地质灾害遥感早期识别技术

付润梅，刘 珺，郝晓阳，杨文府

（1.太原理工大学安全与应急管理工程学院，山西 晋中 030600；2.太原理工大学矿业工程学院，山西 太原 030000；3.山西省煤炭地质物探测绘院有限公司，山西 晋中030600）

地质灾害是指自然因素引发的危害人民生命财产安全的山体崩塌、滑坡、泥石流、地面塌陷、地裂缝、地面沉降等与地质作用有关的灾害[1-2]。地质灾害对人类生命安全和生活造成了严重的危害。20世纪90年代以来，中国的地质灾害平均每年造成约1 000人死亡，经济损失高达200多亿元[3]。调查并准确识别地质灾害对于防灾减灾、保障生命财产安全具有重要意义。

传统的地质灾害遥感监测是以野外采样点为基础，采用目视解译的方法识别地质灾害，是一种直接解读法。这种方法可以实现地灾的精准识别，但耗时耗力，效率低下[4-5]，无法实时监测灾害信息，同时解译精度易受人工经验制约[6-7]。

加权信息量法[8-12]是以信息量法[13-15]和层次分析法[16-17]为基础，在充分了解地灾影响因素的前提下，选择并考虑各因素对地灾发生影响程度的差异，以加权信息量值作为地灾识别的指标，划定不同等级的孕灾地质条件分区，从而实现地灾的识别，是一种间接解读方法。

基于加权信息量法得出的解读标志为目视解译提供了地质条件分区，弥补了目视解译效率低下的不足，提高了目视解译的精度。将二者结合应用，能够有效识别出地质灾害隐患[18]，提高灾害识别精度[19]。

研究以沁县为例，基于高分二号（GF-2）遥感影像，依据地灾发生的地质条件特征，充分考虑诱导灾害发生及影响灾害等级的地形地貌、植被等因素，选定影响因子，利用层次分析法确定各因子权重，然后采用信息量法进行提取叠加灾点位置信息，信息量乘以权重值[20]得到间接解读标志（孕灾地质条件分区）。在此基础上，结合各类地质灾害的位置、色调、形态、纹理以及地貌特征进行目视解译，构建间接解读+直接解读相结合的地质灾害快速早期识别模型，以期为灾前防控和预警提供依据。

1 研究区概况

沁县（112°28′E—112°54′E，36°36′N—36°59′N）位于中国山西省长治市的西北部，处于太行山与太岳山两大山脉之间，总面积1 319.9 km2。境内西部为侵蚀山区，东部为黄土丘陵地带，具有产生滑坡、崩塌变形活动的条件。全区属温带半干旱大陆性气候，夏季高温炎热，雨量集中，间有暴雨，是地质灾害高发期。全县内地层倾向以南东、北东、东南为主，缓倾，倾角5°～10°。调查区总体为单斜构造，局部见小褶皱。区内的地质构造类型主要为断裂，岩层走向南部多为北西—东西向，倾角6°～10°，局部稍陡；北部走向多为北西—北北西向，局部北北东或东西向，倾向北，倾角一般5°～7°。沁县交通比较发达，有太焦铁路，国家（G208）、省（S322）、市（县）各级公路。境内水资源丰富，主要河流有漳河、庶纪河、段柳河、徐阳河、迎春河、圪芦河、白玉河、涅水河等8条，有大小支流126条。地表覆盖层薄，植被恢复较差，岩土体裸露现象较多，附着能力差，在雨水的冲刷下，水土流失现象明显，导致易发生坡体崩塌和滑坡等地质灾害。

2 研究数据与研究方法

2.1 数据与数据处理

2.1.1 遥感影像数据及处理

分别获取了沁县2020-06-15 GF-2卫星遥感数据共9景，分 别 为E112.4_N36.5、E112.5_N36.7、E112.5_N36.9、E112.6_N37.1、E112.7_N36.5、E112.7_N36.7、E112.8_N36.8、E112.8_N37.0、E113.0_N36.7。对获取的影像进行正射校正、几何配准、图像融合、图像镶嵌、图像裁剪和图像增强等预处理，得到研究区影像。

从地理空间数据云（https://www.gscloud.cn/）下载2020-06-07陆地资源卫星landsat8数据，将其与GF-2进行配准后，裁剪得到沁县影像数据，用于计算地质灾害影响因子——植被指数。

2.1.2 地形图数据及处理

基于2020年1∶50 000的地形图数据提取DEM，然后利用ArcGIS软件从DEM数据中提取出坡度、坡型，计算得到起伏度。同时，从地形图数据中提取得到居民地、交通道路、地貌类型和断层等间接解读因子。

2.1.3 地形构造数据及水文气象数据

从获取的地质构造数据中提取出断层以及岩组分区，对岩组分区进行拓扑检查，拓扑规则选择不能有重叠、不能有间隙，将拓扑后去除重叠，补充间隙后的岩组分区作为地层岩性因子。从水文气象数据中获取基础河流水系数据，将河流水系数据中主要河流水系进行提取得到河流因子。

2.2 研究方法

在基于遥感、地形图、地质构造数据和水文气象数据提取孕灾因子的基础上，首先，利用层次分析法确定各因子权重，然后，在Arcgis10.7中采用信息量法提取样本点位置信息，最后利用加权信息量法加权叠加每个因子不同区间的信息量，间断点法将研究区分为高、中、低3个孕灾条件区；最后，结合灾害点的位置、色调形态、纹理以及地貌形态等特征进行目视解译，实现研究区地质灾害精确识别。技术路线如图1所示。

图1 灾害识别技术路线图

2.2.1 加权信息量法

研究先利用层次分析法计算出各影响因素间的权重值Wi，然后采用信息量法计算各评价指标所占信息量值，在GIS中加权叠加得到孕灾条件分区。具体做法如下。2.2.1.1层次分析法计算权重

建立阶梯层次模型：采用目标层、准则层和方案层3层结构建立沁县地质灾害易发性评价层析模型。目标层为解译重要度分区，准则层分为控制因素和人类工程活动，方案层因素包括岩土体类型、断层、高程、坡度、地貌类型、坡型、河流、植被、居民地、道路。

按照比例标度表的标准，采用专家打分的方法，两两比较确定因素间的重要性比值，构建重要度判断矩阵。计算各判断矩阵的最大特征根（λmax）和特征向量，并进行一致性检验。计算归一化后的权重，如表1所示。由于各地孕灾条件不同，各孕灾因子需结合实地地形和地质条件进行调整。研究对沁县已发生灾害进行了野外实地勘察，最终确定了各孕灾因子的权重。2.2.1.2孕灾重要度分区计算

表1 基于层次分析法的孕灾因子权重

将利用层次分析法得到的权重与基于信息量法得到的信息量利用公式（1）进行加权叠加，计算总信息量值，按自然间断点法，将全县分为高、中、低3个等级，得到孕灾重要度分区。

式（1）中：Wi为各因子权重；Ii为因素组合x1，x2，…，xn对地灾发生所提供的信息量。

式（2）中：Ni为因子划分每个区间内灾害点的个数；N为所有灾害点的个数；Si为因子划分每个区间的面积和；S为研究区的总面积。

通过加权信息量法得到间接解读标志，确定进行人机交互解译的重要度区界，缩小地质灾害目视解译范围，并提高解译效率。

2.2.2 目视解译法

将孕灾地质条件分区结果与GF-2影像叠加，通过目视判读不同等级孕灾区各灾害的位置、色调、形态、纹理以及地貌形态等特征，实现全区地质灾害（隐患）点的精准识别。地质灾害遥感影像图如图2所示。

图2 地质灾害遥感影像图

2.2.2.1 滑坡标志

位置特征：剥蚀堆积黄土丘陵区，坡度一般在20°左右，为顺向坡，人类工程活动较为活跃的区域，道路两旁100 m范围内，坡脚开挖区域。

色调形态特征：滑坡主要由滑坡后壁、侧壁、滑坡体组成。滑坡体在遥感图像上多呈舌形、椭圆形、簸箕形等形状。后壁有弧形陡坎出现，滑坡体相对两侧岩土体向下滑动，可造成地层产状等标志物的错移。从遥感影像上分析，由于岩土体明显出露，使得研究区滑坡体在影像上清晰可见，其色调多呈土黄色、灰黑色，如图2（a）所示。

纹理特征：滑坡体地形破碎，使得其表面纹理杂乱，与周围地物形成鲜明对比。且坡体表面凹凸不平，土体密实，纹理粗糙，有明显的后壁和侧壁，后缘有台坎或裂缝等横向纹路，以及明显台坎或阶梯状纹路。

地貌形态特征：区域内滑坡后壁及两侧边界都比较清晰，但因其稳定性较差，滑坡后壁还有蠕滑情况发生，导致植被覆盖率较低。表面的岩土体完整性较差，坡体前缘有居民点、道路或松散堆积物，后缘通常为耕地，可见到房屋开裂甚至倒塌，耕地受到扰动等迹象。

2.2.2.2 崩塌标志

位置特征：剥蚀堆积黄土丘陵区，坡度在20°～50°之间的区域。居民地附近，道路两旁100 m范围内，坡脚开挖区域。

色调形态特征：研究区域内发育的崩塌在影像上的色调与周围地物相近，大多以灰色和灰黑色为主，位于阴坡的崩塌体因受到太阳光照角度的影响，在影像上呈现浓重的阴影区，呈现黑色。但崩塌在影像上通常呈舌形、半圆形、扇形、长条形等形状，与周围地物有明显差异，如图2（b）所示。

纹理特征：由于崩落体大小不等、零乱无序，使得崩塌体表面凹凸不平，纹理较为粗糙，崩落体往往毁坏坡上植被，造成植被覆盖程度低。

地貌形态特征：崩塌常表现为连续的地貌形态突然被破坏，由于崩落体没有固定的滑动面，轮廓线清晰，但其周界往往不规则、不圆滑，形状各异。坡脚堆积区多为大小不一的碎石块，呈现锥形分布特征。

3 结果与分析

3.1 沁县地质灾害点识别结果

利用间接解读+直接解读的地质灾害识别模式得到沁县地质灾害遥感识别结果，如图3所示。

图3 遥感解译点空间分布图

从图3可知，全县范围内识别出94处地质灾害（隐患点）图斑。经过野外实地验证发现，其中91处为地质灾害（隐患）点，识别精度达到96.81%。其中，定昌镇尧上村点、定昌镇南石垢村点、定昌镇坡头村点、南里乡中里村点以及新店镇湾村点5处为正确识别，但已经治理；段柳乡长胜村点和新店镇东城庄村点为已发生灾害点，承灾体均已搬迁避让，仅具备地质灾害发生条件，不构成灾害；次村乡五龙头村点、段柳乡良楼沟村点和段柳乡宋家沟村解译点坡体较小，距承灾体有一定安全距离，暂时构不成地质灾害，但也被早期识别发现；其余84个点定为现存地质灾害（隐患）点。识别结果验证了加权信息量法+目视解译识别模式的可靠性。

对识别结果进行统计发现，高孕灾风险区面积为142.27 km2，占全县面积的10.78%，分布在漳源镇、定昌镇、段柳乡、松村乡、郭村镇、册村镇、新店镇等地；中孕灾风险区为555.08 km2，占全县面积的42.05%，分布在沁县的东北、东南以及西部，涉及到杨安乡与新店镇的南部，次村乡的大部分以及牛寺乡的东部等；低孕灾风险区为622.78 km2，占全县面积的47.17%，分布在牛寺乡、南泉乡和杨安乡以及沁县的西部。

识别出的地质灾害点中有64个位于高孕灾条件区，占总数的70.33%，灾害点密度达到0.45个/km2。这些灾害点大多位于山间河谷区和褶皱侵蚀低中山区，部分分布于断裂地质构造周边地带，岩性主要为软土类，植被覆盖度较低。有24个位于中孕灾条件区，占总数的26.37%，灾害点密度达到0.04个/km2。与高孕灾条件区相同，中孕灾条件区中的灾害点也位于山间河谷区和褶皱侵蚀低中山区，还有部分位于褶皱断块溶蚀侵蚀低中山区。中孕灾条件区的岩性主要为软土类和较硬岩类；植被覆盖度较高。全县低孕灾条件区内的灾害点相对较少，仅有3个。其发育特征为位于褶皱侵蚀低中山区和褶皱断块溶蚀侵蚀中山区，岩性主要为较硬岩类和软弱岩类，植被覆盖度较高。

整体来看，沁县的地质灾害点（隐患点）多在软土、植被覆盖度低的山间河谷区、褶皱侵蚀低中山区发育。

3.2 孕灾因子分析

为了进一步分析沁县地质灾害孕灾因素，对91个地质灾害（隐患）图斑的C1～C10因子的每个分区特征进行了细化和统计，如表2所示，并结合孕灾地质条件进行了分析。由于沁县灾害类型多为崩塌，少数为滑坡，地质灾害种类比较单一，所以本研究在讨论孕灾因子的影响作用时不进行分类讨论。

表2 （续）

分析表2可知，研究区的地质灾害多发生在坡度在0°～15°区内，灾害点数占比达到93.40%。15°以上的占比较小，灾点密度比较低，起伏度在0～20 m之间的灾害点数占97.80%，20 m以上灾害点较少，灾点密度比较低。结合研究区土地利用状况发现，坡度与起伏度高的区域位于沁县西部，这些区域是人类工程活动比较少的山区，交通道路除了有一条东西横穿的铁路以外，基本没有其他道路通过，因此不易诱发地质灾害。

分析居民地和道路缓冲区发现，灾害点多集中于距离居民地缓冲区50 m内和距离道路50 m内，灾点密度分别达58.93个/100 km2和50.88个/100 km2；河流两旁500 m内灾点密度也较高，为23.44个/100 km2。分析坡型发现，直型坡是3种坡型中最具孕灾条件的，灾点数量远高于凹型坡和凸型坡，灾点密度为其他2种坡型之和，为8.34个/100 km2，说明区域以内直型坡的孕灾条件最强。

地貌类型为堆积河谷区灾点密度最高，梁状黄土丘陵区次之，两个区间灾点数占比达72.5%。高孕灾条件区也基本分布在这两个区内，说明堆积河谷区和梁状黄土丘陵区最容易孕育地质灾害；地层岩性为黏性土单层土体以及砂卵石、中细砂、粉土多层土体的岩性区内灾点密度也分别达到了10.85个/100 km2和10.59个/100 km2，两个区灾点数占比为69.2%。高、中孕灾条件区也基本分布在这2种岩土体中，说明研究区内黏性土单层土体和砂卵石、中细砂、粉土多层土体孕灾条件较强。

居民地的分布状况、地层岩性、地貌类型、河流水系、交通道路、坡型、植被指数、起伏度以及坡度都对孕灾分区以及灾害点分布有较大影响，而断层在本研究区影像较小。在距离断层1 000 m以内的灾点数仅占灾点总数的2.50%，这是由于研究区内断层较少且分布在沁县的西部，人类工程活动较少，断层附近基本达不到地质灾害的形成条件。

4 结论

研究基于GF-2遥感影像，采用加权信息量法和目视解译相结合的方法，构建了间接解读+直接解读的地质灾害识别模式，实现了地质灾害（隐患）点的精准识别。通过研究，得到以下主要结论：①间接解读+直接解读的地质灾害识别模式可以有效提高地质灾害遥感识别精度，精度达到96.81%，其中高孕灾区为98.46%，中孕灾区为92.31%，低孕灾区为100%。②坡度、坡型、起伏度、居民地、公路、地貌、断层、岩土体类型、河流及NDVI指标是准确解译地质灾害的重要因子。沁县地质灾害点（隐患点）多发生或孕育在软土、植被覆盖度低的山间河谷区、剥蚀侵蚀低中山区，以及人口密度和建筑物密度较高的地区发育。③沁县高、中、低孕灾区灾害点分别有64个、24个和3个，占全县面积的10.78%、42.05%和47.17%。