0.   引言

在我国西南山区，震后“链式地质灾害效应”和冰川“次生地质灾害”已成为重要的地质灾害类型，以“崩滑—碎屑流—堰塞湖—溃决”和“高速远程滑坡—碎屑流”为代表的巨型链式地质灾害，不仅规模和聚集密度之大极为少见，其冲击力和破坏性远超普通地质灾害^[1]。而在中国华北平原以及中东部人口密集地区，在大量重大工程建设、不合理的资源开发、人类活动以及独特的地理地质条件的共同影响下，大范围地面沉降（包括采空区沉降）、地面塌陷（包括岩溶塌陷）和地裂缝等地质灾害频发，造成城市交通基础设施出现安全隐患，长期潜在影响着城市产业的布局和发展^[2]。

经过国内外专家学者的长期研究与应用，地质灾害遥感调查技术已能够为地质灾害调查、应急响应、防灾减灾等方向的应用研究和决策规划提供稳固可靠的数据资料支撑。进入21世纪以来，多源异构遥感影像数据呈现出爆发式的增长。随着航空航天与传感器技术的发展，除多光谱、高分辨率、高光谱光学遥感卫星影像数据外，各种InSAR、热红外遥感卫星影像数据和以无人机Lidar、倾斜影像数据，都开始在地质灾害遥感调查中得到应用^[3]。

面对指数级增长的遥感影像数据和日益深入精细的应用需求，龚健雅院士和吴一戎院士等指出，以深度学习为主要应用的机器学习模型技术能够为遥感解译提供新的方法，将机器学习模型赋能给遥感技术，能够大幅度缩短遥感解译周期，深度挖掘遥感影像数据中的有效信息，从而快速赋能于行业应用，促进遥感技术服务模式的变革^{[4 − 8]}。

因此对于地质灾害遥感调查技术的发展而言，如何面向地质灾害遥感调查的应用需求，针对不同工程地质要素，根据多源异构遥感影像数据特点，从海量遥感影像数据中合理选择数据源，设计机器学习模型，开展机器学习模型在地质灾害遥感调查中的应用研究，是地质灾害遥感调查技术步入智能化发展时代的重要课题。

1.   地质灾害遥感调查技术的现状与发展

地质灾害遥感调查技术的综合应用主要体现在“早期识别、隐患排查、监测预警、灾害应急”4个方面^[9]。为了研究分析中国地质灾害遥感调查技术的应用现状与发展趋势，本文基于中国知网（China National Knowledge Infrastructure, CNKI）数据库，采用文献计量分析法对地质灾害遥感调查技术研究领域2003—2022年间的文献开展可视化统计，以期为分析地质灾害遥感调查技术的应用发展趋势提供依据。

数据来源于CNKI数据库，其综合数据库包含中国期刊、中国博士学位论文、中国优秀硕士学位论文和中国重要会议论文等数据库。检索步骤如下：①选取CNKI数据库的专业检索，以“FT=‘遥感’AND FT=‘智能’ AND （FT % ‘地质灾害’+‘不良地质’） NOT （SU % ‘GIS’+‘地理信息系统’+‘土地利用’+‘人民政府’+‘大数据’）”为检索语句；②文献发表时间限制为2003—2022年；③文献资源来源排除中国重要报纸，共检索出文献17779篇。

如图1所示，按照发文量分布对检索出文献进行统计可以看出，在2003—2022年期间，地质灾害遥感调查技术的应用研究领域发表的论文数呈总体上升趋势，其中2015年之前发文量呈平稳缓慢增加趋势，2015年之后发文量呈急速波动上升。由此可知：中国地质灾害遥感调查技术相关研究以2015年作为分水岭，2015年后进入蓬勃发展期，获得了更广泛的关注，越来越多的学者和研究机构开始从事地质灾害遥感调查技术领域的研究工作。如图2所示，按照研究机构对检索出文献进行统计可以看出，在进行地质灾害遥感调查技术应用研究的机构中，成都理工大学、武汉大学、中国地质大学和长安大学等机构发文量排名靠前，为该技术研究和应用的优势单位；上述机构长期以来在地质灾害遥感调查技术应用研究领域做出了积极的探索和研究，培养出大量科研骨干和专业技术人才。

图  1  2003—2022年地质灾害遥感调查技术应用研究领域发文量分布

Figure  1.  Distribution of published papers in the fields of geological hazard remote sensing survey technology application from 2003 to 2022

下载: 全尺寸图片 幻灯片

图  2  2003—2022年地质灾害遥感调查技术应用研究领域高发文机构

Figure  2.  High-volume institutions in the field of geological hazard remote sensing survey technology application research from 2003 to 2022

下载: 全尺寸图片 幻灯片

主题是对一篇文章的高度概括和总结，对主题的分析可以从总体上获知地质灾害遥感调查技术应用研究领域的研究热点和趋势变化。本文将检索出文献以“遥感技术*地质灾害”为主题进行分类，得到2003—2022年间各项地质灾害遥感调查技术研究文献计量统计结果（图3），同时对各项地质灾害遥感调查技术逐年发展趋势进行了分析（图4）。在中国地质灾害遥感调查技术应用研究领域，关于合成孔径雷达技术（synthetic aperture radar，SAR）的发文量最高，达668篇；而关于无人机技术的发文量位列其次，达602篇。除此之外，研究较多的地质灾害遥感调查技术还有高光谱遥感（136篇）、高分辨率遥感影像（132篇）、激光雷达遥感（123篇）。

图  3  2003—2022年主要地质灾害遥感调查技术发文量分布

Figure  3.  Distribution of research publications on major geological hazard remote sensing survey technologies from 2003 to 2022

下载: 全尺寸图片 幻灯片

图  4  2003—2022年主要地质灾害遥感调查技术发文量逐年发展趋势

Figure  4.  Annual development trends of research publications on major geological hazard remote sensing survey technologies from 2003 to 2022

下载: 全尺寸图片 幻灯片

综合分析图3和图4可知，无人机遥感技术、SAR技术和多光谱遥感技术是中国地质灾害调查技术应用研究的3种热门技术。其中，SAR技术作为一种微波遥感技术一直是本领域最热门的技术，发文量逐年呈现上升趋势。究其原因在于，该技术长期作为唯一能稳定获得高精度、高空间分辨率及高可靠性地表变形信息的遥感技术，同时还具有对一定时间范围内地表的微小变形具有探测能力，能够从地表的“几何形态和形变”角度判别地质灾害体的滑移规模、活动阶段和发展趋势，可以应用在地质灾害的早期识别中，并有效辅助滑坡、泥石流、地面沉降等地质灾害的监测和预防工作^{[10 − 12]}。

早期由于无人机飞行器相关技术的不成熟，导致无人机遥感技术的研究热度偏低。随着近年来，中小型无人机的迅速发展，弥补了过去一系列限制无人机遥感技术发展的难题。例如，2013—2016年间，大疆推出的精灵系列消费级无人机和经纬系列工业无人机，既解决了无人机小型轻量化等的问题，使其可以便捷地在野外地质灾害调查中得到应用；同时还解决了搭载传感器多样性等问题，使其可以通过更换采集传感器，采集包括多光谱影像、热红外影像、高分辨率影像和三维激光点云等不同类型的遥感数据。因此，从2013年开始，无人机遥感技术凭借快速廉价地获取大区域多源遥感影像、重访遍历周期可控稳定、传感器组合灵活多变等优势，发文量急剧上升，成为持续性研究热点，迅速成了中国地质灾害遥感调查技术应用研究领域中最热门的研究方向^{[13 − 16]}。

多光谱遥感技术涵盖了空天主要遥感影像数据类型，一直是中国地质灾害遥感调查技术应用研究领域的热门技术之一。包括Landsat系列卫星影像、SPOT卫星影像、WorldView系列卫星影像和国产GF系列卫星影像等提供了丰富的对地观测影像数据，支撑着研究人员从“影像和光谱变化”上对灾害形成和发育的地质背景、地表覆被变化开展研究，以揭示地质灾害的孕灾环境、承灾范围、影响因素等特征变化^{[17 − 18]}。

综上所述，中国地质灾害遥感调查技术已从以往光学遥感为主的“图谱测量”走向多种遥感手段的“图谱与几何测量”的综合遥感应用。当前，中国地质灾害防治工作以多灾种和灾害链的综合监测、风险早期识别和预报预警为核心，自然资源部地质灾害防治技术指导中心殷跃平研究员、成都理工大学许强教授等国内知名地灾防治专家，提出了面向重大地质灾害的“三查”（由高精度遥感+InSAR的“普查”、机载Lidar+无人机航拍的“详查”、地面调查核实的“核查”共同组成）技术体系^{[11, 19 − 20]}。随着2018年“三查”技术体系提出以来，该技术体系基于空天多载体、多传感器联合遥感观测系统的不断进步，通过地面观测数据与灾害体物理模型、“人防”与“技防”、多专业合作的有机结合、相互补充和校验，提高了地质灾害遥感调查的精准度和观测频率，强化了对灾害体在广度和精度上的监测能力，显著刺激了各种地质灾害遥感调查技术研究热度的提高。

2.   机器学习模型在中国地质灾害遥感调查数据分析中的应用与发展

目前，全球在轨的遥感卫星数量在不断快速增加；同时伴随着无人机遥感技术的快速发展，各种无人机传感器在单次飞行作业中产生的遥感影像数据甚至已达到TB级别。面对海量的遥感影像和数据，采用传统人工解译的方法开展地质灾害遥感调查会耗费大量的人力和时间。因此，机器学习模型、集成学习和深度学习等算法模型，作为新一代高效的计算机技术，在图像、影像学习和分析预测方面具有更强的处理能力，已逐渐成为实现遥感数据智能化自动识别的重要工具。

本文在前文检索出文献基础上以“机器学习模型*遥感技术*地质灾害”为主题进行分类，对机器学习模型在中国地质灾害遥感调查技术中的应用现状与发展趋势展开分析，得到2003—2022年间各种机器学习模型的文献计量统计结果（图5），同时对各项机器学习模型逐年发展趋势进行了分析统计（图6），在中国地质灾害遥感调查技术应用研究领域，关于深度学习的发文量最高，达475篇；除此之外，研究较多的机器学习模型还有神经网络算法（276篇）、支持向量机算法（265篇）、卷积神经网络算法（256篇）。

图  5  2003—2022年主要机器学习发文量分布

Figure  5.  Distribution of research publications on major artificial intelligence algorithms from 2003 to 2022

下载: 全尺寸图片 幻灯片

图  6  2003—2022年主要机器学习发文量逐年发展趋势

Figure  6.  Annual development trends of research publications on major machine learning from 2003 to 2022

下载: 全尺寸图片 幻灯片

综合分析图5和图6可知，机器学习在中国地质灾害遥感调查技术中的应用研究热点发展以2017年为分界点，经历了由以神经网络、支持向量机为代表的机器学习算法向以卷积神经网络为代表的机器学习算法的转变。同时结合图3和图4中展示的中国地质灾害遥感调查技术应用研发的热点发展趋势分析，可以得到以下结论：

（1）在2014年之前，SAR技术和多光谱遥感技术是中国地质灾害遥感调查技术应用研究的主要研究方向，这一时期遥感影像数据获取难度较高，影像数据量处于GB级别。以神经网络、支持向量机为代表的机器学习算法被大量应用于遥感图像处理、遥感影像目标检测、遥感影像分类、遥感影像分割等应用方向，通过计算机辅助人工目视遥感解译，提高地质灾害体的识别率。

（2）从2014年开始，随着无人机遥感技术的迅速发展，单次无人机飞行作业中产生的遥感影像数据达到TB级别，为地质灾害遥感调查提供了丰富的影像数据，于是神经网络、支持向量机等机器学习算法在2014—2016年间迎来了短暂的研究热潮。

（3）由于支持向量机、神经网络等算法在处理海量影像数据上存在瓶颈，其计算效率和自动识别精度逐渐无法满足地质灾害遥感调查技术应用研究的发展需求，因此从2016年开始，研究者尝试将卷积神经网络等机器学习算法应用于地质灾害遥感调查中。这些新一代算法凭借更强的图像、影像学习和分析预测能力，能够充分利用海量多源遥感影像数据作为学习样本，并以较高的正确率和解译效率开展灾害体自动识别，因此这些机器学习算法迅速成为本领域最热门的研究方向^{[21 − 23]}。

（4）自2018年“三查”技术体系提出以来，中国地质灾害遥感调查技术转向“空−天−地”协同应用与综合应急监测方向发展，包括多光谱遥感技术、SAR技术、无人机遥感技术在内的各种遥感技术都被应用于不同的“三查”阶段，研究者们针对不同遥感影像数据的特点，综合研究各种机器学习模型在应对不同“三查”阶段的遥感解译工作要求时的应用，导致基于机器学习模型、深度学习等不同机器学习模型的智能化自动识别研究热度均呈现出上升的趋势^{[24 − 25]}。

此外，本文还利用VOSviewer软件对第1、2节使用的4 942篇论文文献（期刊、学位和会议论文）分别对各种机器学习模型和不同地质灾害遥感调查技术进行高频关键词关联性分析，得到高频关键词可视化分析图谱（图7—10）。关键词是对一篇文章的高度概括和总结，对高频关键词的关联性分析可从总体上了解不同研究热点的关联度和联合研究趋势^{[26− 27]}。根据关键词关联性，VOSviewer自动划分出多组关联词，以不同大小表示研究热点，并以不同颜色表示时间年份变化，不同粗细的连接线表示关联度紧密程度^[28]。由图7—10可知：

图  7  2003—2022年无人机遥感技术与各种机器学习关键词关联度

Figure  7.  Association between unmanned aerial vehicle remote sensing technology and various artificial intelligence algorithm keywords from 2003 to 2022

下载: 全尺寸图片 幻灯片

图  8  2003—2022年SAR技术与各种机器学习关键词关联度

Figure  8.  Association between sar (synthetic aperture radar) technology and various artificial intelligence algorithm keywords from 2003 to 2022

下载: 全尺寸图片 幻灯片

图  9  2003—2022年高分辨率遥感技术与各种机器学习关键词关联度

Figure  9.  Association between high-resolution remote sensing technology and various artificial intelligence algorithm keywords from 2003 to 2022

下载: 全尺寸图片 幻灯片

图  10  2003—2022年高光谱遥感技术与各种机器学习关键词关联度

Figure  10.  Association between hyperspectral remote sensing technology and various artificial intelligence algorithm keywords from 2003 to 2022

下载: 全尺寸图片 幻灯片

①无人机遥感技术早期关联性研究热点主要集中在影像处理方面。自2017年开始，无人机遥感技术的两个主要关联性研究热点方向分别是结合倾斜摄影、LiDAR技术开展三维倾斜建模和倾斜测量研究，以及结合卷积神经网络等机器学习算法开展的智能识别研究。机器学习算法与无人机遥感技术并无关联，表明研究者们认为机器学习算法并不适合应用于无人机遥感技术研究^[28]。

②SAR技术和高分辨率遥感技术在2014年前关联性研究热点是结合支持向量机等机器学习算法开展分类、融合和目标识别研究，并于2018年之后出现另一个结合卷积神经网络等机器学习算法开展智能目标识别研究的关联性研究热点。新关联性研究热点与SAR技术、高分辨率遥感技术直接关联度极高，表明是未来的主要研究热点方向。

③高光谱遥感技术的主要关联性研究热点是传统的混合光谱/像元分解研究，然后在此基础上开展特征提取研究。在2019年之后，也出现了结合卷积神经网络等机器学习算法开展图像分类的关联性研究热点，虽然该研究热点与几乎所有传统高光谱遥感研究方向都有所关联，但较低的关联度表明该研究热点仍处于探索阶段。

3.   结论

（1）无人机遥感技术、SAR技术和多光谱遥感技术是中国地质灾害调查技术应用研究的三种热门技术，同时也是面向重大地质灾害的“空−天−地”协同应用与综合应急监测“三查”技术体系的核心，支撑着中国地质灾害遥感调查工作由“图谱测量”向“图谱与几何测量”逐步转变。

（2）近5年来，得益于空天多载体、多传感器联合遥感观测系统的不断进步，遥感影像数据呈现出爆发式海量增长，以卷积神经网络为代表的机器学习算法成了地质灾害遥感调查技术应用领域最热门的研究方向，推动着地质灾害体自动识别和智能提取技术发展。

（3）针对不同遥感影像数据的特点，综合研究包括以神经网络、支持向量机为代表的机器学习算法和以卷积神经网络为代表的机器学习算法在应对不同“三查”阶段的遥感解译工作要求时的应用是未来中国地质灾害遥感调查技术应用研究领域的主要发展趋势。