[发明专利]联合InSAR与深度学习的边坡监测方法

说明书

本发明公开一种联合InSAR与深度学习的边坡监测方法，首先，利用InSAR技术研究研究区的地表形变量以并获取PS点；其次，基于人工建立已知边坡的Delaunay三角网库，接着，利用识别出来的PS点，采用深度学习识别边坡；再次，利用坡度分析与形变量分析将识别出来的边坡分类为致灾边坡与一般边坡；最后，针对致灾边坡利用地面设备测量的方式进行实时监测，对于一般边坡则利用InSAR技术不断监测，不断发现潜在的致灾边坡。本发明可以实现对研究区边坡进行大范围、高精度的边坡监测，能有效识别边坡，并对可能发生灾害的边坡进行地面设备重点监测，同时减少经济投入与边坡识别周期，提高边坡监测与风险管理工作能力和技术水平。

技术领域

本发明涉及InSAR与边坡治理领域，具体涉及一种联合InSAR与深度学习的边坡监测方法。

背景技术

近三十年来，随着社会经济的高速发展，中国多个区域不断发生滑坡等灾害，边坡危岩崩塌导致对人民群众生命财产安全造成巨大损失，且有愈演愈烈之势，造成的经济损失每年高达数百亿元，已经成为影响我国生态文明建设和可持续发展的一个重大问题。传统测量仅有地面稀疏点上的沉降信息，空间密度严重不足且无法短时间内大范围识别与监测。

因此，为解决这些问题，需要一种大范围、高精度的边坡监测系统，能有效识别边坡，并对可能发生灾害的边坡进行重点监测，同时减少经济投入与边坡识别周期，提高边坡监测与风险管理工作能力和技术水平。

合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar，InSAR)是一种能够获得地表厘米甚至毫米级形变的遥感技术，其具有全天候、覆盖面积达、高精度、低成本等优点，目前InSAR技术已经广泛应用于地表形变监测、火山、滑坡、地下开采等形变监测中，具有良好的应用基础与应用前景。

Delaunay三角网由于其三角剖分的唯一性、结构良好、数据结构简单、数据冗余度小等优良特性已广泛应用于表达实体空间关系、2.5维可视化、图形识别和地图模式识别等方面。

深度学习自从2006年被提出以来，已经在模式识别、图像识别、图像分类、图像分割等领域取得显著成果。深度学习是一个含有多层网络的模型，并且学习过程也是由低到高逐层映射到新的特征空间，具有层次化和分布式抽象的特点，这样可以拟合复杂的非线性函数，处理更高维度的非线性输入数据，对本发明中具有良好的应用效果。

在现有技术中，主要有以下文献与本发明申请相关：

文献1西南交通大学王钦科等的发明《一种基于雷达和红外线的高陡边坡监测系统及检测方法》，申请号：201810597506.3。该系统由地基雷达、红外线监测仪、供能单元、数据采集转化单元和分析单元组成，该发明结合雷达和红外线监测仪的在高陡边坡监测的优势，有效克服现有雷达监测边坡形变存在误报的缺陷，提供了一种更加科学的监测方式；

文献2长沙理工大学付宏渊等的发明《一种高速公路路堑变形监测及预警系统》，申请号：201510389260.7。该系统由多级路堑边坡土体、钢管桩、位移计、细钢丝、PVC软管、太阳能供电系统和供电线路组成，该发明通过对破面位移监测对高速公路路堑边坡进行早期预警的监测；

文献3招商局重庆交通科研设计院有限公司阎宗岭的发明《土质边坡表面位移监测及安全预警方法》，申请号：201310712637.9。该方法可以全面描述边坡变形监测数据的性质和变化趋势，可以真实的反映边坡变形的发展过程，为寻找边坡的变形异常部位、评价边坡的安全稳定提供了客观的依据；

文献4青岛理工大学贺可强等的发明《蠕滑型人工边坡稳定性系数与预警判据的确定方法》，申请号：201310710812.0，该发明利用实地边坡监测数据所确定的位移时序曲线和边坡定量稳定性系数进行耦合，从而找出一种通过实时位移监测曲线与边坡稳定系数随时间演化规律以及对应预警预报时间的方法；