卫星遥感在滑坡识别中的应用

韩健楠 孙增慧

（1陕西省土地工程建设集团有限责任公司 陕西西安 710075 2陕西地建土地工程技术研究院有限责任公司 陕西西安 710075 3国土资源部退化及未利用土地整治重点实验室 陕西西安 710075 4陕西省土地整治工程技术研究中心 陕西西安 710075）

引言

滑坡作为最危险的自然灾害之一，一般被定义为岩土体或其他人工材料在重力作用下的失稳破坏。全球范围内由于滑坡导致的人员伤亡和财产损失数量巨大，我国作为受滑坡灾害影响最为严重的国家之一，滑坡问题已在学界被广泛关注。对于滑坡这类自然灾害而言，传统上，由于其发生往往具有不可预见性，加之空间分布较为分散，因此难以系统性地进行识别。近些年遥感技术高速发展，各类卫星遥感影像变得越来越便于取得，卫星遥感数据开始被应用于滑坡的识别中，并取得一些成果。本文对此进行综述，针对应用于滑坡识别的卫星遥感技术及其特点的进行了归纳总结，并对未来的研究发展趋势进行了展望。

1 卫星遥感

卫星遥感作为一门新兴的对地观测手段，始于二十世纪末，是当时的“对地观测系统EOS”计划的主体[1]。近些年来，遥感技术迅速进步，遥感影像空间分辨率正在逐渐提高。1999年IKONOS卫星的发射，标志着遥感影像分辨率首次完成了米级的突破。随着之后如QuickBird、Pleiades等卫星的相继发布，卫星遥感全面进入了一个高分辨率时代。这一进程加强了卫星遥感对地面物体能识别能力，加速了卫星遥感数据在各个行业应用中的普及。

2 滑坡识别

传统的滑坡识别主要依赖于地面的调查数据，往往费时费力，且容易造成统计遗漏。而卫星遥感由于其覆盖面广，相较传统的地面调查法具有低成本、高效率的优势。并且基于卫星遥感的识别能提供地面调查数据无法完全提供的光谱数据，有利于对滑坡的进一步分析，因此在近些年来被广泛应用[2,3]。

目前对于滑坡的识别主要有两方面的数据输入，一是光学影像（optical image）数据、二是合成孔径雷达（SAR）数据。

2.1 光学影像

利用光学影像数据对滑坡体识别按照识别方式可以分为手动和自动两种。手动识别是指通过光学影像，依据专家评价法，对影像中的滑坡点进行视觉解译。而自动解译是指利用特定的图像分类算法对图像中的地物进行自动分类，从而识别滑坡体的位置与展布。传统的自动解译算法（如支持向量机、人工神经网络）一般是基于影像中单个像元的光谱信息[4]，2000年后基于对象的图像识别算法（object-based image analysis,OBIA）出现，并开始逐渐应用于滑坡识别[5]。一些研究表明，相比传统基于单个像元的图像识别算法，基于对象的识别算法能有效提高识别准确率[6,7]。

2.2 合成孔径雷达

卫星雷达是指卫星上搭载的一种对地发射电磁波并接受地面反射的一种主动遥感装置。合成孔径雷达发明于上世纪50年代，其利用多普勒效应对传统雷达进行了改进，从而提升了图像的分辨率。合成孔径雷达具有穿透性强，不受云层覆盖条件影响的优点，但由于电磁波与地面介质交互的复杂性，其解译结果并不如传统的光学影像直观。但随着差分干涉雷达技术的普及，大大提高了合成孔径雷达在滑坡识别上的能力，因此近些年是滑坡研究的热点问题[8]。

结语

由于卫星遥感技术的飞速发展，遥感数据来源变得越发的多样化，其对滑坡进行观测与识别的手段也在不断进步。一些新技术的引入如合成孔径雷达，使得卫星遥感的识别能力大幅提高。总体而言卫星遥感对滑坡识别能力的进步源于两个方面：首先是卫星及所搭载传感器本身的创新，诸如亚米级遥感影像的出现，合成孔径雷达的应用等技术创新无疑是滑坡识别领域的首要推动力；其次是图像识别算法的创新，一些来源于计算机视觉、机器学习理论的新算法的出现使得图像识别由传统的人为识别发展至今天的基于像元与面向对象的自动或半自动识别，这一转变意味着识别效率的提升。在未来的研究中，这两方面仍将作为创新的重点，推动卫星遥感对滑坡识别能力的进步。