一种冻土融沉风险评估方法、设备及存储介质

本发明涉及雷达遥感以及图像处理，尤其涉及一种冻土融沉风险评估方法、设备及存储介质。

背景技术：

1、青藏高原多年冻土区是中国最大的冻土区，约占中国总冻土区面积的70%。由于气候变暖和人类活动的共同影响，青藏铁路、输电线路等工程走廊线路工程沿线多年冻土退化将引起冻土融化沉降、冻土崩解、湖泊扩张等地质灾害。其中，融化沉降是沿线的主要冻害，约有85%的青藏公路冻害是由融化沉降引起的，这种融化将对多年冻土工程基础设施的运行构成很大的威胁，因此获取工程走廊周围的形变速率覆盖图以及冻土融沉风险评估结果是至关重要的。

2、合成孔径雷达干涉测量（interferometric synthetic aperture radar, insar）以其不受光照和气候影响的优势，在各种地质灾害监测中有着较好的表现，近些年来已逐渐成为高原冻土监测中重要的测量手段之一。但是，受到多年冻土区环境的限制，某些区域出现时间失相干，反演所得到的形变结果较少，在空间表面上缺乏连续性。从形变速率图中可以获取一段时间内的地表沉降或抬升的信息，对冻土融沉风险的判断有一定的帮助，但却没有完全考虑到与冻土自身特质相关的融沉潜在性风险。风险制图方法是基于多种与冻土相关的融沉因素来识别研究区域当前或未来的风险，且适用于大范围的风险评估，可以更好地规划当地的基础设施，以减少多年冻土灾害的风险。已有的风险评估通常是采用单个静态指数或模型来评估冻土融沉风险，并没有考虑到冻土冻融循环过程中的动态性变化。

技术实现思路

1、为了解决已有的形变数据某些区域出现时间失相干，反演所得到的形变结果较少，在空间表面上缺乏连续性以及风险评估仅考虑单个静态指数或模型来评估冻土融沉风险，并没有考虑到冻土冻融循环过程中的动态性变化的问题，本发明提供了一种冻土融沉风险评估方法、设备及存储介质，方法的具体步骤包括：

2、s1、获取研究区域的地表沉降驱动因子数据以及卫星图像，划分数据集；

3、s2、利用合成孔径雷达干涉测量技术处理测试集，获取区域冻土形变信息；

4、s3、排除训练集数据的多重共线性，得到评价因子；

5、s4、建立三种机器学习模型，输入评价因子获取区域冻土形变速率；

6、s5、运用层次分析法构建多因子指数，对研究区域进行风险评价；

7、s6、基于随机森林算法，应用训练集对研究区域的融沉风险进行评估。

8、进一步地，地表沉降驱动因子作为训练集，占总数据量70%，包括海拔、坡度、坡向、地形湿度指数、植被归一化指数、体积含冰量、活动层厚度、年平均地温和降水量九个种类；所述卫星图像为研究区域连续年份的合成孔径雷达卫星图像，占总数据量30%，由sentinel-1a卫星获取，在合成孔径雷达卫星图像范围内建立感兴趣区，将九种地表沉降驱动因子数据裁剪至与感兴趣区同一范围，处理后的图像作为测试集。

9、进一步地，步骤s2具体为:

10、s21、将连续年份中第一年的研究区域的合成孔径雷达卫星图像作为主图像，剩下的所有合成孔径雷达卫星图像与主图像进行配准，增强光谱多样性使精度优于1/200像素；

11、s22、配准的两个sar图像相位进行相减，生成时间基线小于100天、空间基线小于150米的干涉对；利用合成孔径雷达技术，将配准好的sar图像复数值共轭相乘，得到包含地表形变、地形以及大气相位信息的相位图，将其作为原始干涉图，随后从原始干涉图中去除地形相位信息，得到差分干涉相位；

12、s23、使用goldstein滤波方法抑制干涉相位噪声，选取平均相干值大于0.7的高相干点，随后选择最小成本流进行相位解缠，然后采用最小二乘法反演得到形变速率和数字高程模型误差；

13、s24、在原始干涉相位中去除形变速率的模型相位和数字高程模型误差，得到残差相位，并通过大气相位与地形间的线性模型去除系统性的大气误差、利用时间域上的高通频滤波和空间域上的低通滤波分离偶然性的大气误差，获取区域冻土形变信息，此时的形变信息不包含形变速率。

14、进一步地，步骤s3具体为：

15、s31、计算九种因子的容差和方差膨胀因子，具体计算公式如下：

16、

17、

18、式中，tol是容差，vif是方差膨胀因子，容差与方差膨胀因子是一对倒数，方差膨胀因子值大于5或容差小于0.2，则输入的因子之间存在共线性；是剩余因子回归模型的决定系数；

19、s32、从存在共线性的因子中选择剔除，并重复s31直至剩下的所有的因子均不存在共线性，将剩下的因子作为评价因子。

20、进一步地，三种机器学习模型包括随机森林、支持向量机和极致梯度提升模型。

21、进一步地，步骤s4具体为：

22、s41、利用评价因子分别对三种机器学习模型进行训练，模拟研究区域的冻土形变速率；

23、s42、结合三种方法所生成的冻土形变速率反映研究区域地表的预测形变量，利用处理测试集得到的研究区域冻土形变信息进行验证，确认模型的实际效果；

24、s43、计算三种模型的平均绝对误差，均方根误差和决定系数，并以此为依据，比较三种模型的准确率，确定准确率最佳的模型作为研究区域冻土形变速率模拟模型，其结果作为区域冻土形变速率。

25、进一步地，步骤s5具体为：

26、s51、基于土壤类型、年平均低温与容许承载力的对应关系计算容许承载力指数，对应关系如表1所示；

27、表1 土壤类型、年平均低温（magt）与容许承载力对应关系表

28、

29、s52、计算体积含冰量和活动层厚度这两个冻土参数的乘积作为融沉指数，反映冻土融沉风险的等级计算公式如下：

30、

31、式中，表示融沉指数，表示土壤的体积含冰量，alt为活动层厚度，是alt的相对变化量；

32、土壤的体积含冰量的计算过程如下：

33、利用层次分析法确定评价因子的权重，将评价因子各自根据栅格数据的自然间断法分为五类，通过加权百分比得到各评价因子对应的模型值，最后，将各因子的模型值求和，得到土壤的体积含冰量；

34、活动层厚度计算公式如下：

35、

36、式中，为土的导热系数；tdd为融化季节的温度和天数的乘积；l为冰融化潜热；γ为土的干容重；w为融化时土的总含水量；wu为冻土中的未冻水含量；

37、s53、计算风险区划指数，评判具体步骤如下：

38、①判断土壤性质，共有裸岩、砂石/砂、淤泥/黏土三类；

39、②若①中的类型判别为裸岩则直接评定为低风险区域；若①中的类型判别为砂石/砂则跳转至步骤③；若①中的类型判别为淤泥/黏土则跳转至步骤④；

40、③判断该区域的冻土含水量，若含水量低则直接输出为低风险区域，若含水量高则跳转至步骤⑤；

41、④判断该区域的冻土含水量，若为低则直接输出为中风险区域。若含水量高则跳转至步骤⑥；

42、⑤判断该区域的多年冻土融化潜力，若高，则输出为高风险区域，若低，则输出为中风险区域；

43、⑥判断该区域的多年冻土融化潜力，若高，则输出为高风险区域，若低，则输出为中风险区域；

44、其中，步骤中土壤类型的判别依据参考《中国土壤地质空间分布数据》。冻土含水量则参考美国国家冰雪数据中心(national snow and ice data center, nsidc)提供环北极多年冻土和地冰条件图。多年冻土融化潜力则通过alt进行判断，若alt≥2.5m，则判断为高风险；反之，若alt<2.5m，则判断为低风险；

45、s54、将容许承载力指数、融沉指数以及风险区划指数作为研究区域的三种地质灾害指数，计算结果表示为栅格形式，对过程涉及到的驱动因子使用随机森林算法计算对形变速率影响的重要性，按重要性顺序进行排序，根据驱动因子因素的优先顺序，计算三个地质灾害指数的重要程度；

46、s55、将区域形变速率作为单独的形变指数，设置为最高重要程度；

47、s56、利用层次分析法计算出地质灾害指数与形变指数的权重，将各个指数的栅格数据根据权重进行叠加计算得到多因子指数，根据多因子指数数值对实验区域的风险评估。

48、进一步地，利用层次分析法计算出地质灾害指数与形变指数的权重的具体过程如下：

49、s561、建立层次结构模型：设定研究问题为将传统地质灾害指数与地表形变信息进行结合，标准为指数之间的相对重要性；

50、s562、将地质灾害指数的重要程度输入层次结构模型，建立对比矩阵，用标称尺度对每个层次的两个准则的重要性进行比较；

51、s563、计算比较矩阵的特征向量作为指标的权重；

52、s564、计算一致性指数和一致性比率，确保比较矩阵具有一致性，否则重新设计对比矩阵，公式如下：

53、

54、式中，为一致性指数，为矩阵的最大特征值，为指数的个数。

55、

56、式中，为一致性比率，为随机一致性指数，当一致性比率的值≤0.1时，说明矩阵通过一致性检验，符合要求。

57、一种存储介质，所述存储介质存储指令及数据用于实现一种冻土融沉风险评估方法。

58、一种计算机设备，包括：处理器及所述存储介质；所述处理器加载并执行所述存储介质中的指令及数据用于实现一种冻土融沉风险评估方法。

59、本发明提供的技术方案带来的有益效果是：本发明通过获取研究区域的地表沉降驱动因子数据以及卫星图像，划分数据集、利用合成孔径雷达干涉测量技术处理测试集，获取区域冻土形变信息、排除训练集数据的多重共线性，得到评价因子、建立三种机器学习模型，输入评价因子获取区域冻土形变速率、运用层次分析法构建多因子指数，对研究区域进行风险评价、基于随机森林算法，应用训练集对研究区域的融沉风险进行评估，考虑了冻土随时间的动态变化，多尺度进行衡量，利用多模型择优选取，为工程的冻土融沉风险评估提供技术支撑。