山地灾害研究组

简介区域滑坡灾害研究

关注

实验室简介

在GIS领域：利用机器学习模型研究区域滑坡危险性评价。

在遥感领域：利用云计算技术研究区域滑坡灾害的灾前早期识别；结合最新的机器学习模型研究灾后滑坡的自动提取。研究组欢迎各类专业的优秀同学加盟研究小组，欢迎致信yang_wentao@bjfu.edu.cn或联系13520628051.

成员

更多>

杨文涛

杨辉

张鼎文

张雪薇

刘猛

冯立业

杨玉婷

孙静静

新闻博客

更多>

地质灾害危险性评估精度大幅提升

目前，全球最新的地质灾害危险性模型验证精度(主要是ROC曲线)很高；但是，滑坡危险性无法做到单个坡体上：例如，现有模型的极震区都是滑坡高危险区（图1上），而实际上震中并非处处会发生滑坡；低烈度区也非处处低危险。

图1. 传统模型与研究组最新模型对2008年汶川大地震引发的山地灾害模拟的结果对比

以汶川地震引发的地质灾害为例，本研究组采用机器学习模型算法把地震引发的崩塌、滑坡、碎屑流危险性做到了坡体尺度。这一成果有望大幅提升未来的地质灾害风险评估的精度！

图2. 映秀至汶川县岷江河谷段的地震地质灾害模拟结果与真实地质灾害分布的对比（左图是传统的模型结果，右图是研究组最新模型结果）。

图3. 以往研究只给出ROC曲线精度对比结果，此处散点图首次直接对比了（真实）解译的滑坡密度和模拟的危险性，二者决定系数从0.35提升到0.88。

该工作在杨文涛老师和国家灾研院老师的合作指导下，由研究生杨辉同学主导完成。其他参与的同学还有孙静静、张鼎文等。

陌生环境的地质灾害灾前识别研究进展

以往对山区地质灾害灾前识别的研究结果背景噪音很大，极大的影响了对真实地质灾害隐患点的判别。在前期工作的基础上，研究组运用云计算平台和欧空局公开的卫星遥感影像开发了一种消除背景噪音的算法，能极大的消除伪形变信息，为陌生山地的大区域真实变形的山地灾害隐患早期识别奠定了基础。

图1. 这幅地图显示了金沙江敏都段山体形变结果中的大量背景噪音，严重影响了真实变形山体的判别。

图2. 这副地图显示的是通过研究组的算法消除了背景噪音、仅保留了真实形变山体的结果。

这个工作是在杨文涛老师、北师大减灾院和国家自然灾害防治研究院老师共同指导下，由研究生张鼎文同学主导完成。成果已撰写成论文投稿。

应急管理部的感谢函

近日，北京林业大学收到来自应急管理部救灾和物资保障司的一封感谢函，对我研究组教师杨文涛在2021年对国家应急管理事业的支持和贡献表示衷心感谢。

杨文涛老师在2021年先后参加了青海玛多7.4级地震、河南特大暴雨洪涝灾害、四川泸县6.0级地震以及陕西严重暴雨洪涝等自然灾害的灾情评估工作。参与撰写的相关评估报告呈国务院批准后，成为指导和支持地方开展救灾救助和灾后恢复重建工作的重要依据。

研究

更多>

构造带山地灾害的区域分布和成因研究

[1] Wenwen Qi, Mengfei Wei, Wentao Yang, Chong Xu, Chao Ma. 2020. Automatic Mapping of Landslides by the ResU-Net, Remote Sensing, 12(15): 2487.构建了一个能从三波段高分辨率遥感影像中自动提取滑坡的深度学习模型。

[2] Jian Fang, Wentao Yang, Yibo Luan, Juan Du, Aiwen Li, Lin Zhao*. 2019. Evaluation of the TRMM 3B42 and GPM IMERG products for extreme precipitation analysis over China, Atomospheric Research, 223: 24-38. 评价了两个常用的卫星测雨数据产品在量测极端降水上的可用性。

[3] Wentao Yang, Wenwen Qi，Jinxing Zhou*. 2018. Effects of precipitation and topography on vegetation recovery at landslide sites after the 2008 Wenchuan earthquake, Land Degradation & Development, 29(10): 3355-3365.发现汶川地震后滑坡上的植被恢复和降水引发滑坡的再次活动之间存在负反馈的关系。

[4] Wentao Yang*, Wenwen Qi，Jinxing Zhou*. 2018. Decreased post-seismic landslides linked to vegetation recovery after the 2008 Wenchuan earthquake, Ecological Indicators, 89: 438-444. 采用时间序列遥感数据揭示了汶川地震后植被恢复和震后滑坡活动之间的关系。

[5] Wentao Yang, Wenwen Qi. 2017. Spatial-temporal dynamic monitoring of vegetation recovery after the Wenchuan earthquake, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10: 868~876. 提出了一种预测震后植被恢复趋势的方法，对震后滑坡灾害的演化预测有一定的启示意义。

[6] Wentao Yang*, Wenwen Qi, Ming Wang, Jianjun Zhang, Yan Zhang. 2017. Spatial and temporal analyses of post-seismic landslide changes near the epicentre of the Wenchuan earthquake, Geomorphology 276: 8~15. 采用多期高分辨率遥感数据自动提取的滑坡，分析了2008年汶川地震的震中滑坡随时间的变化规律。

[7] Chao Ma, Yujie Wang*, Kaiheng Hu, Cui Du, Wentao Yang. 2017. Rainfall intensity–duration threshold and erosion competence of debris flows in four areas affected by the 2008 Wenchuan earthquake, Geomorphology 282: 85-95.

[8] Wentao Yang, Ming Wang*, Norman Kerle, Cees Van Westen, Lianyou Liu, Peijun Shi*. 2015. Analysis of changes in post-seismic landslide distribution and its effect on building reconstruction, Natural Hazards and Earth System Sciences, 15: 817~825.

[9] Ming Wang, Wentao Yang*, Peijun Shi*, Chong Xu, Lianyou Liu. 2014. Diagnosis of vegetation recovery in mountainous regions after the Wenchuan Earthquake, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7: 3029~3037.

[10] Wentao Yang, Ming Wang*, Peijun Shi. 2013. Using MODIS NDVI time series to identify geographic patterns of landslides in vegetated regions, IEEE Geoscience and Remote Sensing Letters, 10: 707~710.

[11] Wentao Yang, Lingling Shen, Peijun Shi*. 2015. Mapping landslide risk of the world. In World Atlas of Natural Disaster Risk, Springer Berlin Heidelberg, 57-66. 【图书章节】

[12] 史培军*，杨文涛. 2020. 山区孕灾环境下地震和极端天气气候对地质灾害的影响. 气候变化研究进展, 16(4): 405-414. 【中文核心】

[13] 杨文涛，汪明，史培军*，沈玲玲，刘连友. 2015. 基于地形因子分割、分类的面向对象滑坡快速识别方法.自然灾害学报, 24: 1-6. 【中文核心】

山地灾害发生前的坡体变形检测

[1] Wentao Yang*, Yujie Wang, Yunqi Wang, Chao Ma, Yuhong Ma. 2020. Retrospective deformation of the Baige landslide using optical remote sensing images. Landslides, 17: 659-668.探讨了COSI-Corr方法中不同的形变窗口对识别滑坡形变的影响，采用10米分辨率的哨兵数据，反演了2018年白格大滑坡发生前的坡体形变的时间过程。

[2] Wentao Yang*, Yunqi Wang*, Shao Sun, Yujie Wang, Chao Ma. 2019. Using Sentinel-2 time series to detect slope movement before the Jinsha River landslide. Landslides, 16: 1313-1324.采用多年时间序列的哨兵二号数据，提出一种识别滑坡发生前坡体形变的方法。

[3] 史培军，刘连友，杨文涛. 2020年2月7日. 高度关注西藏自治区昌都市贡觉县敏都乡金沙江右岸可能失稳的一处滑坡体. 【咨询报告】

[4] 史培军，刘连友，杨文涛. 2020年2月19日. 西藏昌都市贡觉县敏都乡金沙江右岸坡体变形监测分析. 【咨询报告】

[5] Wentao Yang, Lianyou Liu*, Peijun Shi*. 2020. Detecting precursors of an imminent landslide along the Jinsha River. Natural Hazards and Earth System Sciences, 20: 1-10.采用改进的COSI-Corr方法，在金沙江白格滑坡下游发现一处即将失稳的滑坡体，并分析了降水时间序列和滑坡形变过程的关系。

[6] Wentao Yang. 2020. Selecting the Best Image Pairs to Measure Slope Deformation. Sensors, 20(17), 4721.分析了二百多期哨兵二号数据在藏东川西山地的可用性、讨论了采用光学影像监测滑坡发生前形变挑选最佳主副影像对的最优规则。研究结果认为，如果采用可见光的像素偏移追踪技术，选择不同年份相同儒略日的影像有望取得最好的反演结果。

[7] Wentao Yang, Jian Fang, Jing Liu-Zeng. 2021. Landslide-lake outburst floods accelerate downstream hillslope slippage. Earth Surface Dynamics, 9: 1251-1262. 论文被主编选为当年该期刊的亮点论文。内容简介：2018年白格滑坡堰塞湖的大洪水对金沙江下游两岸造成多处新的不稳定坡体，2018年的白格大洪水通过拓宽河道对这些山坡的坡脚造成了侵蚀，导致山体出现移动，一些移动的滑坡有再次堵塞金沙江称为堰塞湖并引发新一轮大洪水的可能，观测到了“滑坡-引发堰塞湖大洪水-诱发滑坡-……”灾害链现象。本文的观测填补了极端大洪水引发缓慢滑坡长时间移动现象的空白，对地貌演化有一定的意义。

[8] Dingwen Zhang, Wentao Yang, Chong Xu, Tao Ye, Qiwei Liu. 2022. Extracting deforming landslides from time-series Sentinel-2 imagery. Landslides, in press. 提出一种利用时间序列光学影像和亚像元偏移量跟踪算法在陌生山区识别变形地形的算法。

访问量:226