遥感技术在自然灾害综合风险普查工作中的应用

王向春

(厦门精图信息技术有限公司,福建 厦门 361008)

0 引言

我国位于中纬度自然灾害带,全年遭受到不稳定的季风环流影响,同时我国位于环太平洋地震带与欧亚地震带之间,地壳运动强烈频繁,再加上复杂多样的地形环境,使得我国各类自然灾害频发且损失重大。做好防灾减灾工作是保障人民生命财产安全的重要基础,国务院部署开展的全国自然灾害普查工作,为掌握当前自然灾害风险隐患数据,提升全社会灾害防范意识,化解未来自然灾害风险提供了权威数据[1]。

遥感技术最大的优势是能够代替人类对难以抵达或危险的地方进行观测,并且可全天候的从多波段、多时相角度获取观测数据,自然灾害综合风险普查工作涉及危险地形区域,所以遥感技术在普查工作中的优势不可替代。随着每年空间分辨率的迅速提升,遥感技术在目标地物识别方面的精度逐步增强,地物重复观测时间在不断缩短,在自然灾害综合风险普查方面的应用将会更加广泛。自然灾害综合风险普查工作中遥感技术的运用,主要在于普查目标的分类,目标的分类工作即地物信息的提取过程。

1 普查目标分类

地球表层复杂的孕灾环境、多种多样的致灾因子、各类脆弱的承载体等综合作用下,形成了各类自然灾害。在自然灾害综合风险普查工作中,遥感手段普查手段几乎适用于各类致灾因子和承灾体。致灾因子包括气象灾害、地质灾害、森林草原火灾等,承灾体包括房屋、第一第二产业、基础设施、各类资源等,依据《自然灾害损失统计制度》中的定量指标,普查范围包括灾区人员受损情况、住宅及非住宅用房损失、基础设施损失以及资源环境损失,定量指标主要有长度、面积、户、间等,结合遥感影像解译特点,根据普查目标的特征采用全面调查和重点调查等方式,按照普查类别均以调查表的形式开展普查工作。

2 遥感手段获取普查目标信息

各类地物信息构成普查目标信息库,图1展示了遥感影像的目标分类流程,地物信息的提取,主要分为地物影像分割和特征提取两个环节。本小节针对自然灾害综合风普查工作中遥感影像特征,介绍分析了影像分割方法,以及遥感信息数据的特征提取方式[2]。

图1 基于遥感影像的目标分类流程

2.1 影像分割

遥感影像分割是将完整影像分成若干无重叠,并且具有独特性质区域的过程。通常影像图幅的标记工作与影像分割同步进行。

在自然灾害综合风险普查工作中,遥感影像分割是重要的环节之一,遥感影像的分割精准程度,会影响到后续的特征提取工作。遥感影像的空间分辨率与影像分割的难度呈正比,遥感影像的数据量也会削弱分割的效率,所以对今后影像分割的要求也会越来越高。除了影像的分辨率和数据量外,在自然灾害综合风险普查工作中,地物的精确度也会直接影响到影像分割的效率。其次,随着对普查地物的精细程度要求的提高,需要在影像分割环节中不断获取更加精准的地物边界。

除此以外,影像分割的精确度还受到分割尺度的影响,当前分割尺度的机制尚未能够完全满足普查工作中地物识别的要求。

均值漂移算法被提出二十多年间不断改进,适用范围由最初始的聚类计算扩展到影像分割领域,即将遥感影像映射到特征空间,对地物样本进行漂移值聚类。在均值漂移中引入核函数和权重函数后,实现了遥感影像在色彩层面的平滑滤波,面积较小的颜色区域被过滤掉,低维不可分数据在高维可分,同时收敛速度获得极大提高。除了遥感影像的像素信息的分割,其空间位置坐标也实现了分割,在经过均值漂移算法进行色度空间转换后,将像素点进行分类后实现类的合并。为了达到分割的目的,通常还会借助浸水填充函数对数据作进一步的处理。

设f(x)为概率密度函数,在经过n次抽样后形成样本集X=,构造可以增加维度的核函数K(·),用于无参密度估计,那么密度函数如公式(1)[3]所示:

在公式(1)中,h为K(·)的带宽,d为抽样样本集的维度,均值漂移向量m(x)-x可表示如公式(2)[4]:

在公式(2)中,wi为权重系数,其约束条件为∑iwi=1,m(x)为x处的样本均值,m(x)-x为均值漂移向量。在迭代搜索过程中,x的漂移轨迹为序列{x,m(x),m(m(x)),…}。

对于具体的影响分割过程而言,核函数为:

在公式(3)中,C为归一化常数,p为影响维数,xs为特征矢量中的空间信息,xr为特征矢量中的颜色信息,hs为空间带宽,hr为色度带宽[5]。

2.2 特征信息提取

普查地物目标样本在经过特征提取的步骤后,才能完成归类入库。在所提取特征信息的基础上,实现普查目标特征库的更新,同时还能将特征优选后进行分析处理。本质特征和关系特征组成了普查地物目标分类中的特征信息,普查地物目标中的物理属性,同时也是其固有特征信息,如地物形状、光谱、纹理等；普查地物目标之间的拓扑关系,即通过一系列数学分析获得的间接特征,就是普查地物目标分类中的关系特征[6]。在本文的研究中,结合影像数据特点以及自然灾害综合风险评估的应用需求,在信息提取环节以光谱特征和纹理特征进行。

(1)光谱特征。基于光谱特征对地物目标进行差异性识别,是遥感影像应用的最基本出发点。光谱特征是最重要直观的特征信息,包含了真实的地物特点和光学属性[7]。一般光谱特征包括均值、标准差、归一化植被指数(NDVI)、归一化水体指数(NDWI)等。

(2)纹理特征。纹理特征通常与颜色特征相结合,是对光谱重复模式进行定量描述,通常用来描述普查目标样本对象的光谱信息在光谱分布上的规律,在一定程度上反映物体表面随时间逐步变化的结构组织排列属性。通常采用归一化灰度共生矩阵(GLCM)反映目标物的纹理特征。

3 应用研究

根据普查实际情况选择遥感技术方法,分析灾害类型、边界条件、变形特征、分布发育规律等,初步圈定地表变形区和地质灾害隐患。在开展自然灾害综合风险普查工作时,绝大部分区域选用空间分辨率≥2 m的多光谱遥感数据。在普查的重点难点区域,需要选用空间分辨率≥1 m的多光谱遥感数据,并且同时需要同样分辨率的无人机遥感影像数据。最新影像数据时效性不宜超过2年,云、雪等覆盖率不宜大于5%,应选择地震、强降雨等对地质环境有较大影响事件之后的影像数据。解译出影像图中图斑面积大于4 mm2的地质灾害和长度大于2 mm的线状地物,小于解译精度的用规定符号表示。

在普查工作中发现,多种光谱对各类普查目标的检测均有一定的应用能力和潜力,对地质灾害等精细目标物的辨识,米级甚至亚米级的高光谱卫星更加适合,尤其是地震、滑坡、泥石流等灾害引起的房屋、道路等承载体损毁需要进行精细化评估。微波遥感卫星影像数据最适合用于气象灾害的普查,大尺度干旱、洪涝灾害需要大幅宽的中低分辨率遥感影像。

4 结语

在自然灾害综合风险普查工作中,遥感技术能够发挥重要的作用,首先,使用遥感技术可以快速确定自然灾害的影响范围。因为真实的地表时空信息被记录在了遥感影像上,所以遥感影像能够准确地确定自然灾害影响的范围。

遥感影像的高分辨率精度误差,甚至精确到某个像元的误差,将直接影响普查工作中灾害范围的确定。在排除人为干扰因素后,除了灾害风险普查工作外,遥感技术还能够为损失评估、救灾规划等方面提供真实可靠的数据资料。

遥感技术对未来灾害发生的预测具有重要辅助作用。在普查工作的灾害风险评估环节中,基于多时相的遥感数据,对历史灾害事件进行分析,对未来灾害发生频率的判定能够起到辅助作用。

高分辨率遥感影像不仅能够应用在普查中,在承灾体的暴露程度、易损程度、地物高程识别和建模等方面也有优越的表现。基于遥感影像数据海量、动态、高分辨的特点,遥感影像的应用优势越来越凸显。未来,基于遥感影像数据,应用于不同灾害场景,会逐渐发展出空间数据管理、数据处理、信息挖掘、灾害风险评估、灾害模拟与仿真、灾害应急监测、灾情评估、恢复重建规划与评估等灾害遥感模型方法,形成对灾害系统定性、定量和定位相结合分析的技术体系。