遥感在地质灾害监测中的应用综述.doc

遥感在地质灾害调查中的应用综述

摘要：地质灾害作为全球破坏极强的自然灾害之一，强烈地危害着人类生命财产安全。了解掌握地质灾害的发生规律，以及在灾害发生后精确的把握灾区的基本情况，对减少人民生命财产损失具有重要的意义。遥感作为一项能够揭示地球表面各要素的空间分布特征与时空变化规律的一门科学技术，具有的观测范围广、速度快、安全、不受地形、地貌的阻隔，遥感影像直观、准确、信息丰富等优点，尤其可以在地质灾害应急减灾与评估中发挥重要的作用。本文将对遥感技术在地震地质灾害的调查，地震震度、烈度评估以及滑坡地质灾害中的应用进行梳理，以求掌握遥感在地质灾害中应用现状，为将来遥感在地质灾害中的更深入应用提供参考。
关键词：地质灾害 遥感 地震 滑坡

1 引言
中国是世界上受地质灾害影响最严重的国家之一，近年来随着全球气候变暖，极端降水事件的增多，地震活动的频发，以及人类经济、工程活动的不合理开发，使得我国大部分地区地质灾害的发育程度和破坏程度呈不断增强的趋势，导致我国地质灾害不仅灾害种类多、分布范围广，并且近年来发生频率高、灾损严重。所谓的地质灾害是指：由于自然或人为作用，多数情况下是二者共同作用引起的，在地球表层比较强烈地危害人类生命，财产和生存环境的岩、土体或岩、土碎屑及其与水的混合体的移动事件[1]。由于地质灾害往往破坏力强大，尤其是地震所引起次生地质灾害尤其严重。因此对地质灾害发生前、发生中和发生后3个阶段的地质灾害信息进行大范围、全天候、全天时的动态采集、监测和数字化管理。对实现高效的防灾，减灾和应急救援等具有重要意义[2]。
遥感是以电磁波与地球表面物质相互作用为基础，探测、分析和研究地球资源与环境，揭示地球表面各要素的空间分布特征与时空变化规律的一门科学技术[3]，具有的观测范围广、速度快、安全、不受地形、地貌的阻隔，遥感影像直观、准确、信息丰富等优点，尤其可以在地质灾害应急减灾与评估中发挥重要的作用[2]。
与常规信息采集方式相比，遥感技术在灾区信息的获取上具有明显的优势，主要表现在以下几个方面：
（1）覆盖范围广。遥感技术可以对大范围的受灾地区进行观测和数据采集，从宏观上反映受灾地区的情况。例如，一景TM影像可以覆盖185km×185 km的地表范围，相当于能够覆盖汶川地震中受灾最严重的北川县全境；我国“HJ-1”卫星获取的影像幅宽为360km(2台组合≥700 km)，能够获取更大的地表范围。大范围的数据获取能力也为全球气候变化及区域地质活动的研究提供了有力条件[4]。
（2）获取速度快、手段多。遥感技术可以对灾区进行周期性的观测来获取不同时相的影像。通过受灾前后遥感影像的对比分析，不但能够定位受灾区域、估计影响范围，还能跟踪灾情的动态变化。例如，搭载MODIS光谱仪的上午星Terra 和下午星Aqua 可以达到一天过境4 次；SPOT卫星的HRV传感器具有倾斜观察能力，能够在不同轨道上用不同的观察角对同一地区进行观测，产生立体像对以获得三维空间数据[5]。这种高时相分辨率以及多观测角度的特点，为实时获取灾情信息提供了可能。
（3）信息量大。遥感通过探测可见光—反射红外、热红外和微波等不同波长范围的电磁辐射能，来获取包括植被覆盖、土壤水分、区域地质、水文地质、环境污染、森林火灾和地表形态等信息[5]。不同遥感影像的分辨率在几十厘米至几百公里之间，能够满足不同尺度下减灾救灾的应用需求。
国际上遥感技术应用于地质灾害调查较早。我国利用遥感技术开展地质灾害调查起于20世纪80年代初，目前已摸索出一套较为合理、有效的滑坡、泥石流等地质灾害遥感调查方法[6]。遥感技术快速、准确、方便的特性，应用遥感技术开展地质灾害调查是极其必要的，也是当代高新技术发展的必然趋势[7]。张娟等[8]运用目视解译方法对枣庄地区的landsat卫星遥感影像进行信息分析。通过建立遥感解译标志，提取枣庄地区的塌陷区、崩塌与滑坡以及地裂缝的遥感影像特征，圈定各类型地质灾害的位置、影响范围并预测各地区灾害发生的可能性及灾害强度等，对枣庄地区的地质灾害调查具有重要的研究意义。蒋培荡等[6]对永丰县1/5万地质灾害进行调查，以遥感解译为先导，获取地质灾害及其发育环境要素信息，解译地质灾害的种类、数量、规模及其分布特征；通过对地质灾害形成和发育的地质环境条件的综合分析，初步圈定地质灾害危险区，配合地面调查，提供遥感解译成果。同时建立了滑坡、崩塌、泥石流、地面塌陷等地质灾害的解译标志。
遥感作为一项关键性的技术，在地质灾害发生时，可以通过无人机遥感快速获得灾后的遥感影像图[9]，结合灾区影像资料，可以迅速解译出地质灾区的受灾情况，为快速科学地制定救灾计划提供依据。面对地质灾害的主要发生源，本文首先将讨论遥感技术在地震中的应用。
2 遥感在地震及其引发的次生地质灾害中的应用
我国处在环太平洋地震带和欧亚地震带之间，是世界上地震灾害最严重的国家之一。大地震发生后，特别是在我国的西部山区，往往会导致大面积次地质灾害的发生，一次强震能量的输入，会诱发大量的崩塌、滑坡、泥石流等地质灾害[10]，不仅造成大量的人员伤亡和财产损失，而且严重阻碍了应急救援和灾后恢复重建的顺利实施。此时快速全面的获取灾情信息特别是次生地质灾害的分布信息对抗震救灾和灾后恢复重建的科学决策具有重要的意义。
随着卫星和航空遥感技术的发展，破坏性大地震发生后，利用遥感手段能够快速获取灾区房屋建筑震害[11, 12]、道路交通损坏[13, 14]、地震地质次生灾害[15]、地震地表破裂[16]等震后重要灾情信息，及时为地震应急救援、震害评估和恢复重建提供重要决策信息。
遥感在地震中的应用主要包括了对于地震灾区影像的解译，对灾区的空间特征进行分析，以及对地震的烈度和震度等的评估，为抗震救灾提供科学有效的方案，尽可能减少人员伤亡。
2.1遥感技术用于地震地质灾害的调查。
高分辨率多光谱遥感技术具有的观测范围广，速度快，安全，不受地形、地貌的阻隔，遥感影像直观、准确、信息丰富等优点，尤其可以在地震灾害应急减灾与评估中发挥重要的作用[2]。
近年来，伴随着我国高分辨率对地观测系统重大专项（简称高分重大专项）的部署和实施，高分辨率的航空和航天多光谱遥感技术得到有力推进，推动了高分辨率多光谱遥感数据在重大自然灾害和突发事件应急监测与评估应用中的跨越式发展。
利用快速获取的震前和震后航空、航天等多源遥感数据、地形地貌和地质构造数据，同时结合次生地质灾害在高分辨率多光谱影像上的形态、结构和纹理特征，可以对地震重灾区次生地质灾害的数量和空间分布进行了有效监测。结合GIS技术对这些次生地质灾害的空间分布规律，特别是同区域地质构造、烈度和地形地貌之间的关系，可以对地震破坏力综合分析和评估[17]。刘亚岚等[18]以“5.12”汶川地震重灾区地震次生地质灾害滑坡、碎屑流和崩塌为例，首先提取灾害体单元的遥感影像，选取其光谱、纹理和色彩方面的20种遥感影像特征参数并统计参数值，然后对特征参数进行归一化处理，并通过主成分分析得到利用第一、第二、第三主成分表达的各类地震次生地质灾害的影像特征图谱。利用测试样本验证，上述几类图谱可表征相应地震次生地质灾害类型的影像特征，可以揭示不同类型地震次生地质灾害遥感影像特征之间的关系，为遥感影像中灾害体的识别提供了定量化和可视化的知识。为充分发挥遥感技术在地震灾害应急决策、救援及震后恢复重建中的作用，利用地震前后的多源遥感数据，基于遥感图像人机交互解译和野外现场考察，可以了解到地震次生地质灾害的特征及其空间分布[19]。另外通过对遥感影像的解译，可以将对灾区分为居住区和非居住区，对于居住区政府应当加抢救力度，以减少地震带来的人口伤亡[20]。
另一方面，通过遥感影像的解译，可以利用震后遥感影像，结合震前航拍影像，进行同震地质灾害图斑的自动识别，并结合影像目视检核和灾害野外验证，能够精确地编录斜坡地质灾害。对灾害发育规律空间分析可以得出相应的一些认识[21]。彭瑛等[22]利用不同时相、不同传感器的光学影像和雷达影像以及其它地质地理资料，在相关遥感和地理信息软件的支持下，采集震前和震后的高分辨率光学数据，进行遥感图像专题信息解译和分析，获取了地震中四川省的10个极重灾县市的次生地质灾害解译数据，以此为基础探讨地震次生地质灾害的空间分布特征、发育特点与相关地质地理因素关系。并得出了地震次生地质灾害与特定的地层岩性、构造破碎带、坡度等有着密切的联系的结论。
目前传感器种类较多，获得的影像分辨率不同、时相不同、光谱信息不同，单一遥感数据存在一定的局限性，不利于图像解译与决策分析。多源遥感数据采用图像融合技术不仅保留了多光谱信息，空间信息量也得到了加强，比较适合人的视觉及计算机分类等处理，更能发挥遥感技术在地质灾害调查中的优势[23]。目前图像融合主要在3个层次上进行：像素级、特征级和决策级。像素级融合主要针对原始图像进行，最大的优点是尽可能多地保持原始信息，提供其他融合层次所不能提供的细微信息，大致分为两类：基于空间域的图像融合和基于变换域的图像融合[24, 25]。研究证明：以全色SPOT和多光谱TM影像为数据源，进行数据融合算法及图像质量评价，能够取得良好的效果。融合后图像不仅保留了多光谱信息，而且空间信息量也得到了增强，提高了孕灾因子及承灾体的提取精度，为地质灾害调查与地质灾害风险评价起到了技术支撑作用[23]。王猛等[26]采用多源遥感数据、DEM数据和地形图等资料，对汶川地震地质灾害遥感进行了解译和调查。查明地震地质灾害体的位置、类型、规模、边界等形态特征；同时分析得出地震地质灾害与地震断裂带、河谷地貌、高程、坡度、岩性等空间分布关系。表明多源数据在地震地质灾害详细调查中具有采集范围广、速度快、可解译程度高、时效性高等优势，能较快、较好地应用于地震地质灾害突发性、区域性地震地质灾害遥感调查工作。
2.2遥感技术用于地震烈度和强度等的评估
地震灾情信息的及时准确掌握，是开展有效地震应急救援，最大限度减轻地震灾害的重要保障，地震烈度图是地震造成的破坏程度分布的科学反映，同时，也是我国目前抗震救灾的主要依据之一。地震烈度评定的常规方法是采用大量专业人员在现场开展调查和评估，较小破坏性地震的评定一般需要1-3天时间，较大的破坏性地震评定则需要更长，甚至数十天的时间。如何提高地震烈度评定的时效性和效率，具有重大的应用价值[27]。
王晓青等[27]通过在灾区应急获取了多种高分辨率航空和无人机遥感影像，并快速解译提取了灾区建筑物震害信息，采用地震烈度遥感定量评估方法，获得了芦山地震灾区126个主要居民点的地震烈度遥感评估结果，并据此圈画了地震烈度分布遥感评估图。借助于快速获取的灾区高分辨率遥感影像，可以快速估计地震烈度分布，对地震灾区灾情估计和抗震救灾工作具有十分重要的参考意义。窦爱霞等[28]在新疆伽师地震、四川汶川地震遥感定量化研究的基础上，利用2010年4月14日青海玉树7.1级地震高分辨率遥感解译结果和现场调查资料进行对比分析，建立了遥感解译震害与现场调查结果的定量关系，并进一步得到了玉树县城结古镇街区的等效震害指数和结古镇综合震害指数。该模型可应用于建筑物结构类型分布与玉树县结古镇相似的城镇遥感震害评估工作中。
3 遥感在滑坡地质灾害中的应用
滑坡是世界上最严重的自然灾害之一，滑坡对于许多国家都有着直接或间接的影响，人员伤亡、经济损失以及自然环境的破坏也日益增加[29]。我国地震滑坡分布较广，特别是西部、西南部山区地带，每发生一次大地震均会产生许多地震滑坡，离震中一定距离范围内将产生大量隐伏的地震滞后滑坡。如果在地震滞后滑坡区域或其邻近区域发生大地震时，滑坡将更为广泛，灾难也会将更加严重[30]。我国滑坡灾害统计年鉴显示，自新中国成立以来，我国东起浙江、福建、辽宁，西至新疆、西藏，北起内蒙古，南到海南、广东，至少有22个省、市、自治区遭受到地震滑坡的侵害。其中，以云贵高原的秦岭——大巴山区域地震滑坡灾害最为严重[31-33]。
过去几十年，利用遥感进行滑坡识别、编录、敏感性和危险性分区技术的发展，使其成为改善土地利用规划、防治灾害、减少人员伤亡的有效和经济的技术手段。特别是计算机和卫星遥感技术的发展为分析、评估和确定滑坡的形成条件及其特征提供了重要信息。在我国21世纪初，王治华[34, 35]提出了以提出了以遥感图像为数据源、综合利用GIS等方法对滑坡等地质灾害进行识别和分析的“数字滑坡”技术。国土资源大调查工作开展以来，应用地质灾害遥感调查技术，中国国土资源航空物探遥感中心先后完成了长江三峡库区、青藏铁路沿线、喜马拉雅山地区的滑坡等地质灾害的分布及发育环境调查[36-38]。
一般情况下，遥感技术，如航片解译、立体图像分析、干涉测量研究和激光探测及测距系统（LiDAR）可用于滑坡的识别、监测和分类。在评估边坡不稳定性的常规方法中使用遥感系统，可以快速便捷地获取、更新大区域数据，减少野外工作和成本[29]。
近年来，国外在边坡稳定性调查中使用的各种遥感技术和分析方法取得了一些新进展，如利用合成孔径雷达（SAR）数据对地表形变的监测[39]、利用高空间分辨率的便携式无人机对滑坡进行填图[40]、利用多时相遥感数据对滑坡进行研究[41]、面向对象的图像处理方法应用于滑坡识别和分类[29]等。通过对这些可行的新方法进行分析，能够总结出这些方法的优势和在使用过程中值得注意的问题以及未来的发展方向。
基于国内外滑坡遥感调查成果调研以及国土资源大调查地质灾害遥感调查、近年来地质灾害应急遥感调查研究成果的基础上，童立强等[42]分析和总结了巫山大清坎滑坡、千将坪滑坡、武隆滑坡及西藏滑坡群等典型滑坡的遥感影像特征，提出了滑坡，尤其是高速远程滑坡的遥感识别标志。梁勇[43]通过搜集到的遥感图像及地形数据，利用MapGis及ArcGis软件处理分析，制作文家沟震前及滑后 DEM、震前及滑后三维可视图，再现文家沟滑坡之前真实场景。再基于制作完成的 DEM，对文家沟进行了滑坡区域划分，严格分析出滑坡的下滑区、堆积区、未滑动区。对于文家沟滑坡进行了详细的分析，有助于更进一步了解文家沟滑坡，对于预防文家沟再次发生滑坡具有重要的意义。另外朱静等[44]从4方面阐述了遥感技术在我国滑坡研究中的应用（1）区域滑坡灾害遥感调查（2）大型单体滑坡遥感调查（3）滑坡灾害遥感监测（4）遥感应用于滑坡风险评估。
随着遥感影像获取技术的迅猛发展，其空间分辨率已经从米级发展到了分米甚至厘米级[45-47]。这使得基于高空间分辨率影像实现对于地质灾害滑坡体的要素组成、形态结构、环境因素的遥感识别与解译成为可能[48]。鲁学军等[48]以灾前灾后高精度DEM和高分辨率遥感影像为基础，探讨了地质灾害滑坡的1维、2维、3维3种遥感解译方法，分析了三者之间的互补关系，并应用3种遥感解译方法对贵州关岭“6.28”特大滑坡进行了遥感解译分析，最后对有关滑坡多维遥感解译方法体系的建立进行了讨论。
4 结论
遥感技术具有的观测范围广、速度快、安全、不受地形、地貌的阻隔，遥感影像直观、准确、信息丰富等特点，与传统的信息采集方法相比，具有更加方便、快捷方便的优点。现如今，遥感技术已经广泛用于土地利用覆盖变化[49, 50]、农业发展[51]、病虫害防治[52-54]、矿区调查[55, 56]、考古研究[57, 58]等各个领域，对于科学研究以及日常的资源调查已经变得必不可少。
遥感作为一项高新技术，以其巨大的优势在减灾救灾中发挥了重要作用，已成为灾害预防、监测、救援和损失评估等工作中不可或缺的技术和信息支持手段。但在积累成功经验的同时，也应该看到我国遥感技术在减灾救灾的应用中还不够完善和成熟，同起步较早的发达国家相比还有一定差距。未来我国遥感技术在减灾救灾方面的应用将向以下几个方向发展：
（1）制定统一的应用规范。
遥感获取灾区影像具有快速性、广泛性，能够及时反映灾区现状，但是对于非遥感专业的人来说，掌握遥感影像所反映的信息会有相当大的难度。因此，组织遥感方面的专家制定科学、统一的遥感技术应用标准和规范，确保灾害信息的准确表达，是提高遥感信息在减灾救灾工作中实用价值的重要途径。建立并完善国家级的遥感灾害监测、预警、评估体系将是我国应对大型突发性灾害的可靠保证。
（2）加强遥感数据获取的能力。
我国遥感技术发展较晚，与发达国家来相比，我国的遥感技术还不太成熟。加强应急救灾信息网络的建设，推动国际、国内的遥感信息共享合作；构建属于自己的灾害卫星星座系统，建立稳定可靠的遥感数据来源，以提升自身数据获取能力，是遥感在减灾救灾工作中发挥其技术优势的数据保障。
（3）提高遥感数据处理的时效性。
遥感资料数据量大、信息丰富，但是一定程度上影响了数据处理的速度。然而在大型灾难发生时，时间就是生命。因此，研究快速、高效、自动化的数据处理方法和技术，在保证信息质量的同时大幅提高数据处理的效率，也是一个重要的发展趋势。

主要参考文献
[1] 刘传正. 重大地质灾害防治理论与实践[M]. 科学出版社, 2009.
[2] 郭曦榕, 冷小鹏, 吴险峰. 基于高分辨率遥感的流域级地质灾害信息管理研究[J]. 遥感技术与应用, 2014(06):1081-1088.
[3] 贾坤, 李强子, 田亦陈, 等. 遥感影像分类方法研究进展[J]. 光谱学与光谱分析, 2011(10):2618-2623.
[4] 徐鹏杰, 邓磊. 遥感技术在减灾救灾中的应用[J]. 遥感技术与应用, 2011(04):512-519.
[5] 赵英时. 遥感应用分析原理与方法[M]. 科学出版社, 2003.
[6] 蒋培荡. 遥感技术在江西永丰县地质灾害调查中的应用[J]. 中国地质灾害与防治学报, 2015(01):82-86.
[7] 李志勇, 陈虹, 卢汉民. 遥感技术在地质灾害调查中的应用[J]. 测绘技术装备, 2010(01):30-31.
[8] 张娟, 牟乃夏, 李晓红. 遥感技术在地质灾害调查中的应用——以枣庄市为例[J]. 软件导刊, 2016(06):120-122.
[9] 韩文权, 任幼蓉, 赵少华. 无人机遥感在应对地质灾害中的主要应用[J]. 地理空间信息, 2011(05):6-8.
[10] Cui P, Zhu Y, Han Y, et al. The 12 May Wenchuan earthquake-induced landslide lakes: distribution and preliminary risk evaluation[J]. Landslides, 2009,6(3):209-223.
[11] 李云, 徐伟, 吴玮. 灾害监测无人机技术应用与研究[J]. 灾害学, 2011(01):138-143.
[12] Lei L, Liu L, Zhang L, et al. Assessment and analysis of collapsing houses by aerial images in the Wenchuan earthquake[J]. Journal of Remote Sensing, 2010.
[13] 陈世荣, 马海建, 范一大, 等. 基于高分辨率遥感影像的汶川地震道路损毁评估[J]. 遥感学报, 2008(06):949-955.
[14] 刘亚岚, 张勇, 任玉环, 等. 汶川地震公路损毁遥感监测评估与信息集成[J]. 遥感学报, 2008(06):933-941.
[15] 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(04):754-762.
[16] 石峰, 何宏林, 张英. 青海玉树M_S7.1级地震地表破裂带的遥感影像解译[J]. 震灾防御技术, 2010(02):220-227.
[17] 王福涛, 王世新, 周艺, 等. 高分辨率多光谱的芦山地震次生地质灾害遥感监测与评估[J]. 光谱学与光谱分析, 2016(01):181-185.
[18] 刘亚岚, 许清, 郑泽忠, 等. 典型地震次生地质灾害多光谱遥感影像特征图谱研究[J]. 遥感技术与应用, 2015(01):18-24.
[19] 郭兆成, 童立强, 郑雄伟, 等. 四川芦山地震次生地质灾害遥感调查及灾害特征初探[J]. 国土资源遥感, 2014(03):99-105.
[20] Haryana I K, Fikriyah V N, Yulianti N V. Application of Remote Sensing and Geographic Information System for Settlement Land use Classification Planning in Bantul based on Earthquake Disaster Mitigation (Case Study: Bantul Earthquake, May 27th 2006)[J]. Procedia Environmental Sciences, 2013,17:434-443.
[21] 李凌婧, 姚鑫, 张永双, 等. 汶川地震绵远河流域地质灾害遥感提取与分布特征研究[J]. 工程地质学报, 2014(01):46-55.
[22] 彭瑛, 刘文婷, 张志, 等. 基于遥感调查的汶川地震极重灾区次生地质灾害分布特征[J]. 长江流域资源与环境, 2010(01):107-112.
[23] 薛东剑, 张东辉, 何政伟, 等. 多源遥感影像融合技术在地质灾害调查中的应用[J]. 遥感技术与应用, 2011(05):664-669.
[24] 李国砚, 刘晓玫, 李金莲. 基于多尺度分析的遥感影像融合研究[J]. 测绘科学, 2008(01):115-118.
[25] 程英蕾. 多源遥感图像融合方法研究[D]. 西北工业大学, 2006.
[26] 王猛, 王军, 江煜, 等. 汶川地震地质灾害遥感调查与空间特征分析[J]. 地球信息科学学报, 2010(04):480-486.
[27] 王晓青, 窦爱霞, 王龙, 等. 2013年四川芦山7.0级地震烈度遥感评估[J]. 地球物理学报, 2015(01):163-171.
[28] 窦爱霞, 王晓青, 丁香, 等. 遥感震害快速定量评估方法及其在玉树地震中的应用[J]. 灾害学, 2012(03):75-80.
[29] Aksoy B, Ercanoglu M. Landslide identification and classification by object-based image analysis and fuzzy logic: An example from the Azdavay region (Kastamonu, Turkey)[J]. Computers & Geosciences, 2012,38(1):87-98.
[30] 王赛. 基于多源遥感数据的汶川地震型滑坡信息提取研究[D]. 中国地质大学(北京), 2015.
[31] 许冲, 徐锡伟, 吴熙彦, 等. 2008年汶川地震滑坡详细编目及其空间分布规律分析[J]. 工程地质学报, 2013(01):25-44.
[32] 陈晓利, 袁仁茂, 庾露. Newmark方法在芦山地震诱发滑坡分布预测研究中的应用[J]. 地震地质, 2013(03):661-670.
[33] 桑凯. 近60年中国滑坡灾害数据统计与分析[J]. 科技传播, 2013(10):124-129.
[34] 王治华. 大型个体滑坡遥感调查[J]. 地学前缘, 2006(05):516-523.
[35] 王治华. 数字滑坡技术及其应用[J]. 现代地质, 2005(02):157-164.
[36] 童立强, 祁生文, 安国英, 等. 喜马拉雅山地区重大地质灾害遥感调查研究[J]. 工程地质学报, 2013(06):884.
[37] 王治华. 青藏公路和铁路沿线的滑坡研究[J]. 现代地质, 2003(04):355-362.
[38] 王治华. 三峡水库区城镇滑坡分布及发育规律[J]. 中国地质灾害与防治学报, 2007(01):33-38.
[39] Ventura G, Vilardo G, Terranova C, et al. Tracking and evolution of complex active landslides by multi-temporal airborne LiDAR data: The Montaguto landslide (Southern Italy)[J]. Remote Sensing of Environment, 2011,115(12):3237-3248.
[40] Niethammer U, James M R, Rothmund S, et al. UAV-based remote sensing of the Super-Sauze landslide: Evaluation and results[J]. Engineering Geology, 2012,128:2-11.
[41] Yang X, Chen L. Using multi-temporal remote sensor imagery to detect earthquake-triggered landslides[J]. International Journal of Applied Earth Observation and Geoinformation, 2010,12(6):487-495.
[42] 童立强, 郭兆成. 典型滑坡遥感影像特征研究[J]. 国土资源遥感, 2013(01):86-92.
[43] 梁勇. 基于遥感影像的文家沟滑坡特征研究[D]. 中国地质大学（北京）, 2014.
[44] 朱静, 唐川. 遥感技术在我国滑坡研究中的应用综述[J]. 遥感技术与应用, 2012(03):458-464.
[45] 梅安新. 遥感导论[M]. 高等教育出版社, 2001.
[46] 王润生, 熊盛青, 聂洪峰, 等. 遥感地质勘查技术与应用研究[J]. 地质学报, 2011(11):1699-1743.
[47] 李德仁. 论21世纪遥感与GIS的发展[J]. 武汉大学学报(信息科学版), 2003(02):127-131.
[48] 鲁学军, 史振春, 尚伟涛, 等. 滑坡高分辨率遥感多维解译方法及其应用[J]. 中国图象图形学报, 2014(01):141-149.
[49] 姜哲, 刘芳, 张微, 等. 基于Landsat遥感影像解译的神农架林区近30年土地覆盖动态变化[J]. 长江科学院院报, 2016(06):150-154.
[50] 欧阳玲, 王宗明, 贾明明, 等. 基于遥感的吉林省中西部耕地数量和质量空间格局变化分析[J]. 农业工程学报, 2016(13):234-242.
[51] 卢远方, 韩建征, 杨书啟. 遥感技术在农业领域的应用研究[J]. 技术与市场, 2016(06):118-119.
[52] 马望, 房磊, 方国飞, 等. 基于最大熵模型的神农架林区华山松大小蠹灾害遥感监测[J]. 生态学杂志, 2016:1-13.
[53] 王若男, 何隆华. 蚊媒病监测中微波遥感技术研究进展[J]. 中国公共卫生, 2015:1-5.
[54] 张竞成, 袁琳, 王纪华, 等. 作物病虫害遥感监测研究进展[J]. 农业工程学报, 2012(20):1-11.
[55] 贾利萍. 基于高分辨率影像的矿山开发遥感调查与监测应用研究[J]. 西部资源, 2016(03):11-13.
[56] 安鑫, 吕俊娥, 张耀, 等. 遥感技术在矿区土地利用调查中的应用[J]. 水土保持应用技术, 2016(03):18-20.
[57] 聂跃平, 杨林. 中国遥感技术在考古中的应用与发展[J]. 遥感学报, 2009(05):940-962.
[58] 张文君, 于丽君, 聂跃平, 等. 基于多源遥感NDVI时间序列的遗址探测研究[J]. 测绘科学, 2015:1-10.