一种山区矿区地表形变异常斑块识别方法及系统

本发明涉及遥感地形识别，具体涉及一种山区矿区地表形变异常斑块识别方法及系统。

背景技术：

1、合成孔径雷达干涉测量（interferometric synthetic aperture radar，insar）技术能够利用多时相sar影像获取广域地表形变信息。随着遥感技术的不断发展，时序insar技术通过构建不同的时空基线组合与散射体目标筛选策略，有效削弱了时间失相干、空间失相干及大气延迟效应的影响，能够获取研究区高精度的地表形变速率场和形变时间序列。此外，结合全球导航卫星系统（global navigation satellite system，gnss）等地面监测手段，现代形变监测已经能够获取海量的离散形变数据。

2、然而，在山区矿区或矿城复合区地表形变监测中，现有技术结果通常表现为大量离散监测点。传统分析方法多依据固定形变速率阈值进行人工判读，例如将形变速率小于某一阈值的点直接判定为沉降异常点。该类方法存在以下不足：第一，山区矿区地形起伏大、地物类型复杂，不同区域的局部形变背景差异明显，采用统一速度阈值容易产生误判；第二，点数据中常存在孤立异常点、边界异常点或局部噪声点，直接依据单点形变速率难以判断其工程可靠性；第三，点状形变结果难以直接转化为工程应用所需的异常影响区或风险斑块，不利于后续现场核查、监测布设和空间管控。

3、因此，有必要提供一种新的山区矿区地表形变异常斑块识别方法及系统。

技术实现思路

1、基于现有技术中存在的上述问题，本发明实施例的目的在于提供山区矿区地表形变异常斑块识别方法及系统通过局部背景校正和空间聚集约束，实现异常斑块的自动识别，有效避免了固定阈值误判，提高了识别结果的可靠性。

2、为实现上述目的，本发明采用的技术方案是：山区矿区地表形变异常斑块识别方法，包括：

3、s1，获取待研究区域的地表形变速率点数据，并对地表形变速率点数据进行预处理，得到有效监测点集合；

4、s2，以每个有效监测点为空间中心构建邻域窗口，并统计邻域窗口内的有效监测点数量；

5、s3，采用邻域窗口内监测点形变速率的中位数计算局部背景形变速率，并采用中位数绝对偏差计算邻域离散程度；

6、s4，根据各监测点的形变速率、局部背景形变速率和邻域离散程度，构建局部标准化异常指数，识别沉降异常候选点和抬升异常候选点；

7、s5，对各异常候选点统计对应邻域窗口内同类型异常候选点数量，计算空间聚集度指标，将聚集度低于预设阈值的孤立异常点进行剔除；

8、s6，对异常聚集点建立缓冲区并进行空间融合，得到初始异常斑块，再通过面积筛选得到地表形变异常斑块。

9、进一步的，所述地表形变速率数据包括监测点空间坐标和形变速率属性，所述空间坐标包括经度、纬度或投影坐标；所述对地表形变速率点数据进行预处理包括：对获取的地表形变速率点数据进行字段检查、无效点剔除和空间一致性处理。

10、进一步的，所述以每个有效监测点为空间中心构建邻域窗口，并统计邻域窗口内的有效监测点数量包括：以有效监测点集合中的第i个监测点为空间中心，建立半径为r的邻域窗口，统计该邻域窗口内所有有效监测点；设定最小邻域有效点数量阈值，当邻域窗口内有效监测点数量小于最小邻域有效点数量阈值时，将对应有效监测点标记为邻域点不足点，不参与局部标准化异常指数计算；当邻域窗口内有效监测点数量大于或等于最小邻域有效点数量阈值时，将对应有效监测点作为待计算监测点。

11、进一步的，所述采用邻域窗口内监测点形变速率的中位数计算局部背景形变速率，并采用中位数绝对偏差计算邻域离散程度包括：

12、对于第i个监测点，以邻域窗口内所有有效监测点的形变速率的中位数作为第i个监测点的局部背景形变速率，计算公式为：

13、

14、其中，为第

i个监测点的局部背景形变速率，为邻域窗口内第

j个监测点的形变速率；

15、对于第i个监测点，采用中位数绝对偏差表征邻域内形变速率的离散程度，计算公式为：

16、

17、其中，为第

i个监测点邻域窗口内形变速率的离散程度，为第

i个监测点的局部背景形变速率，为邻域窗口内第

j个监测点的形变速率。

18、进一步的，所述根据各监测点的形变速率、局部背景形变速率和邻域离散程度，构建局部标准化异常指数，计算公式为：

19、

20、其中，为第i个监测点的局部标准化异常指数，为第i个监测点的形变速率，为第i个监测点的局部背景形变速率，为第i个监测点邻域窗口内形变速率的离散程度，为避免分母为零的极小常数；

21、预设异常指数阈值，当时，将对应监测点判定为沉降异常候选点；当时，将对应监测点判定为抬升异常候选点；当时，将对应监测点判定为相对稳定点。

22、进一步的，所述同类型异常候选点包括沉降异常候选点或抬升异常候选点。

23、统计第i个异常候选点邻域窗口内同类型异常点数量，并构建空间聚集度，计算公式为：

24、

25、其中，为第i异常候选点的空间聚集度，为邻域窗口内与第i个监测点同类型的异常候选点数量，为邻域窗口内全部有效监测点数量；

26、对于沉降异常候选点，表示邻域窗口内沉降异常候选点数量；对于抬升异常候选点，表示邻域窗口内抬升异常候选点数量。

27、进一步的，所述对异常聚集点建立缓冲区并进行空间融合，得到初始异常斑块，再通过面积筛选得到地表形变异常斑块包括：对满足异常指数阈值和空间聚集度阈值双重约束的异常聚集点建立缓冲区，对相互重叠或相邻的缓冲区进行空间融合得到初始异常斑块；计算初始异常斑块的面积，并剔除面积小于最小斑块面积阈值的初始异常斑块，得到地表形变异常斑块。

28、一种山区矿区地表形变异常斑块识别系统，应用于上述山区矿区地表形变异常斑块识别方法，所述系统包括：

29、数据获取与预处理模块，用于获取待研究区域的地表形变速率点数据，并对地表形变速率点数据进行预处理，得到有效监测点集合。

30、邻域窗口构建模块，用于以每个有效监测点为空间中心构建邻域窗口，并统计邻域窗口内的有效监测点数量。

31、局部背景计算模块，用于采用邻域窗口内监测点形变速率的中位数计算局部背景形变速率，并采用中位数绝对偏差计算邻域离散程度。

32、异常指数计算模块，用于根据各监测点的形变速率、局部背景形变速率和邻域离散程度，构建局部标准化异常指数，识别沉降异常候选点和抬升异常候选点。

33、空间聚集筛选模块，用于对各异常候选点统计对应邻域窗口内同类型异常候选点数量，计算空间聚集度指标，将聚集度低于预设阈值的孤立异常点进行剔除。

34、异常斑块生成模块，用于对异常聚集点建立缓冲区并进行空间融合，得到初始异常斑块，再通过面积筛选得到地表形变异常斑块。

35、本发明的实施方式还提供了一种网络侧服务端，包括：

36、至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的山区矿区地表形变异常斑块识别方法。

37、本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述的山区矿区地表形变异常斑块识别方法。

38、本发明的有益效果是：本发明的一种山区矿区地表形变异常斑块识别方法采用邻域窗口内形变速率中位数作为局部背景形变速率，采用中位数绝对偏差作为邻域离散程度，能够有效降低山区矿区不同区域背景形变差异对异常识别结果的影响，提高异常识别的稳健性；通过构建局部标准化异常指数，将各监测点的形变速率相对于其局部背景进行标准化，避免了采用固定阈值时容易产生的误判问题，使异常识别结果更加符合局部形变特征；引入空间聚集度指标对异常候选点进行进一步筛选，能够有效剔除孤立异常点和噪声点，保留具有空间连续性的异常聚集区，提高异常识别结果的工程可靠性；通过绝对沉降速率约束，可以避免仅具有局部相对异常但绝对沉降幅度较小的点被过度识别，提高沉降异常斑块与原始形变速率分布之间的直观一致性；将点状异常结果通过缓冲区分析、空间融合和面积筛选转化为面状异常斑块，便于后续现场核查、监测布设和空间管控，提高了形变监测结果的工程实用性，具有较广的适用范围和较强的工程适用性。