滑坡灾害是地质灾害中一个非常重要的灾种,它不仅给人类生命安全带来威胁,而且对环境、资源、财产等都具有严重的破坏性。我国是一个地质灾害频发的国家,每年都造成了巨大的经济损失和人员伤亡。如2017年茂县滑坡,造成百余人死亡。受库水位周期性调度和强降雨影响,三峡库区发育了大量滑坡灾害。根据三峡库区防治减灾工作的需要,开展有效的滑坡早期识别、危险性评价和预测预警研究具有重要的理论和实际意义。合成孔径雷达干涉测量是近年来新发展的一种地表变形监测技术,与常规地表变形监测方法相比,具有监测范围广、密度大、精度高等优点,并且不受天气条件的限制,为滑坡研究提供了一种新的技术手段。但是,如何将InSAR技术和滑坡研究更好的结合,有效的提高滑坡监测预警和风险评价的精度和时效性,仍是一个处于探索阶段且亟待解决的问题。论文以三峡库区滑坡为研究对象,基于37景Sentinel-1雷达影像,利用时间序列InSAR技术反演了研究区的地表变形速率,结合工程地质原理和机器学习技术,开展了区域滑坡早期识别、动态危险性评价和预测预警研究。主要内容和研究成果如下:(1)应用时间序列InSAR技术开展了区域滑坡早期识别研究。基于Sentinel-1雷达影像,应用时间序列InSAR技术反演了三峡库区万州至巫山段的地表变形信息,通过速度投影方法将变形速率从雷达视向线投影至最大坡度向,剔除变形速率异常点,应用Getis–Ord Gi*统计和核密度估计方法对区域地表变形进行热力分析,实现对滑坡的初步定位;结合InSAR变形速率值,实现最终的识别。本次研究共发现活动斜坡50处,包含已知滑坡40处,未知滑坡10处。通过滑坡编录数据分析和野外验证,发现InSAR技术是一种可靠的地表变形监测方法,能有效对滑坡进行早期识别。(2)基于机器学习技术的区域滑坡易发性评价研究。以巫山库岸段为例,基于信息量模型定量分析了滑坡影响因素与其发育的关系;通过计算指标间容差和方差膨胀因子分析其共线性,并应用信息增益率算法对评价指标的重要性进行定量计算,把存在共线性的指标和不重要指标进行剔除;应用支持向量机、人工神经网络、逻辑回归和分类回归树模型进行易发性建模。由精度对比分析可知:支持向量机的预测性能最好;河流、地层岩性等是影响研究区滑坡发育的主要因素,剔除不重要指标能有效提高滑坡易发性评价的精度。(3)集成时间序列InSAR技术的区域滑坡动态危险性评价。统计分析了滑坡历史编录数据和降雨数据,计算了在特定降雨诱发事件下滑坡发生的概率;结合滑坡易发性评价结果进行了滑坡危险性评价;应用时间序列InSAR技术对研究区不同时期的地表变形速率进行了反演,并结合初始危险性评价结果,开展了滑坡危险性动态评价研究。结果发现,不同时期的滑坡危险性存在较大差异;通过地表变形的动态监测,实现了滑坡危险性的动态评价;同时,该方法能有效的降低危险性评价中的假阳性和假阴性误差。(4)基于时间序列InSAR技术的库岸滑坡时空变形分析。以树坪滑坡和木鱼包滑坡为例,基于2016年3月至2017年9月37景Sentinel-1影像,应用时间序列InSAR技术反演了两个滑坡在影像获取期间的变形速率。通过分析发现:树坪滑坡的变形主要发生在库水位下降期(5-7月),累积位移呈阶跃状,变形较大区域位于滑坡中部及右侧,且主滑区位移具有同步性;木鱼包滑坡的累积位移在时间上呈直线型,右侧后缘的滑体变形较大,中部滑体次之,左侧滑体变形最小。(5)基于机器学习和诱发因素分析的滑坡位移预测研究。以三峡库区树坪滑坡和木鱼包滑坡为例,基于InSAR技术提取的滑坡位移时间序列,应用小波分析将InSAR位移序列分解为趋势项位移、周期项位移和噪音项;分别选取各位移分项的影响因素,应用人工蜂群算法优化的核极限学习机(ABC-KELM)、极限学习机和支持向量机模型分别进行预测,将预测的各位移分项相加得到预测总位移。由预测结果精度评价可知:三个模型都有较好的预测性能,能对不同类型滑坡的变形准确预测;考虑诱发因素的ABC-KELM耦合模型预测精度最高且性能稳定,是一种有效的滑坡位移预测方法。