Interpretation method for regional co-seismic collapses based on multi-feature fusion of optical remote sensing
-
摘要: 同震崩塌滑坡的解译及定位是震区灾后恢复工作中需要重点解决的问题，如何在灾害快速、自动解译的基础上，不断提高解译精度，是目前同震崩塌滑坡解译的研究热点之一，也是促使地质灾害早期识别向智能化、科学化发展的必要前提。文章在团队前期所提出的遥感影像局部阈值二值化方法的基础上，针对同震崩塌滑坡解译结果假阳率偏高的问题，分析了假阳性地物的光学和几何特点，提出了融合目标区域光学影像灰度特征、区域坡度信息、NDVI指数特征及解译地物主轴特征的同震崩塌滑坡多特征融合解译方法。为验证所提出模型的准确性，以2014年云南鲁甸地震龙头山镇为研究区，利用震后获取的高分一号（GF-1）卫星影像数据及数字高程模型对该同震崩塌滑坡进行了解译识别，结果表明，文中提出的方法准确解译出了同震崩塌滑坡区域，并有效去除了假阳性地物干扰，提高了解译精度。Abstract: Interpretation of co-seismic collapse landslides is a key problem that needs to be solved in the post-disaster recovery work in earthquake areas. The issue regarding continuously improvement of interpretation accuracy for rapid and automatic interpretation of disasters is currently a hot topic, which is also a prerequisite to promote the development of early recognition of geological disasters towards intelligence and scientific. Based on the local threshold binarization method of remote sensing image proposed by the team in the early stage, this paper analyzes the optical and geometric characteristics of false positive features and proposes a fusion for the high false positive rate of the interpreted results of co-seismic mountain collapse. The multi-feature fusion interpretation method of the co-seismic mountain collapse with the gray feature of the optical image of the target area, the regional slope information, the NDVI feature and the interpretation of the main axis feature of the ground feature. In order to verify the accuracy of the proposed model, based on the 2014 Ludian earthquake in Yunnan, a case study was carried out in the Longtoushan town area. The Gaofen-1 (GF-1) satellite image data obtained after the earthquake and the digital elevation model were used for the earthquake in this area. The interpretation and recognition of the collapse of the cracked mountain shows that the method proposed in this paper accurately interprets the collapsed area of the cracked mountain body, effectively removes the false positive ground object interference, and improves the accuracy of interpretation.
-
0. 引言
膨胀土边坡的稳定性一直是岩土界广泛关注的问题。目前，边坡稳定性分析的常用方法主要包括了极限平衡法、极限分析法等，都建立在极限平衡理论基础之上，并不适用于膨胀土边坡的稳定性分析[1]。另一种常用的方法是有限元强度折减法，早在1975年该方法就被Zienkiewice等[2]用来求解边坡稳定问题，随着计算机硬件技术和有限元软件技术的飞速发展，运用有限元强度折减法分析边坡稳定已经成为新的趋势[3-10]。国内很多学者将强度折减法运用到膨胀土边坡稳定分析中，取得了一系列成果。
周健等[11]利用强度折减法研究膨胀土边坡的稳定性，发现干湿循环会导致膨胀土抗剪强度衰减，且随着干湿循环次数的增加，边坡稳定性降低，安全系数减小。刘明维等[12]研究了强度折减法在膨胀土斜坡地基路堤稳定性分析中的应用，发现强度折减法所得结果与实际情况相符。张硕等[3]基于有限元强度折减法研究了雨季土体增重、强度降低和膨胀作用对膨胀土边坡稳定性的影响，发现强度降低是导致边坡失稳的主要原因，膨胀作用次之，土体增重较小。程灿宇等[13]利用MIDAS/GTS、FLAC和ANSYS三种软件采用强度折减法分别对不同工况进行了稳定性分析，发现弱膨胀土边坡无论采用M-C屈服准则，还是D-P屈服准则所得结果差异不大。谭波等[14]采用强度折减法对不同条件下的膨胀土边坡的安全系数进行了计算，发现次生裂隙面发育是导致膨胀土边坡失稳的主要原因之一。杨才等[15]根据强度折减有限元法对不同条件失稳边坡稳定性分析结果，提出以最大塑性应变以及最小塑性应变的量级指标来判定塑性区贯通时刻。
然而，干湿循环、降雨入渗等因素会引起浅层膨胀土干密度降低、吸力衰减，从而使抗剪强度大幅度下降。目前，在采用强度折减法分析膨胀土边坡稳定性的同时系统考虑抗剪强度衰减影响的研究尚不多见。为此，本文采用试验与数值模拟相结合的方式，系统地考虑了抗剪强度衰减特性的膨胀土边坡稳定性分析。首先对广西宁明膨胀土开展了室内直剪试验，分析了含水量、干密度对膨胀土抗剪强度衰减的影响；再以此为依据，利用Midas有限元分析软件研究考虑抗剪强度衰减特性对膨胀土边坡稳定性安全系数的影响，获取了边坡安全系数随抗剪强度折减的动态变化规律，以期为工程实践提供参考。
1. 抗剪强度衰减特性试验设计
1.1 试验用土
土样取自广西崇左-夏石镇某高速公路膨胀土边坡路段，其天然含水量、最优含水量和天然干密度分别为32.5%，24%和1.40 g/cm3，其他土性指标，比重（Gs），液限（WL)，塑限（WP），塑性指数（IP），自由膨胀率（σf）见表1。自由膨胀率为42.8%，按照《膨胀土地区建筑技术规范》[16]的分类，该膨胀土为弱膨胀性膨胀土。
表 1 宁明膨胀土基本土体参数Table 1. Basic soil parameters of Ningming expansive soil参数 Gs/（g.cm−3） wL/% wP/% IP σf/% 取值 2.80 59.11 24.68 34.43 42.8 1.2 试样制备及试验方法
1.2.1 试样制备
首先，将现场取回的扰动土试样碾散过2 mm筛，过筛后放入105℃的烘箱中烘24h，使试样具有相同的初始结构，并将烘干土用收纳箱密封保存备用。接着，按目标含水量（控制干密度为1.6 g/cm3）和目标干密度（控制含水量18%）要求配制成湿土，并装入保鲜袋，经闷料24 h后测得土样的最终含水量与目标含水量之间误差不超过1%；最后，为保证环刀试样均匀一致，采用自制的模具（图1）进行制样，并利用液压千斤顶脱模推出，控制试样的直径为61.8 mm，高度为15 mm，目的是使试样在竖直方向上能够充分膨胀，每组平行土样密度差不超过±0.02 g/cm3，否则废弃重做。试样配制过程如图2，最终制成的每个环刀试样表面均平整无破损，且长度误差不超过0.2 mm，则为满足要求的试样。
1.2.2 试验方法
以初始干密度为1.6 g/cm3，含水量分别为9%、12%、15%、18%、21%、24%和27%制取环刀试样7组，每组4个；并以初始含水量为18%，干密度分别为1.4、1.5、1.6和1.7 g/cm3制取环刀试样4组，每组4个，然后进行常规直剪试验（图3），试验施加的竖向压力分别为100 kPa、200 kPa、300 kPa、400 kPa，剪切速率为0.02 mm/min，初始剪切位移均保持在3.850 mm左右，剪切位移量程13.000 mm。
2. 抗剪强度衰减特性试验结果与分析
2.1 含水量对抗剪强度衰减的影响分析
为研究广西宁明膨胀土的抗剪强度随含水量变化的规律，对不同含水量的土样进行直剪试验，试验结果如表2所示。
表 2 宁明膨胀土抗剪强度试验结果表Table 2. Results of shear strength of Ningming expensive soils试验参数 w/% φ/（°） c/kPa 试验结果 8.80 27.3 100.36 11.7 24.56 93.28 14.6 21.80 67.34 17.5 19.82 54.64 20.8 17.92 41.22 23.3 15.20 30.86 26.1 12.38 9.90 根据表2可绘制出宁明膨胀土黏聚力和内摩擦角与含水量的关系如图4和图5所示，拟合后可得到黏聚力和内摩擦角与含水量的关系式：
![]()
图 4 宁明膨胀土黏聚力随含水量变化规律Figure 4. Variation of cohesive force of Ningming expansive soil with water content![]()
图 5 宁明膨胀土内摩擦角随含水量变化规律Figure 5. Variation of internal friction angle of Ningming expansive soil with water content$$ c = { - 5.192}w + 147.9 $$ (1) $$ \varphi = - 0.827w + 34.36 $$ (2) 由式（1）和（2）可知，c和φ与w都存在近似线性的关系，这与文献[17-18]结果一致，含水量每增大5%，其黏聚力约减小26 kPa，内摩擦角减小4.2°左右；为更好的表示c随w的衰减规律，参考吕海波等[19]的研究，可计算出c的衰减率为：
$$ \eta = \frac{{\left| {{c_0} - {c_1}} \right|}}{{{c_0}}} \times 100\% $$ (3) 式中：η——黏聚力衰减率；
c0——初始黏聚力；
c1——随含水量变化后的黏聚力。
根据表3可知，随着宁明膨胀土含水量的逐渐增大黏聚力不断衰减，在最低目标含水量9%以3%递增至目标含水量27%的过程中，黏聚力的衰减率变化趋势为增大-减小-增大，说明膨胀土在低含水量和接近饱和含水量时，黏聚力对含水量的变化显得十分敏感。
表 3 宁明膨胀土黏聚力衰减率计算结果表Table 3. Results of cohesion decay rate of Ningming expansive soil试验参数 w/% c/kPa η/% 试验结果 8.8 100.36 − 11.7 93.28 7.05 14.6 67.34 27.81 17.5 54.64 18.86 20.8 41.22 24.56 23.3 30.86 25.13 26.1 9.9 67.92 在试样ρd保持一致的情况下（1.6 g/cm3），可从图6及图7中看出在相同垂直应力作用下，抗剪强度随着w的增大呈现减小的趋势。
![]()
图 6 不同含水量试样抗剪强度随垂直压力的变化Figure 6. Change of the shear strength with vertical pressure of samples with different water contents![]()
图 7 不同荷载下试样抗剪强度随含水量的变化Figure 7. Change of the shear strength with water content of specimens undergoing different vertical loads上述试验结果表明，宁明膨胀土的抗剪强度随着含水量的改变发生显著变化；主要表现为在含水量增大时黏聚力和内摩擦角发生衰减，其中黏聚力的衰减较内摩擦角更为明显。
2.2 干密度对抗剪强度衰减的影响分析
根据表4数据可拟合出试样黏聚力和内摩擦角随干密度的变化规律，如图8、图9所示。
表 4 不同干密度下试样试验结果记录表Table 4. Record table of test results under different dry densities试验参数 ρd/（g·cm−3） c/（kPa） φ/（°） 试验结果 1.7 97.26 26.5 1.6 54.64 19.82 1.5 40.34 17.82 1.4 37.57 16.87 ![]()
图 8 宁明膨胀土黏聚力随干密度变化规律Figure 8. Variation of cohesive force of Ningming expansive soil with dry density![]()
图 9 宁明膨胀土内摩擦角随干密度变化规律Figure 9. Variation of internal friction angle of Ningming expansive soil with dry density由图8和图9可观察出宁明膨胀土的黏聚力和内摩擦角随干密度的变化曲线符合乘幂函数的拟合结果，其中：
$$ c = 0.126{{\rm{e}}^{3.884{\rho _{\rm{d}}}}} $$ (4) $$ \varphi = 1.631{{\rm{e}}^{1.614{\rho _{\rm{d}}}}} $$ (5) 分析式(4)可知试样c随着ρd的减小而减小，且随着ρd的减小，c的衰减速率由快到慢，并最终趋于稳定；而在接近最大干密度（1.78 g/cm3）时变化较为显著，在干密度由1.4 g/cm3增大至1.6 g/cm3时，c增加了17.07 kPa；在干密度由1.6 g/cm3增大至1.7 g/cm3时，c增加了42.62 kPa。而由式（5）能看出φ亦随着ρd的减小而减小，但其整体的变化幅度并不大，干密度1.4 g/cm3与1.7 g/cm3的试样φ相差约9.6°；图10中各级载荷下的抗剪强度都随着试样ρd的减小而降低，且其变化幅度在高垂直应力条件下更为显著。
![]()
图 10 不同干密度下试样抗剪强度随垂直应力的变化Figure 10. Variation of shear strength with vertical stress of specimens of different dry densities干密度对宁明膨胀土抗剪强度的影响主要体现在黏聚力上，试样干密度越小，单位体积土体的土颗粒越少，土粒间水膜越薄，其抗剪强度越小；此外，膨胀土干密度越小，其吸力越大，试样的抗剪强度越低；而干密度对于内摩擦角的整体影响并不显著，其变化在10°以内。
3. 考虑抗剪强度衰减特性的边坡稳定性分析
3.1 几何模型
根据广西崇左-夏石镇某高速公路膨胀土边坡为研究对象，并参考该公路的地质勘察报告，该边坡土质主要由填土（①1和①2）、黏土②、强风化泥岩③和中风化泥岩④组成。同时根据地质调查及钻探、探槽揭示，该边坡滑动带基本位于黏土层，且下部强风化泥岩等土体不透水，大气影响深度为7 m，刚好大致为填土厚度和黏土厚度之和，影响急剧层深度为2.5 m。相关土层天然状态下基本参数指标见表5。
表 5 土层相关参数Table 5. Soil layer related parameters地层岩性 厚度
/m重度
/（kN·m−3）内摩擦角
/（°）黏聚力
/kPa其它 填土①1 0.2~1 18.0 5 24 成分黏土 填土①2 2.5~3.3 18.8 30 7 上层砾砂，
下层碎石黏土② 0.3~4 18.4 8.4 35.6 中等膨胀土 强风化泥岩③ 0.6~1 19.3 25 45 质量等级Ⅴ级 中风化泥岩④ 未钻穿 19.6 35 65 质量等级Ⅴ级 结合上述实际工程地质勘察报告，将膨胀土边坡考虑为非匀质边坡，同时为提高模型求解时间，取黏土弹性模量12000 kPa，容重18.4 N/m3，泊松比0.3，边坡高20 m，坡比1∶1.5。为避免尺寸效应带来的误差和便于模型求解收敛，坡顶取15 m，坡底取25 m，网格按线性梯度（长度）划分，起始长度1.2 m，结束长度0.5 m。由于填土土层由于土体较松散，易膨胀开裂，在降雨作用下容易引发降雨入渗，易软化下部土体，因此实际工程中对该部分填土进行了挖除。填土挖除后，为充分合理考虑到大气影响层对膨胀土边坡中黏土的影响，同时又不会影响到下部不透水泥岩，取大气影响层为距离坡面4 m范围的土体，正好为黏土厚度，急剧层为距离坡面1.5 m范围的土体（图11）。
3.2 含水量对稳定性的影响
根据室内直剪试验结果，同时考虑到膨胀土具有浅层性，将测得的7个含水量下（干密度均为1.6 g/cm3）的膨胀土抗剪强度参数指标c和φ赋予给受大气影响的风化层土体，即距离坡面4 m范围内的黏土。强、中风化泥岩层土体参数指标取地质勘察报告的值，具体数值见表5。计算得到不同含水量w下膨胀土边坡整体位移和潜在滑移面，如图12、图13所示。
![]()
图 12 1.6 g/cm3干密度不同含水量条件下的边坡位移Figure 12. Slope displacement with the 1.6 g /cm3 dry density under different moisture content conditions![]()
图 13 1.6 g/cm3干密度不同含水量条件下的边坡潜在滑移面Figure 13. Potential slip surface of slope with the dry density of 1.6 g/cm3under different moisture content分析图12和图13可知，随着含水量w的增大，边坡的整体位移整体呈增大趋势，非饱和膨胀土边坡的浅层破坏由受大气影响层膨胀土强度衰减导致。随着含水量的增加，土体的c不断减小，边坡位移不断增大，滑移面逐渐变浅；破坏形式为浅层滑塌式的破坏。边坡失稳的滑移面位置位于大气影响层和不透水泥岩的交界处，且与黏土的底部相切。
基于相同干密度，不同含水量下膨胀土的剪切试验和地质勘察报告，利用有限元分析软件对边坡进行稳定性分析，可得到随着膨胀土含水量的变化对边坡稳定性安全系数的影响规律，如图14所示的曲线，表达式为：
![]()
图 14 边坡安全系数随含水量的变化规律Figure 14. The variation of slope safety factor with water content$$ y = - {\text{0}}{\text{.008}}{x^2} + {\text{0}}{\text{.1884}}x + {\text{2}}{\text{.025}} $$ (6) 随着w的增大，膨胀土的强度参数指标不断衰减，含水量较高比低含水量情况下的衰减速度更大。同时，膨胀土边坡在天然状况下处于稳定状态，但当w增大至27%时，其Fs为0.850，稳定性转变为失稳状态，发生滑坡、坍塌等工程现象；在此基础上，若继续增大含水量，膨胀土边坡将可能由浅层失稳进入完全失稳状态，这与实际工程中，在长时间降雨后，曾出现的多次滑坡现象类似。
3.3 干密度对稳定性的影响
根据试验结果，将测得的四个干密度下（含水量均为18%）的膨胀土抗剪强度参数指标c和φ赋予给距离坡面4 m范围的黏土。强、中风化泥岩层土体抗剪强度参数指标取地质勘察报告值，具体数值见表5。计算得到不同ρd下膨胀土边坡整体位移和潜在滑移面，如图15、图16所示。
![]()
图 15 18%含水量不同干密度条件下的边坡位移Figure 15. Slope displacement under different dry densities with the moisture content of 18%![]()
图 16 18%含水量不同干密度条件下的边坡潜在滑移面Figure 16. Potential slip surface of slope under different dry densities with the 18% moisture content从图15和图16中可以看出试样的ρd越小，边坡位移越大，潜在滑移面变浅；这是因为土体的c随着ρd的减小而减小，使得其抗剪强度降低；此时，边坡的破坏形式由整体滑动变为浅层滑塌。基于相同含水量，不同干密度下膨胀土的剪切试验和地质勘察报告，利用有限元分析软件对边坡进行稳定性分析，可得到随着膨胀土干密度的变化对边坡稳定性安全系数的影响规律，如图17所示的曲线，其表达式为：
$$ y = {\text{8}}{\text{.375}}{x^2} - {\text{23}}{\text{.24}}x + {\text{18}}{\text{.41}} $$ (7) 试样ρd越小，其抗剪强度越低；且在ρd越大时其Fs增大趋势越为显著；1.5 g/cm3干密度下的Fs为2.409，比1.4 g/cm3的高出0.124，而1.7 g/cm3干密度下的Fs与1.6 g/cm3条件下的差值为0.459。
4. 结 论
（1）含水量的增大、干密度的减小都会引起膨胀土的峰值抗剪强度、黏聚力以及内摩擦角发生不同程度的衰减，其中，黏聚力的衰减幅度相较于内摩擦角更大。
（2）通过多次膨胀土强度折减的方法可以很好地模拟降雨过程中由抗剪强度衰减引起的边坡稳定性的动态变化：风化层土体强度接近未风化层土体强度时，边坡处于稳定状态，潜在滑动面穿过分层界面；随着含水量增大、干密度变小，风化层抗剪强度会不断衰减，引起潜在滑动面逐渐外移，边坡稳定性降低。
（3）数值模拟结果表明：与干密度减小相比，含水量的增大对边坡稳定更为不利，含水量增加到27%以后，膨胀土边坡由稳定状态变为欠稳定状态，因此在分析膨胀土边坡稳定性时，应着重考虑含水量变化的影响。
-
![]()
图 2 全色影像局部阈值二值化初步检测流程图
Figure 2. Flow chart of collapse identification for panchromatic image based on local threshold binarization
![]()
图 5 鲁甸县龙头山镇影像（影像数据来源于高分一号卫星2014年8月20日影像数据）
Figure 5. Image of Longtoushan Town, Ludian County (Image from GF-1 dataset, on August 20, 2014)
![]()
图 10 研究区震前影像（影像数据来源于WorldView-2卫星2011年12月6日影像数据）
Figure 10. Pre-earthquake images in the study area (Image from WorldView-2 dataset, on December 6, 2011)
![]()
图 11 目视解译结果示意图（红色区域为同震崩塌滑坡，蓝色区域为挖方边坡等疑似地物）
Figure 11. Schematic diagram of visual interpretation results (pink polygons are the co-seismic collapses, red polygons are the suspected objects due to excavation)
表 1 原始数据参数信息表
Table 1 Information of the input data
原始数据 谱段范围/μm 空间分辨率/m 高分一号（GF-1）
卫星影像数据0.45～0.90 2.00 0.45～0.52 8.00 0.52～0.59 0.63～0.69 0.77～0.89 数字高程模型DEM − 30.00 
下载: 导出CSV
-
[1] 范一大,吴玮,王薇,等. 中国灾害遥感研究进展[J]. 遥感学报,2016,20(5):1170 − 1184. [FAN Yida,WU Wei,WANG Wei,et al. Research progress of disaster remote sensing in China[J]. Journal of Remote Sensing,2016,20(5):1170 − 1184. (in Chinese with English abstract) [2] 常昊,张吕. 云南鲁甸Ms6.5级地震震区滑坡易发性分析[J]. 中国地质灾害与防治学报,2017,28(2):38 − 48. [CHANG Hao,ZHANG Lyu. Analysis of Susceptibility causes of landslides triggered by earthquake in Ludian Ms6.5 earthquake region[J]. The Chinese Journal of Geological Hazard and Control,2017,28(2):38 − 48. (in Chinese with English abstract) [3] 曹颖,黄江培,钱佳威,等. 利用时移层析成像方法揭示与2014年云南鲁甸MS6.5地震有关的P波速度变化[J]. 地球物理学报,2021,64(5):1569 − 1584. [CAO Ying,HUANG Jiangpei,QIAN Jiawei,et al. Application of time-lapse seismic tomography based on double-difference tomography to reveal P wave velocity changes related to the 2014 Ludian MS6.5 earthquake[J]. Chinese Journal of Geophysics,2021,64(5):1569 − 1584. (in Chinese with English abstract) [4] 韩继冲,张朝,曹娟. 基于逻辑回归的地震滑坡易发性评价—以汶川地震、鲁甸地震为例[J]. 灾害学,2021,36(2):193 − 199. [HAN Jichong,ZHANG Zhao,CAO Juan. Assessing earthquake-induced landslide susceptibility based on logistic regression in 2008 Wenchuan earthquake and 2014 Ludian earthquake[J]. Journal of Catastrophology,2021,36(2):193 − 199. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-811X.2021.02.034 [5] 胡华,吴轩,张越. 基于模拟试验的强降雨条件下花岗岩残积土斜坡滑塌破坏机理分析[J]. 中国地质灾害与防治学报,2021,32(5):92 − 97. [HU Hua,WU Xuan,ZHANG Yue. Experimental study on slope collapse characteristics of granite residual soil slope under heavy rainfall[J]. The Chinese Journal of Geological Hazard and Control,2021,32(5):92 − 97. (in Chinese with English abstract) [6] 魏正发,张俊才,曹小岩,等. 青海西宁南北山滑坡、崩塌成因及影响分析[J]. 中国地质灾害与防治学报,2021,32(4):47 − 55. [WEI Zhengfa,ZHANG Juncai,CAO Xiaoyan,et al. Causes and influential factor analysis of landslides and rockfalls in north & south mountain areas of Xining City,Qinghai Province[J]. The Chinese Journal of Geological Hazard and Control,2021,32(4):47 − 55. (in Chinese with English abstract) [7] 龙玉洁,李为乐,黄润秋,等. 汶川地震震后10 a绵远河流域滑坡遥感自动提取与演化趋势分析[J]. 武汉大学学报·信息科学版,2020,45(11):1792 − 1800. [LONG Yujie,LI Weile,HUANG Runqiu,et al. Automatic extraction and evolution trend analysis of landslides in Mianyuan River basin in the 10 years after Wenchuan earthquake[J]. Geomatics and Information Science of Wuhan University,2020,45(11):1792 − 1800. (in Chinese with English abstract) [8] 孙国庆,陈方,于博,等. 2001—2017年尼泊尔中部地区滑坡变化及其影响因素[J]. 中国科学院大学学报,2020,37(3):308 − 316. [SUN Guoqing,CHEN Fang,YU Bo,et al. Landslide change and its influence factors in central Nepal from 2001 to 2017[J]. Journal of University of Chinese Academy of Sciences,2020,37(3):308 − 316. (in Chinese with English abstract) DOI: 10.7523/j.issn.2095-6134.2020.03.003 [9] 许冲,戴福初,陈剑,等. 汶川Ms8.0地震重灾区次生地质灾害遥感精细解译[J]. 遥感学报,2009,13(4):754 − 762. [XU Chong,DAI Fuchu,CHEN Jian,et al. Remote sensing fine interpretation of secondary geological disasters in the hardest hit areas of Wenchuan Ms8.0 earthquake[J]. Journal of Remote Sensing,2009,13(4):754 − 762. (in Chinese) DOI: 10.11834/jrs.20090416 [10] LU P,QIN Y Y,LI Z B,et al. Landslide mapping from multi-sensor data through improved change detection-based Markov random field[J]. Remote Sensing of Environment,2019,231:111235. DOI: 10.1016/j.rse.2019.111235
[11] LI Z B,SHI W Z,LU P,et al. Landslide mapping from aerial photographs using change detection-based Markov random field[J]. Remote Sensing of Environment,2016,187:76 − 90. DOI: 10.1016/j.rse.2016.10.008
[12] STUMPF A,KERLE N. Object-oriented mapping of landslides using Random Forests[J]. Remote Sensing of Environment,2011,115(10):2564 − 2577. DOI: 10.1016/j.rse.2011.05.013
[13] VAN DEN EECKHAUT M,KERLE N,POESEN J,et al. Object-oriented identification of forested landslides with derivatives of single pulse LiDAR data[J]. Geomorphology,2012,173/174:30 − 42. DOI: 10.1016/j.geomorph.2012.05.024
[14] MARTHA T R,KERLE N,JETTEN V,et al. Characterising spectral,spatial and morphometric properties of landslides for semi-automatic detection using object-oriented methods[J]. Geomorphology,2010,116(1/2):24 − 36.
[15] SUN W Y,TIAN Y S,MU X M,et al. Loess landslide inventory map based on GF-1 satellite imagery[J]. Remote Sensing,2017,9(4):314. DOI: 10.3390/rs9040314
[16] LESHCHINSKY B A,OLSEN M J,TANYU B F. Contour Connection Method for automated identification and classification of landslide deposits[J]. Computers & Geosciences,2015,74:27 − 38.
[17] LI Y G,CHEN G Q,HAN Z,et al. A hybrid automatic thresholding approach using panchromatic imagery for rapid mapping of landslides[J]. GIScience & Remote Sensing,2014,51(6):710 − 730.
[18] HAN Z,SU B,LI Y G,et al. An enhanced image binarization method incorporating with Monte-Carlo simulation[J]. Journal of Central South University,2019,26(6):1661 − 1671. DOI: 10.1007/s11771-019-4120-9
[19] HAN Z,LI Y G,DU Y F,et al. Noncontact detection of earthquake-induced landslides by an enhanced image binarization method incorporating with Monte-Carlo simulation[J]. Geomatics,Natural Hazards and Risk,2019,10(1):219 − 241. DOI: 10.1080/19475705.2018.1520745
[20] CASTELLANOS F J,GALLEGO A J,CALVO-ZARAGOZA J. Unsupervised neural domain adaptation for document image binarization[J]. Pattern Recognition,2021,119:108099. DOI: 10.1016/j.patcog.2021.108099
[21] XIONG W,ZHOU L,YUE L,et al. An enhanced binarization framework for degraded historical document images[J]. EURASIP Journal on Image and Video Processing,2021,2021(1):13. DOI: 10.1186/s13640-021-00556-4
[22] 皮新宇,曾永年,贺城墙. 融合多源遥感数据的高分辨率城市植被覆盖度估算[J]. 遥感学报,2021,25(6):1216 − 1226. [PI Xinyu,ZENG Yongnian,HE Chengqiang. High-resolution urban vegetation coverage estimation based on multi-source remote sensing data fusion[J]. National Remote Sensing Bulletin,2021,25(6):1216 − 1226. (in Chinese with English abstract) [23] ASHOK A,RANI H P,JAYAKUMAR K V. Monitoring of dynamic wetland changes using NDVI and NDWI based landsat imagery[J]. Remote Sensing Applications:Society and Environment,2021,23:100547. DOI: 10.1016/j.rsase.2021.100547
[24] 陈安,李景吉,黎文婷,等. 2001—2018年雅砻江流域植被NDVI时空动态及其对气候变化的响应[J]. 水土保持研究,2022,29(1):169 − 175. [CHEN An,LI Jingji,LI Wenting,et al. Spatiotemporal of NDVI in the Yalong River basin from 2001 to 2018 and its response to climate change[J]. Research of Soil and Water Conservation,2022,29(1):169 − 175. (in Chinese with English abstract) [25] SHEN J X,EVANS F. The potential of landsat NDVI sequences to explain wheat yield variation in fields in western Australia[J]. Remote Sensing,2021,13(11):2202. DOI: 10.3390/rs13112202
[26] 岳思聪,赵荣椿,王庆. 基于象素主轴方向灰度变化特征的特征点检测算法[J]. 西北工业大学学报,2008,26(2):162 − 167. [YUE Sicong,ZHAO Rongchun,WANG Qing. Feature point detection using intensity variations along pixel principal orientation axes[J]. Journal of Northwestern Polytechnical University,2008,26(2):162 − 167. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-2758.2008.02.006 [27] 杨雨奇,高晓光,冯晓毅,等. 基于主轴分析和团块特征提取的ISAR目标检测方法[J]. 西北工业大学学报,2010,28(5):689 − 694. [YANG Yuqi,GAO Xiaoguang,FENG Xiaoyi,et al. A new method for ISAR target detection based on chief axis analysis and block feature extraction[J]. Journal of Northwestern Polytechnical University,2010,28(5):689 − 694. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-2758.2010.05.010 [28] 郝军保,邵磊. 惯性主轴方向的最佳判别[J]. 连云港职业大学学报,1993,6(1):92 − 95. [HAO Junbao,SHAO Lei. The best discrimination of the direction of inertia spindle[J]. Journal of Lianyungang Technical College,1993,6(1):92 − 95. (in Chinese) [29] 蔡建乐. 用特征矩阵的伴随矩阵求解惯量主轴方向[J]. 大学物理,1995,14(9):21 − 22. [CAI Jianle. A calculation for the principal axes of inertia by adjoint matrix of eigen matrix[J]. College Physics,1995,14(9):21 − 22. (in Chinese with English abstract) [30] 罗斌. 灰度图象的惯性主轴方向特征[J]. 安徽大学学报(自然科学版),1998,22(4):40 − 42. [LUO Bin. Least inertia moment axis of grey scale image[J]. Journal of Anhui University (Natural Sciences),1998,22(4):40 − 42. (in Chinese with English abstract) [31] 周智勇. 基于Landsat遥感影像的围场县植被覆盖时空格局变化[J]. 水文地质工程地质,2020,47(6):81 − 90. [ZHOU Zhiyong. Change in temporal-spatial pattern of vegetation coverage in Weichang County based on Landsat remote sensing image[J]. Hydrogeology & Engineering Geology,2020,47(6):81 − 90. (in Chinese with English abstract) [32] 贺军亮,韦锐,李丽,等. 基于时间序列植被指数资料的承德市植被覆盖时空演变分析[J]. 水文地质工程地质,2020,47(6):91 − 98. [HE Junliang,WEI Rui,LI Li,et al. Temporal and spatial evolution of vegetation cover in Chengde based ontime series NDVI data[J]. Hydrogeology & Engineering Geology,2020,47(6):91 − 98. (in Chinese with English abstract) [33] 杜春雨,范文义. 叶面积指数与植被指数关系研究[J]. 林业勘查设计,2013(2):77 − 80. [DU Chunyu,FAN Wenyi. Research and analysis of the correlation between leaf area index and vegetation index[J]. Forest Investigation Design,2013(2):77 − 80. (in Chinese with English abstract) DOI: 10.3969/j.issn.1673-4505.2013.02.035 [34] 潘霞,高永,汪季,等. 植被指数遥感演化研究进展[J]. 北方园艺,2018(20):162 − 169. [PAN Xia,GAO Yong,WANG Ji,et al. Review on vegetation index using remote sensing evolution[J]. Northern Horticulture,2018(20):162 − 169. (in Chinese with English abstract) [35] 张慧,李平衡,周国模,等. 植被指数的地形效应研究进展[J]. 应用生态学报,2018,29(2):669 − 677. [ZHANG Hui,LI Pingheng,ZHOU Guomo,et al. Advances in the studies on topographic effects of vegetation indices[J]. Chinese Journal of Applied Ecology,2018,29(2):669 − 677. (in Chinese with English abstract) [36] 张华,李明,宋金岳,等. 基于地理探测器的祁连山国家公园植被NDVI变化驱动因素分析[J]. 生态学杂志,2021,40(8):2530 − 2540. [ZHANG Hua,LI Ming,SONG Jinyue,et al. Analysis of driving factors of vegetation NDVI change in Qilian Mountain National Park based on geographic detector[J]. Chinese Journal of Ecology,2021,40(8):2530 − 2540. (in Chinese with English abstract) [37] 武正丽. 2000~2012年祁连山植被覆盖变化及其对气候的响应研究[D]. 兰州: 西北师范大学, 2014 WU Zhengli. The research of the vegetation change and the sensitivity between NDVI and climatic factors in Qilian Mountains from2000to2012[D]. Lanzhou: Northwest Normal University, 2014. （in Chinese with English abstract）
[38] 周庆,吴果. 鲁甸6.5级地震崩滑地质灾害分布与成因探讨[J]. 地震地质,2015,37(1):269 − 278. [ZHOU Qing,WU Guo. Seismic landslides and seismogenic structure of the 2014 Ludian ms6.5 earthquake[J]. Seismology and Geology,2015,37(1):269 − 278. (in Chinese with English abstract) DOI: 10.3969/j.issn.0253-4967.2015.01.021 [39] 田颖颖,许冲,徐锡伟,等. 2014年鲁甸MS6.5地震震前与同震滑坡空间分布规律对比分析[J]. 地震地质,2015,37(1):291 − 306. [TIAN Yingying,XU Chong,XU Xiwei,et al. Spatial distribution analysis of coseismic and pre-earthquake landslides triggered by the 2014 Ludian ms6.5 earthquake[J]. Seismology and Geology,2015,37(1):291 − 306. (in Chinese with English abstract) DOI: 10.3969/j.issn.0253-4967.2015.01.023 [40] 许强, 李为乐. 汶川地震诱发滑坡方向效应研究[J]. 四川大学学报（工程科学版）, 2010, 42（增刊1）: 7 − 14 XU Qiang, LI Weile. Study on the direction effects of landslides triggered by Wenchuan earthquake[J]. Journal of Sichuan University （Engineering Science Edition）, 2010, 42（Sup 1）: 7 − 14. （in Chinese with English abstract）
[41] 许强,李为乐. 汶川地震诱发大型滑坡分布规律研究[J]. 工程地质学报,2010,18(6):818 − 826. [XU Qiang,LI Weile. Distribution of large-scale landslides induced by the Wenchuan earthquake[J]. Journal of Engineering Geology,2010,18(6):818 − 826. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2010.06.002 -
期刊类型引用(5)
1. 贺伟明，石胜伟，蔡强，梁炯. 基于上下限解的膨胀土边坡首次滑动区域分析. 水文地质工程地质. 2025(01): 104-112 . 
百度学术
2. 孙银磊，余川，廖磊，李志妃. 钢渣粉固化改良膨胀性黏土机理研究进展. 水文地质工程地质. 2025(01): 113-129 . 百度学术
3. 张锐，周豫，兰天，郑健龙，刘昭京，李彬. 高速铁路土工格栅加筋膨胀土边坡作用机制. 铁道科学与工程学报. 2024(01): 1-12 . 百度学术
4. 纪佑军，熊军，蒋国斌，王泽根. 考虑应变软化的鸡场镇降雨型滑坡数值分析. 水文地质工程地质. 2024(04): 178-188 . 百度学术
5. 张再江. 基于改进极限平衡原理的膨胀土边坡稳定性计算分析. 水利科技与经济. 2024(07): 48-51 . 百度学术
其他类型引用(7)
计量
- 文章访问数: 1726
- HTML全文浏览量: 1342
- PDF下载量: 283
- 被引次数: 12
邮件订阅
RSS