快鸟影像在典型古滑坡识别应用中的研究

张雅莉，马金珠，张 鹏，顾春杰

(兰州大学西部环境教育部重点实验室,兰州 730000)

快鸟影像在典型古滑坡识别应用中的研究

张雅莉，马金珠，张 鹏，顾春杰

(兰州大学西部环境教育部重点实验室,兰州 730000)

为了对甘肃南部典型古滑坡的滑坡灾害空间分布及其特征进行微观分析,采用高分辨率快鸟影像(Quick Bird Image)及已有地质灾害调查资料和实测资料,并合理选用滑坡体、滑坡后壁、后缘、裂缝、冲沟、滑坡台阶、鼓丘等作为滑坡识别标志,从而判定甘肃省舟曲县大川乡泄流坡滑坡的具体位置、边界及规模等基础特征信息。提取滑坡地表细节情况,经与实地查勘情况对比,结果表明:遥感图像初步解译的成果中泄流坡滑坡位置是准确的,滑坡识别所选用的典型解译标志也基本正确。基于上述方法,借鉴对泄流坡滑坡的解译经验,对舟曲县其他2个大型古滑坡即锁儿头滑坡和龙江新村滑坡进行了解译分析,其成果为研究区滑坡灾害防治及预测提供了理论依据。由此表明,针对研究区建立的这种高精度滑坡识别方法在实际工作应用中是可行的。

滑坡；快鸟影像；遥感；多光谱；解译标志

2015,32(11):130-135,148

1 研究背景

遥感技术因具有现势性好、宏观性强、信息量大等优点,在滑坡灾害研究中已作为非常重要的信息技术手段。目前,遥感技术在滑坡灾害研究中的应用主要体现在2个方面:一是进行区域性或大型单体滑坡调查,使我们能更准确地了解滑坡,科学地存贮和有效地管理调查结果,方便快捷地传输交流滑坡信息[1]；二是利用多源遥感数据开展滑坡制图与动态监测工作,尤其是InSAR/DInSAR技术和LIDAR,以其高精度DEM数据获取能力和对微地形变化的探测能力在滑坡制图及监测方面具有广泛的应用前景[2]。

在了解滑坡灾害分布、提取滑坡相关属性信息及减少滑坡灾害地质调查工作量方面,国内已有很多比较成熟的方法,如王治华[3]利用不同时段、不同分辨率影像对大区域内的滑坡进行监测识别,获取滑坡边界、规模、各部分滑动方向和滑动距离、运动方式等数据；黄瑾等[4]利用Quick Bird数据建立了滑坡、泥石流识别的解译标志,并对研究区地质灾害成因进行了分析。但是当滑坡发生后无法在第一时间获取该滑坡的遥感影像,或根本无法追溯滑坡的具体滑动时间,而且滑坡在持续滑动且危害较大时,又亟需对区域内的滑坡点进行识别并详细圈定其灾害范围,对于此类情况,如何建立有效的滑坡识别方法,目前尚无先例借鉴。为此,以甘肃省舟曲县滑坡、泥石流等地质灾害多发区为研究对象,拟探讨一种有效的遥感解译方法,能在高分辨率影像上相对准确地识别研究区内部分危害较大的单体滑坡,并在遥感图像上圈定单体滑坡的具体位置及灾害范围,为研究区滑坡灾害的调查、监测、防治、预测及危险性评价提供理论依据。

2 研究区概况与数据源选择

2.1 研究区概况

舟曲县是甘肃省乃至全国滑坡、泥石流等地质灾害较为严重的地区之一,而滑坡是舟曲县内发生的主要地质灾害之一。研究区地处秦岭褶皱西延地带,区内山高沟深,地形起伏强烈,软岩分布较广,褶皱断裂发育,岩体破碎,地震频发,暴雨频繁,县城周边滑坡、泥石流等地质灾害十分发育,而且规模巨大,活动频繁。本区气候属北亚热带向北温带的过渡区,受大气环流和地形影响,具有垂直气候分带明显和干湿季分明2大特点,降水少而不均匀,冬春干燥,夏秋多雨,降水主要集中在5—9月份,区内多年平均降雨量为435.8 mm。出露地层以千枚岩、砂岩、板岩为主。地质构造以NNW,NW向断裂。植被状况在区域分布上差异性较大,在研究区沿白龙江两岸植被发育较差,而南部和西部植被发育较好。研究区的位置示意图见图1(a),遥感影像图(Quick Bird)见图1(b)。

研究区属滑坡、崩塌灾害高发区,滑坡成群发育,甚至随着时间的推移滑坡持续不断在进行蠕动,是当地政府及居民重点监测的灾害点。故针对区内的3个大型古滑坡,为了提取其滑坡特征和勾绘灾害范围,选择泄流坡滑坡作为试点来建立滑坡识别技术体系,而后通过借鉴泄流坡的解译经验和方法,并结合野外实证,对研究区另外2个大型滑坡——锁儿头滑坡和龙江新村滑坡进行解译识别。

图1 研究区地理概况Fig.1 Geographical situation of the study area

2.2 数据源的选择

目前,国内外用于滑坡灾害调查的遥感数据类型主要有航空相片、可见光-近红外光学卫星影像。

(1)航空相片。航空相片应用于滑坡灾害研究最早可追溯至20世纪70年代,滑坡遥感调查主要依靠航片的目视解译,现已形成较成熟的方法体系[5]。虽然航片的空间分辨率高但成本也高,此外,还需取决于天气等环境因素,在时间上也不一定满足要求,还有航片不能直接用于遥感解译或目标识别,必须将航片经扫描数字化后才能处理。

(2)可见光-近红外光学卫星影像。随着遥感器技术的发展,光学卫星影像也逐渐广泛应用于滑坡灾害研究。根据空间分辨率的不同,现将用于滑坡研究的常用遥感影像及其光谱和其他参数列入表1[6]。

表1 滑坡遥感常用的陆地卫星类型与特征Table 1 Main land satellites and their features for landslide investigation using remote sensing technology

基于以上对各种遥感数据的说明和分析,光学遥感数据应用于滑坡灾害研究,能够较好地提取滑坡基础特征信息,对于分析滑坡环境背景具有很好的效果。但是,由于研究区内的滑坡属老滑坡,经历长时间的滑动和演变,在遥感图像上能够显示的滑坡特征有些并不明显,给滑坡解译工作带来一定的困难,为更准确地识别滑坡特征,勾绘滑坡灾害范围并确定其类别和性质,故采用了极高分辨率光学遥感数据Quick Bird进行滑坡解译[7]。Quick Bird是WorldView 1开始服务前世界上商业卫星分辨率最高、性能较优的一颗卫星,其全色波段分辨率为0.61 m,彩色多光谱分辨率为2.44 m。为此,解译采用的基础影像选择经正射校正的空间分辨率达到0.61 m的Quick Bird影像图,同时选择空间分辨率为12.5 m的DEM与已有地质灾害调查资料及相关实测资料作为辅助解译资料。

3 遥感解译过程

利用遥感专业处理软件ENVI 4.8完成滑坡识别工作,包括数据几何精纠正、正射校正、数据融合等遥感图像处理过程；通过初步建立的大型单体古滑坡识别解译标志对泄流坡滑坡进行室内预解译；经野外调查验证,最后获得单体滑坡识别的最终解译结果。处理流程如图2所示。

图2 滑坡识别技术遥感解译工作流程Fig.2 Work process of landslide recognition based on remote sensing technology

3.1 遥感数字图像处理

Quick Bird数据属于高空间分辨率影像数据,对其进行几何精纠正需要高精度的地形图或GPS点的支持,同时由于研究区为典型的高山峡谷区,地形复杂,高差悬殊,需要对图像进行基于DEM的正射校正,以消除地形误差[8]。

解译区使用的Quick Bird图像数据于2010年8月获取,经实地采样对其进行了精纠正,由全色波段和多光谱融合而成,融合后的影像空间分辨率为0.61 m。

3.2 解译标志的建立

滑坡解译标志的建立有利于更快速有效地识别滑坡,是滑坡识别过程的关键[9]。何孝莹等[10]以滑坡后壁、滑坡体、滑动面、滑动带和滑坡床作为滑坡要素进行滑坡识别。王治华[11]认为掌握滑坡基本形态要素对于滑坡识别至关重要。唐新建等[12]以遥感图像上的一定色差作为识别滑坡标志,以滑坡的灰阶与稳定山体间一定的色差来确定滑坡平面形态。滑坡体的特殊形态、大小以及其色调纹理特征作为滑坡识别的直接标志,在遥感图像上能够直观地表现出来,但是对于研究区内的滑坡,这些特征并不明显,对于滑坡的识别仍有困难,还需要建立其他合理的间接识别标志,同时结合历史滑坡数据信息,特别是滑坡发育的基本地质环境条件来辅助识别滑坡,以免出现错判或误判的现象。

根据研究区的遥感影像,其融合后的空间分辨率达到0.61 m,而且滑坡体规模多为大型的古滑坡,所以能从影像中提取滑坡的细节特征,经过野外调查所得的滑坡特征与遥感影像反复对比,建立了以滑坡体、滑坡后壁、后缘、裂缝、冲沟、滑坡台阶、鼓丘等作为滑坡要素的滑坡识别标志(图3所示)。

滑坡一般沿河分布,向前伸入平地或河谷,往往会引起公路变形(图3(a))或改变河道的形状和走向,前缘常有小型崩塌发生。滑坡本身一般要低于周围的斜坡,坡体较缓,规模较大,滑坡体的特殊形态如舌形、簸箕形、不规则形等在遥感图像上一般比较明显,上面往往有滑坡台阶(图3(d)),宽大而平整,分布有耕地、梯田、居民区等。滑坡后壁(图3 (f))较高且陡,附近有鼓丘(图3(e))分布,滑坡舌相对远离河道,可能有漫滩、阶地分布,坡脚多呈带状扇形或舌形堆积体,在遥感图像上明显可见。滑坡冲沟(图3(c))较发育,滑坡两侧的自然沟割切较深,黄土裂缝(图3(b))较大且明显可见(大多不太明显但有迹可循,在图像上可以看到)。相对来说,虽然滑坡周围的植被覆盖率低,但仍给滑坡的识别带来一定的干扰。滑坡地表湿地和泉水出露等水文特征大多不明显,在图像上基本不可见。坡体地形起伏大,纹理特征较粗糙。

3.3 研究区的解译内容

根据研究区滑坡的历史数据及滑坡周围的地质环境数据,选定泄流坡滑坡为研究对象,确定其基本形态特征。在遥感图像上,泄流坡滑坡呈现出浅灰色、白色,形态上为长舌形,由此确定泄流坡滑坡的大致地理位置。为了更加精细高效地确定解译区泄流坡的位置及分布范围,在确定泄流坡的大体位置后,从研究区的遥感影像上裁剪出泄流坡进行分析。

图3 滑坡识别解译标志Fig.3 Interpretation marks of landslide recognition

(1)泄流坡滑坡表面特征。滑坡体呈长舌状,由于多次反复活动,滑坡表面起伏不平,鼓丘随处可见,后部较陡,坡度17°,中间段较缓,坡度9°左右,形成向白龙江倾斜的平台,至滑坡前缘受白龙江冲刷而变陡,坡度在45°以上,平均坡度是11°。初步识别结果如图4(a)显示。

(2)确定泄流坡滑坡边界。由于受白龙江长期冲刷坡脚、人类工程活动及其他因素影响,滑坡前缘小型滑塌频繁,公路严重变形,而且泄流坡两侧的纵向冲沟发育,在遥感图像上,特征明显,可比较容易的勾绘出泄流坡的前缘及两侧的界线。但泄流坡滑坡后壁特征不太明显,后壁坡顶为较平缓的山梁,所以在遥感图像上,难以确定后壁的位置及界线。因此,结合滑坡各种地质条件及滑坡后壁下部宽、中上部窄的形态特征综合判断并识别后壁的位置。

(3)泄流坡滑坡的运动特征。主要通过地形及细部纹理特征,确定滑坡体的不同部位或其内小滑体,滑坡及其分解小滑体的主滑方向垂直于等高线,指向低一级等高线方向,从而确定滑坡主滑动方向[9]。图4中显示前缘土体上形成的剪切裂缝,由于滑坡体上各部位滑动速度的差异而形成的小形台坎和鼓丘随处可见,主滑方向300°。最终识别结果如图4(b)所示。

3.4 野外调查实证

野外验证工作旨在对初步解译成果所获取的泄流坡滑坡周界及属性信息进行确认,将遥感滑坡识别初步建立的典型解译标志和现场调查相比较,通过反复对比确认,进一步修正和完善研究区特大型滑坡识别典型解译标志,提高解译的准确度,保证遥感解译的精度。

在对泄流坡滑坡的实地调查中,对泄流坡滑坡的地形地貌、地质构造、植被覆盖及水文条件进行实地踏勘,结合现场拍摄的照片,可以确定遥感图像初步解译的成果中泄流坡的位置是正确的。通过将周围的环境地质条件和修正后的滑坡识别的解译标志进行反复比对,同时对模糊边界处进行野外实证定点,验证点分布如图4(c)中白色节点所示,进一步修正了泄流坡滑坡的最终解译结果,得到经野外调查确认后的最终对比解译结果,如图4(c)所示。3.5 舟曲县锁儿头滑坡识别

图4 泄流坡滑坡遥感识别结果Fig.4 Results of remote sensing interpretation for Xieliupo landslide

锁儿头滑坡位于舟曲县城西白龙江左岸,和泄流坡滑坡同处于坪定—化马大断裂带上,周围滑坡密布,其中以锁儿头滑坡稳定性差,危害性大,地理坐标为E104°39′56″,N33°46′56″。该滑坡长约4 000 m,宽80～700 m,平均350 m,长度为宽度的10倍,高程为1 300～3 200 m,两侧山体高差300 m左右,坡度15°～35°,主滑方向133°。受坪定—化马断层带的影响,在多次构造作用下,将滑坡分割成上中下3段,其连接处基岩出露,泉水出露。区域年均降雨量为435.8 mm,植被覆盖率不足5%。

在已建立的遥感滑坡识别的典型解译标志的基础上,结合锁儿头滑坡的地形等历史数据,确定锁儿头滑坡的大体分布,利用ENVI软件在研究区的遥感图像上裁剪出解译区。锁儿头滑坡识别特征参数如表2所示,解译结果如图5所示。

锁儿头滑坡在遥感影像上的平面形态为狭长形,亮色调,两侧冲沟发育,整个滑坡处于一沟槽中,后壁下部有一大型滑坡洼地,上部地形起伏较大,有耕地或梯田,并且巨型块石分布其中,下部有耕地或住宅,在遥感图像上较为明显。中下部最窄,中部两侧冲沟发育,界线也较为突出。滑坡堆积体上部和下部为碎石土,主要成分为千枚岩、灰岩、板岩风化残积物及风积黄土,夹杂有巨大的灰岩块石,中部以碎块石为主,杂乱堆积,无层次。

图5 锁儿头滑坡遥感解译结果Fig.5 Result of remote sensing interpretation for Suoertou landslide

3.6 舟曲县龙江新村滑坡识别

在已建立的遥感滑坡识别的典型解译标志的基础上,结合龙江新村滑坡的地形、岩性、水文等历史数据,确定龙江新村滑坡的大体分布,利用ENVI软件在研究区的遥感图像上裁剪出解译区,并利用已建立的滑坡识别技术得出龙江新村滑坡识别特征参数(如表3)和解译结果(如图6)。

图6 龙江新村滑坡遥感解译结果Fig.6 Result of remote sensing interpretation for Longjiangxincun landslide

龙江新村滑坡为黄土滑坡,位于舟曲县城南白龙江右岸,处于坪定—化马大断裂带的南侧,地理坐标为E104° 22′06″,N33°46′54″。龙江新村滑坡坡体较陡,坡度在40°左右,滑坡发生后形成一长舌状沟槽地,堆积体上部有小型倾斜平台和鼓丘分布,表面起伏不平,具有典型重力侵蚀地貌特征。滑坡形成后,黄土和残积土构成滑坡堆积物的主要成分。滑坡体中有较丰富的地下水,补给源一方面来自基岩裂隙水,另一方面为灌溉入渗,通过滑坡堆积物向白龙江方向以地下径流方式排泄,含水层为第四系松散堆积物。

表2 锁儿头滑坡识别特征参数Table 2 Interpretation parameters for Suoertou landslide

表3 龙江新村滑坡识别特征参数Table 3 Interpretation parameters for Longjiangxincun landslide

4 结 语

利用Quick Bird影像数据,通过前期遥感影像的预处理,并附以地形地貌信息、地质构造、岩性植被、水文条件等历史灾害数据,在遥感影像上滑坡特征不明显的情况下,在无法获取滑坡前的遥感影像的前提下,主要运用传统的目视解译方法,结合野外实证确立了适用于本研究区的滑坡识别解译标志,从而比较精细准确地识别了舟曲县中3个危害较大的大型滑坡(群),圈定了其灾害范围,判明了滑坡的基本特征和性质。

滑坡解译精度的提高任重而道远。遥感解译的精度很大程度上取决于遥感解译人员目视解译水平,而目视解译水平除了与解译人员的知识背景有关外,与解译经验的积累也很有关系,其对解译结果的准确性影响明显。在缺乏经验的情况下,只能通过多次野外实地勘察,与遥感影像进行反复对比分析,不断修正建立的滑坡识别解译标志以提高滑坡识别的精度。

应用遥感技术研究滑坡具有重要的现实意义,与传统的野外调查方法相比,遥感技术体现了宏观性好、现势性强、成本低的优势。目前滑坡遥感解译自动化程度较低,遥感解译仍以目视解译为主,存在较大的主观性。因此,如何结合滑坡的影像特点,发展滑坡自动或半自动解译方法是我们后续将要研究的内容。

[1]王治华.中国滑坡遥感[J].国土资源遥感,2005, (1):1-7.(WANG Zhi-hua.Remote Sensing for LandslidesinChina[J].RemoteSensingforLand &Resources,2005,(1):1-7.(in Chinese))

[2]石菊松,吴树仁,石 玲.遥感在滑坡灾害研究中的应用进展[J].地质论评,2008,54(4):505-513. (SHI Ju-song,WU Shu-ren,SHI Ling.Remote Sensing for Landslide Study:An Overview[J].Geological Review,2008,54(4):505-513.(in Chinese))

[3]王治华.数字滑坡技术及其在天台乡滑坡调查中的应用[J].岩土工程学报,2006,28(4):516-520.(WANGZhi-hua.Digital Landslide Technology and Its Application in Investigation of Tiantai Town Landslide[J]. Chinese JournalofGeotechnicalEngineering,2006, 28(4):516-520.(in Chinese))

[4]黄 瑾,谢梅生,胡 辉,等.快鸟图像的地质灾害遥感信息识别研究[J].国土资源信息化,2010,2(2): 25-30.(HUANG Jin,XIE Mei-sheng,HU Hui,et al. Quick-Bird Image Based Recognition of Remote Sensing Information of Geo-hazards[J].Land and Resources informatization,2010,2(2):25-30.(in Chinese))

[5]卓宝熙.工程地质遥感判释与应用[M].北京:中国铁道出版社,2002.(ZHUO Bao-xi.Remote Sensing Interpretation&Application of Geology Engineering[M]. Beijing:China Railway Publishing House,2002.(in Chinese))

[6]王治华.滑坡遥感[M].北京:科学出版社,2012:52-57.(WANG Zhi-hua.Remote Sensing for Landslide[M]. Beijing:Science Press,2012:52-57.(in Chinese))

[7]张东辉,赵英俊,薛东剑,等.3“S”技术在单体滑坡风险评估中的应用[J].地球与环境,2011,39(1): 69-75.(ZHANG Dong-hui,ZHAO Ying-jun,XUE Dong-jian,et al.Application of RS and GIS Technology in Disaster Risk Assessment of Single Landslide[J]. Earth and Environment,2011,39(1):69-75.(in Chinese))

[8]李铁锋,徐岳仁,潘 懋,等.基于多期SPOT-5影像的降雨型浅层滑坡遥感解译研究[J].北京大学学报(自然科学版),2007,43(2):204-210.(LI Tie-feng, XU Yue-ren,PAN Mao,et al.Study on Interpretation of Rain-induced Group Shallow Landslides Based on Multiperiod SPOT-5 Remote Sensing Images[J].Acta ScientiarumNaturaliumUniversitatisPekinensis,2007, 43(2):204-210.(in Chinese))

[9]马 瑛,田望学.高分辨率遥感影像在黄土高原滑坡解译中的应用[J].资源环境与工程,2007,21(2): 167-169.(MA Ying,TIAN Wang-xue.The High Resolution Remote-sensing Images in Landslide Interpretation of Loess Plateau[J].Resources Environment&Engineering,2007,21(2):167-169.(in Chinese))

[10]何孝莹,陈云浩.井冈山地区滑坡遥感解译标志的建立[J].测绘科学,2009,34(增2):121-123.(HE Xiaoying,CHEN Yun-hao.Building Image Interpretation Signs of Landslide in Jinggangshan Area[J].Science of Surveying and Mapping,2009,34(Supp.2):121-123. (in Chinese))

[11]王治华.RS+GCPs获取滑坡基本信息[J].中国地质灾害与防治学报,2004,15(1):94-101.(WANG Zhihua.Capture Basic Information of Landslide by RS and GIS[J].The Chinese Journal of Geological Hazard and Control,2004,15(1):94-101.(in Chinese))

[12]唐新建,陶洪久,章 光,等.利用遥感图像对滑坡进行调查和监测分析研究[J].岩石力学与工程学报, 2002,21(增2):2516-2520.(TANG Xin-jian,TAO Hong-jiu,ZHANG Guang,et al.Analysis of Landslide Surveying and Monitoring by Means of Remote Sensing Images[J].Chinese Journal of Rock Mechanics and Engineering,2002,21(Supp.2):2516-2520.(in Chinese))

(编辑:陈绍选)

Recognition of Typical Old Landslide Based on Quick Bird Image

ZHANG Ya-li,MA Jin-zhu,ZHANG Peng,GU Chun-jie
(Key Laboratory of Western China's Environmental Systems of Ministry of Education, Lanzhou University,Lanzhou 730000,China)

In order to analyze the spatial distribution and characteristics of typical old landslides in the south of Gansu province,a typical large landslide called Xieliupo landslide in Zhouqu county of Gansu province was selected as an example.Rational interpretation marks such as landslide mass,back wall of landslide,trailing edge of landslide,fissure,gulch,step and drumlin were established by making use of Quick Bird high resolution remote sensing images in association with geological data and measured data obtained from field survey.On the basis of this, the location,boundary,scale and other basic characteristics of Xieliupo landslide was confirmed.We extracted surface conditions of the landslide and compared them with in-situ investigation conditions.Results show that,the position of Xieliupo landslide is correct in the initiatory interpretation result,and the proposed typical interpretation signs for landslide recognition has been proved to be basically right.The method and experiences from Xieliupo landslide were applied to the recognition of other two landslides,namely Suoertou landslide and Longjiangxincun landslide.This research provides theoretical basis for the subsequent research of landslides prevention,treatment and prediction in the study area.In the same time,the proposed method of high resolution landslide recognition established for the study area has been proved to be feasible in practical projects.

landslide；Quick Bird Image；remote sensing；multi-spectral；interpretation sign

P642.2

A

1001-5485(2015)11-0130-06

10.11988/ckyyb.20140413

2014-05-19；

-2014-07-03

国家科技支撑计划项目(2011BAK12B05)

张雅莉(1987-),女,山西朔州人,硕士研究生,主要从事水文过程与环境遥感方面的研究,(电话)13313493645(电子信箱)zhangyali12@lzu.edu.cn。