本发明涉及遥感滑坡地质灾害监测、评估和预测预警。具体地说是基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法。
背景技术：
1、滑坡地质灾害具有密度大、频度高、分布范围广以及破坏性强等特点，对人类生命和财产安全构成严重威胁。近年来，受全球气候变化异常的影响，特别是极端降雨事件的增加，降雨诱发滑坡的频率和危害程度也不断加剧。根据美国国家航空航天局(nasa)提供的全球山体滑坡目录，1988年至2016年期间，全世界有9664起降雨引发的山体滑坡，造成超过29047人死亡；2003年7月11日夜，在中国四川省丹巴邛山沟爆发滑坡，导致泥石流，冲毁公路桥，堵断河流，造成28人死亡，23人失踪；2010年8月四川都江堰三溪村山体滑坡造成166人死亡；2017年6月24日四川茂县发生岩崩，掩埋了村庄，造成10人死亡，73人失踪。降雨滑坡危害大，频次高，给人民生命财产造成严重威胁。由于有限的滑坡时空监测网络，辨识和预测滑坡发生的位置与时间一直是热点与难点问题。
2、滑坡发生位置与时间相关的因素包括内部与外部因素，内部因素与滑坡体自身相关，主要有地形、岩性、地貌、土壤类型、植被、土地覆被、水文及地震带分布等，即滑坡敏感性；外部因素是诱导滑坡发生的因素，主要有降雨、地震、洪水和人为因素等。综合内部因素可以得出滑坡潜在的分布区域，即滑坡敏感性。相关学者对降水诱发滑坡灾害的成因、发生以及与降水量的关系进行研究，并探索预测方法，主要包括统计法和物理模型法。统计分析法通过对历史滑坡事件的降雨信息进行统计分析，得到可能诱发滑坡的最小降雨条件，即经验性降雨阈值，以此作为滑坡预测的依据。物理模型法基于降雨型滑坡发生的物理机制，通过考虑降雨发生前后的地下水位变化、土壤湿度变化及相应的应力变化，用动力学方法实现滑坡预测，但因其需要输入详细的水文地质参数，计算量大，一般只适用于单个边坡的预测。降雨阈值的主要表现形式是基于降雨事件变量的降雨阈值曲线，例如降雨历时-强度曲线、降雨历时-累积降雨量曲线等。降雨阈值曲线在滑坡预测中常常表现出较高的误报率。如何比较和改进降雨阈值以提高区域滑坡预测的准确性和可靠性，已成为学者们普遍关注的热点问题。
3、卫星定量降水评估产品、多源降水融合及再分析产品具有全天候、高时空分辨率、全球覆盖以及准确反映降雨时空分布的优势，常用于降雨预报及水资源管理，如trmm、mswep、cmfd、era5等。但由于观测资料以及地形复杂程度差异，使得不同的降水数据具有很大的不确定性。基于不同降水数据构建的阈值曲线对于滑坡的响应亟待研究。
技术实现思路
1、为此，本发明所要解决的技术问题在于提供一种改善降雨型滑坡预测的准确性的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法。
2、为解决上述技术问题，本发明提供如下技术方案：
3、基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，包括如下步骤：
4、(1)获取滑坡数据，并通过遥感技术和arcgis系统进行相关性分析，确定滑坡敏感性因子；
5、(2)利用滑坡敏感性因子进行划分，得到初始滑坡敏感性分区图；
6、(3)根据初始滑坡敏感性分区图得到扩充后的滑坡样本和非滑坡样本；
7、(4)将扩充后的滑坡样本和非滑坡样本进行训练、构建半监督机器学习进行滑坡敏感性预测，构建预测滑坡敏感性的耦合模型；
8、(5)基于滑坡敏感性预测，进行有效降雨强度-历时分析，确定降雨临界阈值；
9、(6)对降雨滑坡模拟进行模拟评估，输出结果。
10、上述基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，在步骤(1)中，滑坡数据来源于中国自然资源部“地质云”平台，包括滑坡诱发因素、滑坡类型、滑坡尺寸和滑坡模式特征属性数据，同时使用分形理论选取非滑坡样本；降雨型滑坡数据编目：自中国地质灾害通报；综合遥感、地面调查、基础地理多源异构时空大数据选取滑坡敏感性因子。
11、上述基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，根据研究区滑坡形成规律及其空间分布特征，从地理环境因素、地质构造因素、人类活动因素三个维度，选取滑坡危险性评价指标，包括：海拔高度dem、坡度slope、坡向aspect、植被覆盖度fvc、岩性lithology、地貌landform、断层距离fault distance、地震强度earthquakeintensity、土壤属性domsoil、气温temperature、降水pricipitation、土地利用landuse、距水体距离water distance、距道路距离road distance；
12、利用逐步回归法对所选的滑坡危险性评价指标进行多重共线性检验，通过容忍度t和方差膨胀因子vif检验各滑坡危险性评价指标之间的相关性，然后采用随机森林算法rf对滑坡危险性评价指标进行重要性排序，剔除重要性低的冗余特征因子，最终获得滑坡敏感性因子参与滑坡敏感性分析；滑坡敏感性因子包括：海拔高度dem、坡度slope、植被覆盖度fvc、岩性lithology、地貌landform、土壤属性domsoil、气温temperature、降水pricipitation、土地利用landuse、距水体距离water distance、距道路距离roaddistance。
13、上述基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，在步骤(2)中，包括：
14、(2-1)将滑坡敏感性因子离散化，对比分析分级栅格百分比、滑坡栅格百分比、频率比；
15、(2-2)基于影响因素的rf、已知滑坡栅格单元和随机选择的非滑坡栅格单元，对全监督tabnet网络进行训练测试并预测，得到初始滑坡敏感性值；
16、(2-3)对rf值相近的区间进行合并，综合评价各滑坡敏感性因子于滑坡敏感性影响的重要程度，根据滑坡敏感性强弱分为5级，分别是：初始极低滑坡敏感区extremelylow，初始低滑坡敏感区low，初始中滑坡敏感区middle，初始高滑坡敏感区high，初始极高滑坡敏感区extremely high，并在所研究区域内绘制初始滑坡敏感性分区图。
17、上述基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，在步骤(3)中，包括：
18、(3-1)将高分辨率遥感影像与初始滑坡敏感性分区图叠加；
19、(3-2)从初始极高滑坡敏感区extremely high中，通过遥感和目视解译的方式选择发生滑坡概率极高的栅格单元作为潜在滑坡，以扩充已知滑坡样本；
20、(3-3)从初始极低敏感区extremely low中，随机选取栅格单元作为非滑坡样本，扩充非滑坡样本。
21、上述基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，在步骤(4)中，将扩充后的滑坡样本和准确选取的非滑坡样本，再次导入tabnet网络中进行训练测试，成功构建半监督机器学习并进行最终的滑坡敏感性预测。
22、上述基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，在步骤(5)中，统计降雨型滑坡发生当日及前15日降雨数据，综合考虑前期降雨与当日降雨对滑坡的影响，统计有效降雨强度，通过相关性计算确定符合西南山区实际情况的有效降雨系数，绘制引起滑坡的有效降雨强度-历时关系曲线，确定降雨临界阈值。
23、上述基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，有效降雨强度-历时关系曲线，即e-i-d曲线，e-i-d曲线以降雨历时为横坐标，以有效降雨强度为纵坐标；
24、降水产品e-i-d曲线中，圆点表示滑坡事件，其对应的坐标表示发生滑坡时，降雨历时与从降雨开始到发生滑坡时的有效降雨强度，确定发生滑坡的平均降雨强度和降雨历时的临界阈值。
25、上述基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，在步骤(6)中，基于不同卫星降水产品的e-i-d曲线，与最终的滑坡敏感性预测分区图进行拟合，统计其预测正确与预测错误的典型降雨滑坡，分析该产品对滑坡预测的适用性，输出e-i-d曲线降雨滑坡预测结果并制图。
26、本发明的技术方案取得了如下有益的技术效果：
27、1、本技术克服单一降水产品对滑坡阈值的捕捉能力及其对精度的影响，充分考虑前期有效降雨和近期降雨在滑坡发生过程中的共同作用，改进的前期有效降雨指数来拟合降雨滑坡阈值，并通过统计分析历史滑坡数据和前期有效降雨指数及近期降雨之间的关系，结合滑坡敏感性和有效降雨强度-历时模型，构建基于前期有效降雨强度和近期降雨的阈值模型，比较基于trmm、mswep、cmfd、era5 4种降水数据的拟合和预测效果，实现区域降雨型滑坡预测，改善降雨型滑坡预测的准确性。
28、2、本发明提出半监督深度学习以解决敏感性预测中存在的已知滑坡编录较少和非滑坡样本随机选取的问题。与监督学习的差异在于，自监督学习通过人工设计的自监督学习信号从海量无标注数据中挖掘自身的监督信息构成伪标签，即非滑坡样本，替代完全由人工标注滑坡样本来驱动模型进行特征学习。并在滑坡敏感性的基础上，充分考虑前期有效降雨和近期降雨在滑坡发生过程中的共同作用，改进的前期有效降雨指数来拟合降雨滑坡阈值，并通过统计分析历史滑坡数据和前期有效降雨指数及近期降雨之间的关系，结合滑坡敏感性和有效降雨强度-历时模型，构建降雨-滑坡阈值动态曲线。
1.基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，在步骤(1)中，滑坡数据来源于中国自然资源部“地质云”平台，包括滑坡诱发因素、滑坡类型、滑坡尺寸和滑坡模式特征属性数据，同时使用分形理论选取非滑坡样本；降雨型滑坡数据编目：自中国地质灾害通报；综合遥感、地面调查、基础地理多源异构时空大数据选取滑坡敏感性因子。
3.根据权利要求2所述的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，根据研究区滑坡形成规律及其空间分布特征，从地理环境因素、地质构造因素、人类活动因素三个维度，选取滑坡危险性评价指标，包括：海拔高度dem、坡度slope、坡向aspect、植被覆盖度fvc、岩性lithology、地貌landform、断层距离faultdistance、地震强度earthquake intensity、土壤属性domsoil、气温temperature、降水pricipitation、土地利用landuse、距水体距离water distance、距道路距离roaddistance；
4.根据权利要求3所述的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，在步骤(2)中，包括：
5.根据权利要求4所述的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，在步骤(3)中，包括：
6.根据权利要求1所述的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，在步骤(4)中，将扩充后的滑坡样本和准确选取的非滑坡样本，再次导入tabnet网络中进行训练测试，成功构建半监督机器学习并进行最终的滑坡敏感性预测。
7.根据权利要求1所述的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，在步骤(5)中，统计降雨型滑坡发生当日及前15日降雨数据，综合考虑前期降雨与当日降雨对滑坡的影响，统计有效降雨强度，通过相关性计算确定符合西南山区实际情况的有效降雨系数，绘制引起滑坡的有效降雨强度-历时关系曲线，确定降雨临界阈值。
8.根据权利要求7所述的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，有效降雨强度-历时关系曲线，即e-i-d曲线，e-i-d曲线以降雨历时为横坐标，以有效降雨强度为纵坐标；
9.根据权利要求1所述的基于多源降水数据和滑坡敏感性的降水滑坡风险时空模拟和预警方法，其特征在于，在步骤(6)中，基于不同卫星降水产品的e-i-d曲线，与最终的滑坡敏感性预测分区图进行拟合，统计其预测正确与预测错误的典型降雨滑坡，分析该产品对滑坡预测的适用性，输出e-i-d曲线降雨滑坡预测结果并制图。
