数据分别提取人工构筑物和植被覆盖区，生成刚性地物锚点与非刚性掩膜，能够抑制植被冠层摆动和冠层含水量变化产生的环境噪声，降低植被区异常回波对核查结果的干扰；

49、3、本发明将土壤水分高饱和对象与刚性地物锚点转换为有向图结构，利用图神经网络获得空间渗透恶化系数，并将该系数与由高程差计算的基础静水压力结合，得到可输入岩土力学模型的等效孔隙水压力，从而输出具有明确物理含义的稳定性降级指标。