Page 198 - 《武汉大学学报（信息科学版）》2025年第6期

1220 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 6 月

差，但整体变形趋势一致，由此可证明本文所采 元，共划分 789 个斜坡单元；图 9（b）为基于 r.slo‑
用的 SBAS-InSAR 技术测得的形变结果精度较 peunits 工具提取的斜坡单元，共划分 2 236 个斜
高，可满足滑坡灾害早期识别及监测预警研究。 坡单元。单从数量可以看出后者分割的斜坡单
3.4 基于斜坡单元与形变分析的滑坡识别 元更为细致，且对照秭归县的 DEM 及山体阴影
1）不稳定斜坡单元。斜坡单元结果如图 9 所 后，该结果更有效地反映了地形特征，对地形的
示，其中图 9（a）为基于水文分析法获得的斜坡单 精细划分将其作为滑坡识别指标集更为可靠。

图 9 斜坡单元结果
Fig. 9 Slope Units Result
将 MLP-Tomek Link 联 合 模 型 所 预 测 的 滑 成的形变点，提升形变监测结果的置信度，沿卫

坡易发性结果以众数统计法提取至基于 r.slopeu‑ 星 视 线 方 向 的 有 效 年 均 形 变 速 率 为 − 42.75~
nits 工具分割的斜坡单元中，并把在高易发性等 64.02 mm/a，优化后的有效形变监测结果集中分
级和极高易发性等级的斜坡单元视为不稳定斜
布于秭归县的中北部和东南部构造断裂带。此
坡单元。在划分的 2 236 个斜坡单元中，共提取
外，为克服卫星视线方向角度和地表几何形态对
不稳定斜坡单元 178 处，占比 7.96%，不稳定斜坡
地表真实变形速率的影响，将沿卫星视线方向的
单元分布如图 10 所示。
有效形变速率投影变换到最大坡度向，秭归县最
大 坡 度 向 的 年 均 形 变 速 率 为 0~112.68 mm/a。
地表形变分析结果如图 11 所示。
3）潜在滑坡区综合判定与提取。根据秭归县
以往的地质灾害调查资料和他人的研究结果，年均
形变速率分布在 20 mm/a 以下的区域很少发生滑
坡地质灾害。基于此，综合考虑最大坡度向年均形

变速率不低于 20 mm/a 以及判定为不稳定斜坡单
元的区域为滑坡灾害靶向区，即潜在滑坡区。共提
取潜在滑坡区 30 处（见图 12），主要分布在秭归县的
中北部的长江干流及其支流附近。
3.5 滑坡早期识别及验证
将提取的 30 处潜在滑坡区叠加在谷歌地球
上，结合收集到的地质灾害成果资料、野外调查
图 10 不稳定斜坡单元
数据和秭归县的实际情况，根据光学影像特征和
Fig. 10 Unstable Slope Units
空间特征、灾害点形状、大小、阴影、色调、颜色、
2）地表形变数据处理与分析。进行地形可 纹理、坡度、坡向、水系、植被等解译标志，分析、
视性剔除干扰严重区域内的不可信干涉测量生 推理、判断灾害类型，并标定其位置和范围。