“莫拉克”台风引起的滑坡泥石流灾害HJ-1图像遥感监测研究

邓 睿,黄敬峰

(1.浙江大学遥感与信息技术应用研究所,杭州 310029;2.浙江大学环境与资源学院环境修复与生态健康教育部重点实验室,杭州 310029;3.浙江省农业遥感与信息技术重点研究实验室,杭州 310029)

“莫拉克”台风引起的滑坡泥石流灾害HJ-1图像遥感监测研究

邓 睿1,3,黄敬峰1,2

(1.浙江大学遥感与信息技术应用研究所,杭州 310029;2.浙江大学环境与资源学院环境修复与生态健康教育部重点实验室,杭州 310029;3.浙江省农业遥感与信息技术重点研究实验室,杭州 310029)

利用 HJ-1星 2009年“莫拉克”台风前后获取的 2个时相图像,通过去相关拉伸 (Decorrelation Stretch)、光谱信息增强和最大似然法分类提取滑坡、泥石流区域,并结合 TRMM(Tropical Rainfall Measuring Mission)卫星降雨量数据和 DEM(Digital Elevation Model)资料,分析该台风降水导致的滑坡、泥石流情况。结果表明,HJ-1星能有效地监测滑坡、泥石流灾害。基于去相关拉伸光谱信息增强的最大似然法分类能得到较好的分类结果。“莫拉克”台风带来的暴雨所引起的山体滑坡和泥石流导致植被和居民点变为裸地,分类图和 3D模拟图上都体现了这种变化。

滑坡;泥石流;HJ-1星;“莫拉克”台风;最大似然法分类

0 引言

台风产生于热带或副热带洋面,是一种破坏力很强的灾害性天气系统,来势凶猛,常伴随狂风、暴雨和风暴潮[1,2]。2009年 8月 7日晚,“莫拉克”台风登陆台湾,带来特大暴雨,台湾中南部遭受了 50 a来最严重的水灾。暴雨又引发了滑坡和泥石流,造成财产损失和人员伤亡惨重。根据台湾灾害应变中心 2009年 9月 6日的统计资料,农林渔牧及民间设施损失共计 1 646 863.2万元新台币;614人死亡,75人失踪。

过去的滑坡、泥石流遥感监测研究,大多采用TM、SPOT、IKONOS及雷达图像[3-5]。本文则利用我国 2008年 9月 6日成功发射的环境与灾害监测预报小卫星 (HJ-1星)数据,分析“莫拉克”台风造成的滑坡、泥石流灾害情况。HJ-1星轨道高度649.093 km,为准太阳同步圆轨道,轨道倾角 98°,轨道周期 98m in。星上 (HJ-1A和 HJ-1B)搭载的 CCD相机具有可见光和近红外 4个波段,空间分辨率为 30m,时间分辨率为 4 d,2台 CCD相机交替重访时间为 2 d,能有效地动态监测和快速评估自然灾害、环境污染以及生态破坏[6]。由于 HJ-1小卫星发射时间较短,对它的利用和研究还较少,未见利用其监测滑坡和泥石流灾害的报道。

1 研究区与数据源

本文所选研究区位于台湾高雄县甲仙乡东北的小林村。小林村西以阿里山山脉与台南县南化乡为界,东以玉山与桃源乡为邻,北接三民乡,南临关山村。村落聚集在楠梓仙溪东河岸山脚下,东西两侧都是高山,东侧玉山山脉的大竹溪山,最高海拔 1 664m;西侧阿里山山脉,最高海拔 1 008m,最低处河岸的海拔约 345m。岩性为中新世沉积岩,以关山刀砂岩、页岩为主[7]。年平均降雨量 2 018.2mm。

根据“莫拉克”台风发生时间,比较台风发生前后研究区无云的图像,最终选择了台风前 (2009年 6月 7日)和台风后 (10月 29日)获取的 2个时相的HJ-1星多光谱图像。此外,还收集了 ASTER -GDEM高程数据 (网格精度 30m,垂直精度 20m)以及台风影响期间 TRMM卫星 3 h实时降雨量数据(3B42RT)。

2 研究方法

2.1 图像预处理

下载的 HJ-1星图像经过了系统几何纠正,并将纠正后的图像映射到UTM地图投影坐标上。

首先,根据 HJ-1星各载荷在轨绝对辐射定标系数对图像进行辐射定标,即

式中,L为辐亮度;DN为原始图像亮度值;a为绝对定标系数增益;L0为偏移量[8]。

然后,以 2009年 6月 7日获取的图像为基准图像,将 2009年 10月 29日获取的图像与其配准。根据对 HJ-1星各波段的相关性分析,选择第 4波段(近红外)、第 3波段 (红光 )和第 1波段 (蓝光 )按R、G、B组合合成假彩色图像。最后,利用 ENV I RO I(Region of Interest)功能将研究区提取出来。

由于多光谱图像各波段通常具有较高的相关性,采用去相关拉伸 (Decorrelation Stretch,DS)光谱信息增强方法增强图像的亮度、色度和饱和度,拉大各波段的差距,降低各波段的相关性,减少信息冗余度,有利于进行最大似然法分类[9-13]。

2.2 基于最大似然法分类的滑坡与泥石流信息提取

最大似然法分类利用遥感数据的统计特征,假定各类的分布为正态函数,求出每个像元对于各类别的似然度,最终把该像元分到具有最大似然度的类别中去[14,15]。在去相关拉伸光谱增强后的图像上选取多种地类作为训练区,采用最大似然法进行监督分类,区分水体、裸地、居民点和植被;对比台风发生前后 2个时相各地类的变化,最终提取出滑坡、泥石流区域。

3 结果与分析

3.1 台风影响期间降雨量分析

由于没有研究区实测降雨量数据,本文利用TRMM卫星 3 h实时降雨量资料合成逐日降雨量。TRMM卫星 3 h实时降雨量资料是按标准观测时间(00,03,06UTC…)提供 3 h的平均降雨量,利用 3 h平均降雨量计算 3 h总降雨量,再累加得到日降雨量。利用此方法得到的台风影响期间研究区逐日降雨量如图 1所示。

图 1 “莫拉克”台风影响期间研究区 TRMM降雨量Fig.1 TRMM-derivedra in fall of the study area during occurrence of typhoon Morakot

8月 6日到 10日累计降雨 1 076.7mm,5 d的累积降雨量超过年平均降水量的 50%。连日大雨冲刷,使岩石和土壤层对降水的排解能力下降,大量雨水渗入和浸泡土壤;在重力作用下,土壤开始松动,斜坡地带趋于不稳定,最终土壤层产生滑动,导致滑坡灾害发生。滑坡产生的松散固体物质在大量雨水的冲刷下沿坡地向下快速移动,形成泥石流。

3.2 滑坡泥石流信息提取

参考 Google Earth高分辨率图像,在经过去相关拉伸光谱增强的 HJ-1图像上选择各地类的训练区进行最大似然法分类。由于缺乏实地验证资料,通过目视解译选择 RO I作为各地类的实际类型,评价图像分类精度。研究区图像共分为 4种地类,包括水体、裸地、居民点和植被。分类的混淆矩阵如表 1所示,总体精度高于 90%,Kappa系数也高于 0.9,分类效果较好。

表 1 “莫拉克”台风发生前后图像分类的混淆矩阵Tab.1 Con fusion matrix of classification before and after occurrence of typhoon Morakot

图 2是“莫拉克”台风发生前后研究区 HJ-1星最大似然法分类对比图。6月 7日图像上有几处裸地在 10月 29日图像上是植被,这是因为不同时相太阳高度角、传感器天顶角等不同的缘故。10月29日的图像上有几处山体阴影,分类时阴影被归类到植被。台风带来暴雨,雨水携带泥沙土石冲击河道,台风发生后图像上河道变宽,水体面积增加。原小林村所在地 (图 2中的圆圈 1)变成了裸地,其后部的植被区域也变成了裸地,而且呈现出与水系垂直的条带状影纹,后缘呈圈状,滑坡的边界和形态特征较清晰。而泥石流一般具有供给区、流通区和沉积区 3个区,滑坡产生的松散固体物质作为泥石流的物质供给,在雨水的冲刷下顺坡快速下移,在小林村一带形成明显的泥石流洪积扇沉积区,并使河道变弯曲,河水冲刷对岸。由图 2可以看出,小林村后部山体滑坡周边还有几处较明显的滑坡后新增裸地(圆圈 2,3,4),只是这几处滑坡和小林村滑坡相比规模较小,未发展成泥石流。

图 2 “莫拉克”台风发生前 (左)后 (右)HJ-1星图像分类对比Fig.2 Contrast of classification with HJ-1 before(left)and after(right)occurrence of typhoon Morakot

3.3 台风发生前后 HJ-1图像 3D视图模拟

为了更准确地解译滑坡和泥石流,将配准后的DEM同台风发生前后的 HJ-1星图像叠加,并逆时针旋转 45°角,得到研究区真彩色三维透视图 (图3)。在台风发生后图像上河道拓宽,水位上涨。圆圈 1处为小林村所在地,其后山体色调从墨绿变为灰白,植被变成了裸地,并呈现出很明显的圈椅状滑坡形态,而且滑动体上有错落的平台。由于后山发生滑坡,雨水夹带着大量泥沙、石块形成泥石流将小林村掩埋,并在河流处沉积导致河道变弯曲,使对岸植被区域变成水体。图中圆圈 2、3、4的滑坡规模虽然较小,但在三维视图中也反映得很清楚。

图 3 “莫拉克”台风发生前 (左)后 (右)滑坡泥石流灾害 3D模拟图Fig.3 3D map of landslide and debris flow before(left)and after(right)typhoon Morakot

4 结论

“莫拉克”台风给台湾带来了严重的灾害。本文利用 HJ-1星 CCD图像,结合 TRMM和 DEM资料研究了台风造成的滑坡和泥石流灾害情况。通过比较台风前后不同时相基于去相关拉伸光谱增强的最大似然法分类结果,提取出由于滑坡、泥石流所引起的地类变化;辅以 3D视图,更直观地反映出滑坡、泥石流的发生机理和灾害情况。利用 HJ-1星图像能有效地监测滑坡、泥石流灾害。

[1] 陈 香,陈 静,王静爱.福建台风灾害链分析——以 2005年“龙王”台风为例 [J].北京师范大学学报 (自然科学版),2007,43(2):203-208.

[2] 唐晓春,梁梅青.登陆广东的热带气旋及其产生的灾害链[J].灾害学,2006,21(3):47-53.

[3] 朱博勤,聂跃平.易贡巨型高速滑坡卫星遥感动态监测[J].自然灾害学报,2001,10(3):103-106.

[4] 李加洪,蒋卫国,张松海,等.基于遥感与 GIS的西藏帕里河滑坡动态监测分析[J].自然灾害学报,2006,15(4):24-27.

[5] 丁 辉,张茂省,李 林,等.IKONOS数据在翠华山滑坡研究中的应用[J].自然灾害学报,2009,18(3):165-170.

[6] 相里斌,王忠厚,刘学斌,等.“环境与灾害监测预报小卫星”高光谱成像仪[J].遥感技术与应用,2009,24(3):257-262.

[7] 简文敏.文化资产与变迁:小林平埔族传统神灵信仰研究[J].文化资产保存学刊,2008(5):24-34.

[8] 中国资源卫星应用中心 (CRESDA).环境减灾星座 A/B星各载荷在轨绝对辐射定标系数[EB/OL].[2009-12-29].http://www.cresda.com/n16/n1115/n1522/n2103/9592.htm l.

[9] 金雪峰,饶芮菱,鲁怀伟.电子散斑干涉条纹骨架线提取的新方法[J].应用光学,2007,28(2):221-225.

[10]Youssef AM.An Enhanced Remote Sensing Procedure for Material Mapping in the Western Desert of Egypt:a Tool for Managing Urban Development[J].Natural Resources Research,2008,17(4):215-226.

[11]Liu J G,Moore JM.Direct Decorrelation Stretch Technique for RGB Colour Composition[J].International Journal of Remote Sensing,1996,17:1005-1018.

[12]姚 睿,李 琦,尹奇国,等.THz激光主动图像预处理方法研究[J].应用光学,2009,30(2):233-235.

[13]马超飞,刘素红,蔺启忠.专题信息提取中降低植被影响的处理方法研究[J].遥感技术与应用,1998,13(4):9-13.

[14]刘勇洪,牛 铮,徐永明,等.多种分类器在华北地区土地覆盖遥感分类中的性能评价[J].中国科学院研究生院学报,2005,22(6):724-732.

[15]陈 亮,刘 希,张 元.结合光谱角的最大似然法遥感影像分类[J].测绘工程,2007,16(3):40-42,47.

(责任编辑:刘心季)

The Monitoring of Landslide and Debris Flow Caused by Typhoon Morakot Based on HJ-1 Images

DENG Rui1,3,HUANG Jing-feng1,2
(1.Institute of Remote Sensing and Information System Application,Zhejiang University,Hangzhou 310029,China;2.Ministry of Education Key Laboratory of Environmental Remediation and Ecological Health,College of Natural Resources and Environmental Science,Zhejiang University,Hangzhou 310029,China;3.Key Laboratory of Agricultural Remote Sensing and Information System,Zhejiang University,Hangzhou 310029,China)

In this paper,two HJ-1 images before and after typhoon Morakot were used.De correlation stretch(DS)and maximum likelihood classification(MLC)were adopted to extract the regions of landslide and debris flow.Furthermore,TRMM precipitation data and digital elevation model(DEM)were combined to analyze landslide and debris flow.The results show that landslide and debris flow can be monitored effectively by HJ-1.Good classification results are obtained: the overall accuracies of two phases are above 90%,and Kappa coefficients are higher than 0.9.The rainstorm brought by typhoon Morakot led to landslide and debris flow,so vegetation and settlements were changed into bare land,which is reflected clearly on the classification map and 3D map.

Landslide;Debris flow;HJ-1;Typhoon Morakot;Maximum likelihood classification

邓 睿 (1983-),女,博士研究生,主要研究方向为遥感与地理信息系统应用。

TP 79

A

1001-070X(2011)01-0106-04

2010-04-26;

2010-06-01

国家“863”课题 (编号:2006AA 120101)、国家自然科学基金项目 (编号:40871158/D0106)和浙江省科技计划项目 (编号:2007C22028)共同资助。