袁詠儀 毛宏燕 彭令 胡超 盧涵宇

摘要：針對(duì)目前地質(zhì)災(zāi)害應(yīng)急主要依靠人工目視解譯無(wú)法在災(zāi)后短時(shí)間內(nèi)做出快速有效的災(zāi)害評(píng)判的不足，依托汶川地震研究區(qū)域和數(shù)據(jù)源開(kāi)展研究，提出通過(guò)高分辨率影像并結(jié)合地形地貌、基礎(chǔ)地質(zhì)等地學(xué)數(shù)據(jù)，建立面向高分辨率影像的災(zāi)害對(duì)象多尺度快速分割方法，構(gòu)建的地質(zhì)災(zāi)害多維多尺度特征規(guī)則庫(kù)，實(shí)現(xiàn)災(zāi)害體邊界、規(guī)模、形態(tài)等發(fā)育特征參數(shù)的快速識(shí)別與診斷，為突發(fā)性災(zāi)害應(yīng)急調(diào)查工作提供技術(shù)支持。

關(guān)鍵詞：高分辨率；滑坡；資源三號(hào)衛(wèi)星；快速識(shí)別

中圖分類號(hào)： TP79/P642.22 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：文章編號(hào)：1009-3044（2018）14-0199-04

Abstract： In view of the shortage of rapid and effective disaster evaluation that can not be made by artificial visual interpretation in the short time after disaster， based on the research area and data source of Wenchuan earthquake research， it is proposed to establish high resolution through high resolution images combined with topographic geomorphology， basic geology and other geoscience data. The multi-scale fast segmentation method of the image disaster objects， the multi-dimensional multi-scale feature rule library of geological disaster is constructed， which can realize the rapid identification and diagnosis of the development characteristic parameters of the disaster body boundary， scale and shape， and provide technical support for emergency disaster emergency investigation..

Key words： high resolution； landslides； ZY-3 satellite； rapid recognition

目前，突發(fā)性滑坡災(zāi)后應(yīng)急調(diào)查主要以野外調(diào)查和基于航片與衛(wèi)星影像的人工目視解譯為主，但其存在主觀性和耗時(shí)費(fèi)力等固有缺陷，無(wú)法在災(zāi)后短時(shí)間內(nèi)做出快速有效的災(zāi)害評(píng)判，無(wú)疑阻礙了突發(fā)性災(zāi)害應(yīng)急調(diào)查工作。

隨著遙感影像數(shù)據(jù)處理分析技術(shù)不斷發(fā)展，使得基于高分辨率遙感的滑坡快速識(shí)別、區(qū)域滑坡變化遙感多時(shí)相探測(cè)成為可能，國(guó)內(nèi)外專家學(xué)者針對(duì)突發(fā)性地質(zhì)災(zāi)害的影像分割、特征規(guī)則、圖像理解等方面進(jìn)行探討和研究[1-6]，為此本文在前人研究的基礎(chǔ)上，開(kāi)展基于高分辨率影像的災(zāi)害對(duì)象快速分割、特征規(guī)則構(gòu)建、災(zāi)害識(shí)別開(kāi)展研究，以實(shí)現(xiàn)基于高分辨率影像的突發(fā)性地質(zhì)災(zāi)害快速提取和識(shí)別實(shí)現(xiàn)，可為災(zāi)害應(yīng)急響應(yīng)提供技術(shù)支撐。

1 實(shí)驗(yàn)區(qū)及數(shù)據(jù)源

研究區(qū)為汶川縣東北部的綿虒鎮(zhèn)、草坡鄉(xiāng)境內(nèi)，如圖1所示，汶川縣位于四川盆地西北部，居阿壩藏族自治州東南部，地處龍門山系和邛崍山系之間，地勢(shì)西高東低，呈中高山峽谷地貌，其中海拔在788-5916m。區(qū)域巖性變化大，可劃分為以巖漿巖、碎屑巖為主的堅(jiān)硬巖。

采用數(shù)據(jù)源包括地形數(shù)據(jù)和遙感數(shù)據(jù)，地形數(shù)據(jù)主要為數(shù)字高程模型（DEM），以及其生成的石類，其中以松散巖土體分布廣泛。

地形坡度、地形曲率、粗糙度、流域方向等派生因子，其中DEM數(shù)據(jù)是通過(guò)遙感衛(wèi)星的前后視影像生成，地形數(shù)據(jù)主要用于輔助滑坡信息的遙感識(shí)別。遙感數(shù)據(jù)包括資源三號(hào)（ZY-3）、高分一號(hào)（GF-1）國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)和IKONOS、Landsat、ASTER等國(guó)外衛(wèi)星數(shù)據(jù)，其中ZY-3、GF-1和IKONOS高空間分辨率數(shù)據(jù)用于識(shí)別滑坡信息，而Landsat和ASTER中空間分辨率數(shù)據(jù)主要用于探測(cè)區(qū)域性滑坡變化。部分衛(wèi)星影像數(shù)據(jù)如圖1所示。

2實(shí)驗(yàn)方法

2.1 數(shù)據(jù)預(yù)處理

以研究區(qū)ZY-3衛(wèi)星影像為例，主要對(duì)數(shù)據(jù)源的遙感影像進(jìn)行輻射校正、正射校正、幾何校正和圖像融預(yù)處理，其目的是最大限度的消除影像背景誤差和噪聲影響，提高目標(biāo)特征信息的準(zhǔn)確性和精確度，最終達(dá)到改善影像數(shù)據(jù)質(zhì)量。本論文利用ENVI 5.1軟件中Gram-Schmidt Pan Sharpening（GS_PS）融合方法，對(duì)相同傳感器的多光譜影像和全色影像進(jìn)行像素級(jí)融合，從而獲得具有高空間分辨率的多光譜影像，其中研究區(qū)內(nèi)ZY-3衛(wèi)星影像融合結(jié)果如圖2所示。由圖可見(jiàn)，融合后影像在保持光譜信息的同時(shí)空間結(jié)構(gòu)和紋理特征得到豐富。

2.2 特征信息提取

滑坡識(shí)別的特征信息主要包括影像特征和地形特征。形特征主要是指通過(guò)數(shù)字高程模型及其派生類因子（如高差、坡度、曲率等）描述相關(guān)地貌特性的參數(shù)，因而DEM的準(zhǔn)確獲取是地形特征分析的關(guān)鍵。目前提取DEM的方法主要有：（1）從野外測(cè)量數(shù)據(jù)、試驗(yàn)區(qū)現(xiàn)有地形圖上，采集高程點(diǎn)（等高線），然后再進(jìn)行插值方法生成DEM；（2）根據(jù)航空或航天影像，通過(guò)攝影測(cè)量技術(shù)獲得；（3）采用干涉雷達(dá)或激光雷達(dá)生成。隨著及攝影測(cè)量技術(shù)的逐漸成熟，通過(guò)高分辨率遙感衛(wèi)星的立體像對(duì)，利用攝影測(cè)量技術(shù)成為生產(chǎn)大范圍DEM數(shù)據(jù)的主要方式（張東，2007）。本文通過(guò)ZY-3衛(wèi)星影像，采用立體像對(duì)測(cè)量技術(shù)生成研究區(qū)的DEM數(shù)據(jù)，首先輸入兩幅具有重疊區(qū)的前后視影像，并帶有RPC文件。如果需要獲取具有絕對(duì)高程的DEM，則需要定義地面控制點(diǎn)，最后對(duì)提取的DEM進(jìn)行相應(yīng)編輯，如去除樹(shù)林、建筑物的高度等偽地形，以及修改被厚層云覆蓋的影像區(qū)域，其空間分辨率為10m。在此基礎(chǔ)上，利用GIS空間分析功能生成坡度、曲率、粗糙度、流域方向等地形特征。典型滑坡遙感影像特征（A：滑源區(qū)；B：滑移區(qū)；C：堆積區(qū)）如圖3所示。

2.3 滑坡對(duì)象構(gòu)建

滑坡對(duì)象構(gòu)建是指針對(duì)滑坡遙感識(shí)別，將影像分割為內(nèi)部特征相對(duì)均一、相互之間又有所差異的若干互不相交的對(duì)象?；聦?duì)象構(gòu)建就是針對(duì)滑坡識(shí)別目標(biāo)進(jìn)行了高分辨率影像分割。影像分割是高分辨率遙感滑坡識(shí)別的基礎(chǔ)和前提，其分割效果直接決定著滑坡識(shí)別的精確度。

多尺度分割的過(guò)程就是從像素層開(kāi)始。當(dāng)異質(zhì)性超過(guò)該閾值的時(shí)候，合并過(guò)程終止，迭代結(jié)束，多尺度分割的對(duì)象結(jié)果由尺度參數(shù)，光譜和形狀因子，以及光滑度和緊致度因子共同決定。尺度問(wèn)題是遙感應(yīng)用中普遍存在的現(xiàn)象，不同地物和現(xiàn)象有著不同的描述尺度，只有在最佳尺度上目標(biāo)才能更加有效地被觀察與研究。目前，用來(lái)確定影像分割最優(yōu)尺度的標(biāo)準(zhǔn)主要有影像對(duì)象的均值方差、目標(biāo)函數(shù)法等。

在此利用基于eCognition軟件開(kāi)發(fā)的ESP 2工具尋找識(shí)別目標(biāo)的最優(yōu)分割尺度，該工具可以在同一影像上建立三個(gè)層次的最優(yōu)分割尺度，并且具備融合最大30個(gè)分割圖層的能力。通過(guò)循環(huán)計(jì)算所有分割圖層的全部分割對(duì)象的局部方差而得到全局平均方差。

2.4識(shí)別規(guī)則建立

本文采用分層識(shí)別策略建立識(shí)別規(guī)則，來(lái)實(shí)現(xiàn)基于高分辨率遙感影像的滑坡識(shí)別。模糊分類方法主要用來(lái)處理模糊不清、不嚴(yán)密和不明確的問(wèn)題。本文采用的隸屬度函數(shù)為eCognition軟件中預(yù)定義的大于函數(shù)（Fuzzy-Greater-Than）、小于函數(shù)（Fuzzy-Lower-Than）和近似范圍函數(shù)（Fuzzy-Range-Function），隸屬度函數(shù)說(shuō)明如表1所示。

特征規(guī)則是實(shí)現(xiàn)影像數(shù)據(jù)到空間信息轉(zhuǎn)化的基礎(chǔ)，它為目標(biāo)識(shí)別和場(chǎng)景格局理解提供決策知識(shí)。突發(fā)性滑坡災(zāi)害發(fā)育于特定的地形地貌、地質(zhì)條件、地表覆被等地質(zhì)環(huán)境表現(xiàn)在影像上光譜、紋理、形狀等特征信息。ZY-3影像滑坡識(shí)別規(guī)則集合如圖5所示。以ZY-3融合后影像的藍(lán)、綠、紅和近紅外波段、NDVI、NDWI、高程、坡度、曲率、粗糙度和流域方向?yàn)閿?shù)據(jù)圖層，通過(guò)以上融合就可滑坡高分辨率遙感影像識(shí)別。

3 實(shí)驗(yàn)結(jié)果及分析

在上述滑坡識(shí)別規(guī)則集合基礎(chǔ)上，以ZY-3遙感影像和相應(yīng)地形數(shù)據(jù)為數(shù)據(jù)源，采用滑坡分層識(shí)別方法來(lái)實(shí)現(xiàn)滑坡潛在區(qū)域的提取，在此基礎(chǔ)上利用地形特征對(duì)滑坡的滑源區(qū)、滑移區(qū)和堆積區(qū)進(jìn)行詳細(xì)診斷。識(shí)別結(jié)果如圖6所示。

由6圖可知，滑坡主要分布于岷江及其支流沿岸，滑坡整體分布較為密集，共提取滑坡總面積為2.108 km2，約占實(shí)驗(yàn)區(qū)面積的23%，其中最小識(shí)別滑坡面積為194 m2。實(shí)驗(yàn)區(qū)內(nèi)滑坡的滑源區(qū)、滑移區(qū)和堆積區(qū)面積近似為5：2：1。

4 結(jié)語(yǔ)

本論文依托研究區(qū)域和數(shù)據(jù)源開(kāi)展研究，提出通過(guò)高分辨率影像并結(jié)合地形地貌、基礎(chǔ)地質(zhì)等地學(xué)數(shù)據(jù)，建立面向高分辨率影像的災(zāi)害對(duì)象多尺度快速分割方法，構(gòu)建融合光譜、紋理、幾何等信息的地質(zhì)災(zāi)害多維多尺度特征規(guī)則庫(kù)，實(shí)現(xiàn)災(zāi)害體邊界、規(guī)模、形態(tài)等發(fā)育特征參數(shù)的快速識(shí)別與診斷，孕災(zāi)環(huán)境解譯和地學(xué)信息轉(zhuǎn)化。充分發(fā)揮現(xiàn)代遙感科學(xué)具有大范圍、快速、動(dòng)態(tài)、客觀的技術(shù)優(yōu)勢(shì)，以滿足突發(fā)性災(zāi)害應(yīng)急調(diào)查、災(zāi)情評(píng)估、災(zāi)后預(yù)警與防治等方面的重大而迫切需求，其研究具有十分重要的科學(xué)價(jià)值和現(xiàn)實(shí)意義。

參考文獻(xiàn)：

[1] 彭令，徐素寧，梅軍軍，等.地震滑坡高分辨率遙感影像識(shí)別[J].遙感學(xué)報(bào)，2017（4）：509-518.

[2] 彭令，徐素寧，梅軍軍，等.資源三號(hào)衛(wèi)星在汶川震區(qū)滑坡快速識(shí)別中的應(yīng)用方法研究[J].遙感技術(shù)與應(yīng)用，2018，33（1）5：185-192.

[3] 黃潤(rùn)秋.汶川8.0級(jí)地震觸發(fā)崩滑災(zāi)害機(jī)制及其地質(zhì)力學(xué)模式[J].巖石力學(xué)與工程學(xué)報(bào)，2009，28（6）： 1239-1249.

[4] 王賽.基于多源遙感數(shù)據(jù)的汶川地震型滑坡信息提取研究[M].北京：中國(guó)地質(zhì)大學(xué)，2015.

[5] 張東.青島經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)土地利用演變分析[M].青島：山東科技大學(xué)，2007.

[6] Li Z B， Shi W Z， Myint S W， et al. Semi-automated Landslide Inventory Mapping from Bitemporal Aerial Photographs using Change Detection and Level Set Method[J].Remote Sensing of Environment，2016（175）：215-230.