1.一种基于遥感技术的易发滑坡预测方法，包括以下步骤：
S1、获取遥感影像、数字高程数据及地质资料：获取工程区一定成像分辨率的遥感影像数据以及数字高程数据和地质图；
S2、构建三维遥感判释空间场景：对获取的遥感影像数据进行处理，利用获取的数字高程数据建立数字高程模型，对所述数字高程模型和处理后的遥感影像数据进行严格配准和三维渲染处理，构建三维遥感判释空间场景；
S3、判释区域滑坡分布特征：基于所构建的三维遥感判释空间场景，建立滑坡判释标志，提取区域滑坡分布特征，得到滑坡物理参数；
S4、确定滑坡发育主要影响因子：根据步骤S3得到的区域滑坡分布特征提取滑坡发育的环境特征参数，并对环境特征参数进行敏感性分析，得到滑坡发育主要影响因子；
S5、遥感影像分割处理：参考区域滑坡物理参数，反复试验，确定影像分割尺度，执行影像分割处理；
S6、建立易发滑坡预测模型：建立滑坡分类样本，将步骤S4确定的滑坡发育主要影响因子作为其属性特征，对分类样本进行规则构建和分类，并在此基础上建立易发滑坡预测模型，剔除已发生滑坡，得到易发滑坡预测结果。
2.根据权利要求1所述的易发滑坡预测方法，其特征在于：步骤S1中所述的一定成像分辨率为成像分辨率高于3m；所述遥感影像数据为分辨率为2.5m的SPOT5和ALOS卫星影像、分辨率为2.1m的资源三号卫星影像或分辨率更高的卫星影像、数码航摄影像。
3.根据权利要求1所述的易发滑坡预测方法，其特征在于：步骤S1中所述数字高程数据为大比例尺地形图上的等高线数据、高分辨率卫星影像立体像对数据或机载激光雷达获取的高程数据，所述机载激光雷达获取的高程数据带有全球定位参数和惯性测量单元定位参数。
4.根据权利要求1所述的易发滑坡预测方法，其特征在于：步骤S2中，所述遥感影像处理为利用遥感图像处理软件进行遥感影像的大气校正、波段组合、几何精校正、图像融合，以及镶嵌处理；所述数字高程模型建立途径为通过大比例尺地形图上的等高线数据建立数字高程模型、利用高分辨率卫星影像立体像对提取的高程数据建立数字高程模型，或利用LIDAR获取的高程数据建立数字高程模型。
5.根据权利要求1所述的易发滑坡预测方法，其特征在于：步骤S3中，通过在三维遥感判释空间场景中识别典型滑坡对应的遥感影像特征，得到滑坡遥感判释标志，所述滑坡遥感判释标志包括簸箕形、舌形、V字形、不规则形的平面形态以及滑坡壁、滑坡台阶、滑坡舌和封闭洼地；所述提取区域滑坡分布特征的方法为：依据得到的滑坡判释标志，在三维遥感判释空间场景中，通过人工目视解译对区域滑坡进行详细判释，得到区域滑坡分布信息，选取部分典型滑坡进行现场验证，通过现场验证对判释结果进行修改和完善，得到区域滑坡分布特征。
6.根据权利要求1所述的易发滑坡预测方法，其特征在于：步骤S4中，所述滑坡发育的环境特征参数包括从地质图中提取的岩性分布信息，从水文地质图中提取的河流分布信息，基于步骤S2得到的配准后的数字高程模型数据提取的高程信息、坡度信息和坡向信息以及基于步骤S2得到的处理后的遥感影像提取的植被覆盖信息。
7.根据权利要求1所述的易发滑坡预测方法，其特征在于：步骤S4中所述的对环境特征参数进行敏感性分析的方法为：将步骤S3得到的区域滑坡分布特征与岩性分布信息、河流分布信息、高程信息、坡度信息、坡向信息和植被覆盖信息在地理信息系统软件中进行空间叠加分析，采集每个滑坡对应的环境特征参数取值，包括岩性类型和产状、到河流的距离、高程值范围、坡度值范围、坡向值范围以及植被覆盖度值，并进行数理统计和相关性分析。
8.根据权利要求1所述的易发滑坡预测方法，其特征在于：步骤S5中所述的确定影像分割尺度的方法为：选择一个初始的分割尺度，进行影像分割处理，然后检查分割结果是否将面积较小的滑坡分割成了不同对象：如果是，则慢慢调大分割尺度；如果否，则慢慢调小分割尺度，并重复以上检查过程，直到面积较小的滑坡被分割为独立对象，面积较大的滑坡被分成几部分，该尺度即为最优分割尺度。
9.根据权利要求8所述的易发滑坡预测方法，其特征在于：所述初始的分割尺度为尺度
50。
10.根据权利要求1所述的易发滑坡预测方法，其特征在于，步骤S6中所述的建立滑坡分类样本的方法为：将步骤S3得到的区域滑坡分布特征与S5得到的影像分割对象进行空间叠加分析，重叠部分的分割对象即确定为滑坡样本，非滑坡样本的建立釆用随机选择与人工选择相结合的方法，具体为：在去除了滑坡样本的其它对象里随机选择出一个对象，通过人工判断为非滑坡后，加入到非滑坡样本，重复这个过程，选择出至少与滑坡样本等数量的非滑坡样本。