地质环境包含的内容相当广泛,气候、水文、地质、构造活动、生物活动,都是地质环境的一部分。这些部分相互影响、相互作用,推动地质环境持续变化。由于社会经济的大规模发展,人类的活动空间范围逐渐扩展,地质环境受到的影响也正在不断扩大。人类活动是地质环境改变过程中最重要的推动力之一。人类活动既会使得地质环境向更利于人类生存的方向发展,同时一些时候也会给人类自身带来巨大的灾难。地质环境由于自然、其他生物和人类工程活动作用,当引起剧烈变化时,就可能演变为地质灾害。地质灾害强烈地威胁着人类的生命安全和财产安全,一旦灾害发生,会造成难以估量的重大损失。地质灾害根据诱发原因可以分为人为因素引起的人为地质灾害和自然因素引起的自然地质灾害,以及两者相结合互相作用而诱发的地质灾害。我国幅员辽阔,地质条件复杂、构造活动活跃。当前由于我国经济高速发展,人类工程活动强烈,地质环境受到的影响比以往更加强烈。在自然条件和人类工程活动的综合作用下,我国地质灾害高发,其中滑坡灾害尤为突出。长江三峡库区地形复杂、水系密布,滑坡灾害广泛发育,对当地人民的生命和财产安全构成了严重威胁,影响了区域经济发展和社会稳定。因此,研究在地表覆盖和人类工程活动变化条件下三峡库区滑坡灾害易发性变化情况和变化趋势,是实现库区防灾减灾战略及保障水库正常运营的重大而迫切需求,具有十分重要的科学和现实意义。论文利用多源遥感影像,同时结合野外调查数据、专业监测数据、地质相关资料,在已有研究成果的基础上,研究影响因子与滑坡灾害的分布情况、关联关系。通过多时相遥感影像,提取土地利用和土地利用变化信息、重大人类工程活动及其变化信息,挖掘地物变化与滑坡灾害易发性直接或间接的规律。利用数据驱动的机器学习方法,建立了单个滑坡体和区域范围的滑坡灾害空间预测模型,实现了秭归至巴东段滑坡灾害动态空间预测。取得的主要成果和结论如下:(1)将土地利用信息和土地利用变化信息、重大人类工程活动信息、重大人类工程变化信息作为滑坡灾害空间预测模型的重要输入因子,进行多时相的滑坡灾害空间预测。具体方式是通过中分辨率遥感影像提取土地利用信息,对比多个时相结果提取变化信息;同时利用高空间分辨率遥感影像解译重大人类工程活动,对比前后时相结果提取人类工程活动变化信息,并将变化信息纳入滑坡灾害空间预测的评价指标体系。结合其他地形地貌、地质条件、地震降雨等因子,实现了遥感影像与其他数据的融合使用和综合应用。(2)利用长短期记忆神经网络方法解决了单体滑坡形变预测中影响因子与滑坡位移存在滞后关系的问题。利用长短期记忆神经网络,能够使信息流向前传播得更远,从而使得当前时间能够获取过去的降雨、库水因子对现在的影响。结果表明这种方法在数据充足的情况下,能够改善滑坡形变预测模型的性能。(3)建立了基于浅层机器学习方法和深度学习方法的动态滑坡灾害空间预测模型。滑坡影响因子和滑坡灾害空间分布的复杂关系目前还不能够使用代数公式表达。数据驱动的智能算法能够自动地提取出因子与滑坡之间隐含的复杂关系。论文研究了利用智能算法(逻辑回归、支持向量机、卷积神经网络)进行滑坡预测过程中的处理单元选择问题、超参数优化问题、类别不平衡问题。探索了卷积神经网络和长短期记忆神经网络在区域滑坡灾害空间预测中的应用方式。最后利用建立的浅层和深层动态模型分别进行了8个时相的滑坡灾害空间预测,并对预测结果的精度作了对比分析。