滑坡是当今世界上危害性仅次于地震的自然灾害,具有突发性强、覆盖范围广泛、危害性大和难以正确预警的特点,常常给人类造成巨大经济损失和人员伤亡。我国山脉较多,地质环境构造复杂,滑坡地质灾害隐患广泛分布,滑坡灾害防治工作意义重大,任务艰巨。传统的滑坡研究工作往往效率极低、工作量大,费用高,且难以在地形复杂的山区和危险地段展开;遥感技术作为一种可以不进入现场就可以获取信息的强有力手段,已经在滑坡灾害调查、动态监测与预警、灾情实时调查与损失评估等工作中发挥着无法替代的作用。近年来,信息技术飞速发展,从“互联网+”到云计算、再到大数据与人工智能技术的发展和应用,给滑坡研究工作带来了机遇和挑战。论文在回顾前人研究的基础上,主要针对目前光学遥感影像在滑坡地质灾害研究中的滑坡信息提取和滑坡空间位置的预测等工作进行了探讨。研究的主要内容和成果如下:(1)基于高分遥感影像的面向对象(OBIA)滑坡识别。在深入分析面向对象的滑坡识别方法的基础上,归纳总结了一套适用于通过多时相遥感影像获取滑坡信息的流程;提出了从静态特征和动态特性的角度来量化滑坡的影像对象特征。同时对OBIA技术中的影像预处理、影像分割、分类方法和精度评价等关键内容进行了探讨。(2)基于影像对象动态特征的滑坡识别。将影像相关分析的概念引入到面对对象的遥感变化检测中,以获取影像对象的动态特征;针对单一光谱特征相关性系数模型进行了改进,提出了基于组合特征的相关系数模型。论文进一步采用多时相影像对象相关分析的变化检测方法,进行了滑坡灾害的信息提取实验。实验结果表明,通过该方法可以快速确定地表变化区域,进而实现滑坡空间位置信息的有效提取;作为对影像对象的相关性进行量化表示的相关系数,也可以在有多时相遥感影像参与的其它领域的OBIA中作为动态特征使用。(3)基于滑坡易发性评价的滑坡空间位置预测。在分析滑坡风险性评估工作的基础上,总结了滑坡易发性的评价因子和评价方法。基于随机森林算法原理构建了滑坡易发性计算模型、基于Python语言开发了相应程序,进行了研究区的滑坡易发性计算,并按照“高易发性位置最可能发生滑坡”的思想实现滑坡空间位置预测。实验结果表明,基于随机森林算法的研究区滑坡易发性评价模型的预测精度非常高,并从研究区滑坡易发性分布图中获知该地区的高风险以上区域占47.88%;因此需要对该地区的高易发性滑坡区域进行监测。