高分辨率影像灾害识别研究及实现

袁咏仪 毛宏燕 彭令 胡超 卢涵宇

摘要：针对目前地质灾害应急主要依靠人工目视解译无法在灾后短时间内做出快速有效的灾害评判的不足，依托汶川地震研究区域和数据源开展研究，提出通过高分辨率影像并结合地形地貌、基础地质等地学数据，建立面向高分辨率影像的灾害对象多尺度快速分割方法，构建的地质灾害多维多尺度特征规则库，实现灾害体边界、规模、形态等发育特征参数的快速识别与诊断，为突发性灾害应急调查工作提供技术支持。

关键词：高分辨率；滑坡；资源三号卫星；快速识别

中图分类号： TP79/P642.22 文献标识码：A 文章编号：文章编号：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，突發性滑坡灾后应急调查主要以野外调查和基于航片与卫星影像的人工目视解译为主，但其存在主观性和耗时费力等固有缺陷，无法在灾后短时间内做出快速有效的灾害评判，无疑阻碍了突发性灾害应急调查工作。

随着遥感影像数据处理分析技术不断发展，使得基于高分辨率遥感的滑坡快速识别、区域滑坡变化遥感多时相探测成为可能，国内外专家学者针对突发性地质灾害的影像分割、特征规则、图像理解等方面进行探讨和研究[1-6]，为此本文在前人研究的基础上，开展基于高分辨率影像的灾害对象快速分割、特征规则构建、灾害识别开展研究，以实现基于高分辨率影像的突发性地质灾害快速提取和识别实现，可为灾害应急响应提供技术支撑。

1 实验区及数据源

研究区为汶川县东北部的绵虒镇、草坡乡境内，如图1所示，汶川县位于四川盆地西北部，居阿坝藏族自治州东南部，地处龙门山系和邛崃山系之间，地势西高东低，呈中高山峡谷地貌，其中海拔在788-5916m。区域岩性变化大，可划分为以岩浆岩、碎屑岩为主的坚硬岩。

采用数据源包括地形数据和遥感数据，地形数据主要为数字高程模型（DEM），以及其生成的石类，其中以松散岩土体分布广泛。

地形坡度、地形曲率、粗糙度、流域方向等派生因子，其中DEM数据是通过遥感卫星的前后视影像生成，地形数据主要用于辅助滑坡信息的遥感识别。遥感数据包括资源三号（ZY-3）、高分一号（GF-1）国产卫星数据和IKONOS、Landsat、ASTER等国外卫星数据，其中ZY-3、GF-1和IKONOS高空间分辨率数据用于识别滑坡信息，而Landsat和ASTER中空间分辨率数据主要用于探测区域性滑坡变化。部分卫星影像数据如图1所示。

2实验方法

2.1 数据预处理

以研究区ZY-3卫星影像为例，主要对数据源的遥感影像进行辐射校正、正射校正、几何校正和图像融预处理，其目的是最大限度的消除影像背景误差和噪声影响，提高目标特征信息的准确性和精确度，最终达到改善影像数据质量。本论文利用ENVI 5.1软件中Gram-Schmidt Pan Sharpening（GS_PS）融合方法，对相同传感器的多光谱影像和全色影像进行像素级融合，从而获得具有高空间分辨率的多光谱影像，其中研究区内ZY-3卫星影像融合结果如图2所示。由图可见，融合后影像在保持光谱信息的同时空间结构和纹理特征得到丰富。

2.2 特征信息提取

滑坡识别的特征信息主要包括影像特征和地形特征。形特征主要是指通过数字高程模型及其派生类因子（如高差、坡度、曲率等）描述相关地貌特性的参数，因而DEM的准确获取是地形特征分析的关键。目前提取DEM的方法主要有：（1）从野外测量数据、试验区现有地形图上，采集高程点（等高线），然后再进行插值方法生成DEM；（2）根据航空或航天影像，通过摄影测量技术获得；（3）采用干涉雷达或激光雷达生成。随着及摄影测量技术的逐渐成熟，通过高分辨率遥感卫星的立体像对，利用摄影测量技术成为生产大范围DEM数据的主要方式（张东，2007）。本文通过ZY-3卫星影像，采用立体像对测量技术生成研究区的DEM数据，首先输入两幅具有重叠区的前后视影像，并带有RPC文件。如果需要获取具有绝对高程的DEM，则需要定义地面控制点，最后对提取的DEM进行相应编辑，如去除树林、建筑物的高度等伪地形，以及修改被厚层云覆盖的影像区域，其空间分辨率为10m。在此基础上，利用GIS空间分析功能生成坡度、曲率、粗糙度、流域方向等地形特征。典型滑坡遥感影像特征（A：滑源区；B：滑移区；C：堆积区）如图3所示。

2.3 滑坡对象构建

滑坡对象构建是指针对滑坡遥感识别，将影像分割为内部特征相对均一、相互之间又有所差异的若干互不相交的对象。滑坡对象构建就是针对滑坡识别目标进行了高分辨率影像分割。影像分割是高分辨率遥感滑坡识别的基础和前提，其分割效果直接决定着滑坡识别的精确度。

多尺度分割的过程就是从像素层开始。当异质性超过该阈值的时候，合并过程终止，迭代结束，多尺度分割的对象结果由尺度参数，光谱和形状因子，以及光滑度和紧致度因子共同决定。尺度问题是遥感应用中普遍存在的现象，不同地物和现象有着不同的描述尺度，只有在最佳尺度上目标才能更加有效地被观察与研究。目前，用来确定影像分割最优尺度的标准主要有影像对象的均值方差、目标函数法等。

在此利用基于eCognition软件开发的ESP 2工具寻找识别目标的最优分割尺度，该工具可以在同一影像上建立三个层次的最优分割尺度，并且具备融合最大30个分割图层的能力。通过循环计算所有分割图层的全部分割对象的局部方差而得到全局平均方差。

2.4识别规则建立

本文采用分层识别策略建立识别规则，来实现基于高分辨率遙感影像的滑坡识别。模糊分类方法主要用来处理模糊不清、不严密和不明确的问题。本文采用的隶属度函数为eCognition软件中预定义的大于函数（Fuzzy-Greater-Than）、小于函数（Fuzzy-Lower-Than）和近似范围函数（Fuzzy-Range-Function），隶属度函数说明如表1所示。

特征规则是实现影像数据到空间信息转化的基础，它为目标识别和场景格局理解提供决策知识。突发性滑坡灾害发育于特定的地形地貌、地质条件、地表覆被等地质环境表现在影像上光谱、纹理、形状等特征信息。ZY-3影像滑坡识别规则集合如图5所示。以ZY-3融合后影像的蓝、绿、红和近红外波段、NDVI、NDWI、高程、坡度、曲率、粗糙度和流域方向为数据图层，通过以上融合就可滑坡高分辨率遥感影像识别。

3 实验结果及分析

在上述滑坡识别规则集合基础上，以ZY-3遥感影像和相应地形数据为数据源，采用滑坡分层识别方法来实现滑坡潜在区域的提取，在此基础上利用地形特征对滑坡的滑源区、滑移区和堆积区进行详细诊断。识别结果如图6所示。

由6图可知，滑坡主要分布于岷江及其支流沿岸，滑坡整体分布较为密集，共提取滑坡总面积为2.108 km2，约占实验区面积的23%，其中最小识别滑坡面积为194 m2。实验区内滑坡的滑源区、滑移区和堆积区面积近似为5：2：1。

4 结语

本论文依托研究区域和数据源开展研究，提出通过高分辨率影像并结合地形地貌、基础地质等地学数据，建立面向高分辨率影像的灾害对象多尺度快速分割方法，构建融合光谱、纹理、几何等信息的地质灾害多维多尺度特征规则库，实现灾害体边界、规模、形态等发育特征参数的快速识别与诊断，孕灾环境解译和地学信息转化。充分发挥现代遥感科学具有大范围、快速、动态、客观的技术优势，以满足突发性灾害应急调查、灾情评估、灾后预警与防治等方面的重大而迫切需求，其研究具有十分重要的科学价值和现实意义。

参考文献：

[1] 彭令，徐素宁，梅军军，等.地震滑坡高分辨率遥感影像识别[J].遥感学报，2017（4）：509-518.

[2] 彭令，徐素宁，梅军军，等.资源三号卫星在汶川震区滑坡快速识别中的应用方法研究[J].遥感技术与应用，2018，33（1）5：185-192.

[3] 黄润秋.汶川8.0级地震触发崩滑灾害机制及其地质力学模式[J].岩石力学与工程学报，2009，28（6）： 1239-1249.

[4] 王赛.基于多源遥感数据的汶川地震型滑坡信息提取研究[M].北京：中国地质大学，2015.

[5] 张东.青岛经济技术开发区土地利用演变分析[M].青岛：山东科技大学，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.