李松，鄧寶昆，徐紅勤，王治福

（1.貴州師范學(xué)院資源環(huán)境與災(zāi)害研究所，貴陽(yáng)550018；2.中國(guó)科學(xué)院遙感與數(shù)字地球研究所，北京100101）

地震型滑坡災(zāi)害遙感快速識(shí)別方法研究

李松1，2，鄧寶昆1，徐紅勤1，王治福1

（1.貴州師范學(xué)院資源環(huán)境與災(zāi)害研究所，貴陽(yáng)550018；2.中國(guó)科學(xué)院遙感與數(shù)字地球研究所，北京100101）

滑坡快速識(shí)別對(duì)抗震救災(zāi)具有重要的影響。針對(duì)目前目視解譯是滑坡識(shí)別的基本模式效率低下的問(wèn)題，以受地震影響嚴(yán)重的北川縣以例，以2008年6月3日（震后）中國(guó)臺(tái)灣福衛(wèi)2號(hào)遙感影像為數(shù)據(jù)源，試驗(yàn)基于支持向量機(jī)的地震型滑坡信息快速提取方法。以目視解譯方法提取研究區(qū)的滑坡、河流、建筑用地、植被、耕地為樣本，訓(xùn)練支持向量機(jī)的分類參數(shù)，并進(jìn)一步以河流、建筑用地、植被和耕地為背景信息，提取滑坡信息。結(jié)果表明：支持向量機(jī)作為一種滑坡快速分類方法，能顯著提高次生災(zāi)害的識(shí)別效率，分類結(jié)果的Kappa系數(shù)達(dá)到0.82。

地震型滑坡；遙感；快速識(shí)別；支持向量機(jī)；目視解譯；汶川

0 引 言

2008年5月12日的汶川Ms8.0級(jí)地震，據(jù)四川地震臺(tái)網(wǎng)，到2009年12月31日，汶川余震累計(jì)67264次，其中5.0級(jí)以上43次，最大余震6.4級(jí)。強(qiáng)烈的地震及連續(xù)不斷的余震誘發(fā)大量滑坡災(zāi)害，共計(jì)超過(guò)197000處［1］，給地震搶險(xiǎn)救災(zāi)及其震后重建帶來(lái)巨大的困難。這次災(zāi)害覆蓋空間范圍廣，涉及受地震影響巨大的汶川、北川、綿竹、茂縣、安縣、什邡等縣，而且數(shù)量極大，尤其是在重要的交通線兩側(cè)和河流沿岸；持續(xù)時(shí)間長(zhǎng)，在地震及其余震發(fā)生的時(shí)間內(nèi)，不斷有新的滑坡災(zāi)害發(fā)生。為數(shù)眾多的滑坡災(zāi)害影響了這次地震受災(zāi)區(qū)地面的穩(wěn)定狀況，滑坡災(zāi)害是災(zāi)區(qū)災(zāi)后重建不得不考慮和解決的重要問(wèn)題。

面對(duì)沉重的災(zāi)難，利用遙感數(shù)據(jù)，提高災(zāi)害的識(shí)別效率，能夠?qū)拐鹁葹?zāi)發(fā)揮積極的作用。由于汶川地震災(zāi)區(qū)的滑坡典型性較好，滑坡遙感識(shí)別相對(duì)比較容易，加之地震發(fā)生時(shí)，抗震救災(zāi)和搶救生命的時(shí)效性需要，以及此次滑坡波及范圍特別廣，滑坡目視解譯和信息提取的效率相當(dāng)?shù)拖隆；麓紊鸀?zāi)害是地震的主要破壞源，在這樣的背景下，為提高滑坡信息提取的效率，為災(zāi)后重建提供及時(shí)而有效的信息支持，采取一些提高解譯效率的自動(dòng)半自動(dòng)方法，是非常必要的。由于滑坡復(fù)雜性，滑坡信息尤其邊界信息主要靠目視解譯提?。?］。在圖像增強(qiáng)處理基礎(chǔ)上，研究者利用變化檢測(cè)［2－3］、計(jì)算機(jī)分類［4－6］、譜摳圖［7］等方法，提高滑坡識(shí)別效率的自動(dòng)半自動(dòng)方法，開展了一些積極的探索性研究。

在國(guó)內(nèi)外的研究中，植被指數(shù)是其他自動(dòng)半自動(dòng)識(shí)別方法的基礎(chǔ)。在伊拉克庫(kù)爾德斯坦地區(qū)，通過(guò)對(duì)QuickBird影像目視解譯的3000多個(gè)滑坡編目數(shù)據(jù)，分析滑坡及背景區(qū)的光譜差異，研究干旱半干旱山區(qū)的滑坡遙感自動(dòng)識(shí)別方法［8］。Zhan等［9］提出了基于植被檢測(cè)、多視覺約束和地形連續(xù)性的滑坡識(shí)別點(diǎn)云算法。在臺(tái)灣南部花果山流域，利用貝葉斯方法［10］對(duì)滑坡后的影像進(jìn)行分類，綜合遙感和地形數(shù)據(jù)，進(jìn)行滑坡的半自動(dòng)識(shí)別。楊文濤等［11］利用NDVI序列數(shù)據(jù)，結(jié)合坡度信息進(jìn)行汶川地震災(zāi)區(qū)滑坡識(shí)別。汶川抗震救災(zāi)中，由于抗震救災(zāi)工作特殊的時(shí)效需求，采用了自動(dòng)半自動(dòng)的快速提取方法提高滑坡識(shí)別效率。本文在抗震救災(zāi)工作的基礎(chǔ)上，利用支持小樣本的統(tǒng)計(jì)學(xué)習(xí)理論——支持向量機(jī)［12］進(jìn)行滑坡信息的監(jiān)督分類，實(shí)驗(yàn)討論滑坡信息快速識(shí)別的方法。

圖1 滑坡要素示意圖（根據(jù)文獻(xiàn)［14］改編）

圖2 汶川地震災(zāi)區(qū)典型地區(qū)光譜及Formosat－2波段設(shè)置

1 研究方法

1.1 滑坡遙感地學(xué)分析

滑坡是指斜坡局部穩(wěn)定性遭到破壞以后，在重力的作用下，巖土體沿一個(gè)或多個(gè)破裂滑動(dòng)面向下整體滑動(dòng)的過(guò)程［13］?；戮哂谢麦w、滑坡壁、滑坡周界等要素，詳見圖1?；卤?、滑坡體和滑坡周界是利用遙感技術(shù)進(jìn)行滑坡識(shí)別的基本要素，高分辨率影像還能識(shí)別大滑坡的滑坡臺(tái)階、后緣洼地等要素?；露逊e體和滑坡壁是遙感識(shí)別滑坡的兩個(gè)基本要素，它們?cè)谶b感影像上，共同構(gòu)成了滑坡周界的范圍。按年代分，滑坡可分為現(xiàn)代滑坡（晚全新世以來(lái)）、老滑坡（中早全新世）和古滑坡（更新世）［13］，遙感能識(shí)別的滑坡主要是現(xiàn)代滑坡中有影像記錄以來(lái)發(fā)生的滑坡，主要是衛(wèi)星遙感記錄的滑坡。本研究所采用的遙感數(shù)據(jù)源為Formosat－2，包含0.45μm～0.90μm的4個(gè)多光譜波段。由于實(shí)驗(yàn)區(qū)北川縣地震前植被覆蓋率高達(dá)80%，其中森林覆蓋率56.3%。地震誘發(fā)滑坡破壞原有的植被，滑坡區(qū)下墊面主要類型變成植被、建筑物、水域、耕地（有綠色作物覆蓋）和滑坡災(zāi)害。因此，綜合利用影像的光譜和空間信息，能用計(jì)算機(jī)分類方法提取滑坡區(qū)域。

1.2 支持向量機(jī)

傳統(tǒng)機(jī)器學(xué)習(xí)方法下，復(fù)雜模型擬合有限樣本會(huì)出現(xiàn)過(guò)學(xué)習(xí)現(xiàn)象，導(dǎo)致泛化性能下降。對(duì)此，支持向量機(jī)采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化思想，即將函數(shù)集構(gòu)造為一個(gè)函數(shù)子集序列，使各個(gè)子集按照VC維的大小順序排列，在各子集中尋找較小經(jīng)驗(yàn)風(fēng)險(xiǎn)，使子集間折中考慮經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信度，以取得最小的實(shí)際風(fēng)險(xiǎn)。支持向量機(jī)采用的結(jié)構(gòu)風(fēng)險(xiǎn)最小化（SRM）原則，在最小化樣本誤差的同時(shí)又縮小模型泛化誤差的上界，從而提高了模型的泛化能力。支持向量機(jī)的數(shù)學(xué)形式和示意圖參見文獻(xiàn)［12］。

1.3 典型地物遙感地學(xué)分析

地物光譜特征的差異是遙感地學(xué)信息提取的基礎(chǔ)。汶川地震災(zāi)區(qū)的地物類型以植被為主，除了植被外，還有水域、滑坡區(qū)的新鮮巖土地表、混凝土建筑物。滑坡體下滑導(dǎo)致的基巖或土壤裸露，相對(duì)于新鮮的裸土或裸巖，目標(biāo)信息與植被以及水體為主體的背景信息對(duì)比明顯。以ASTER波譜庫(kù)和文獻(xiàn)［15］為基礎(chǔ)，通過(guò)繪制并分析植被、水體、土壤、巖石和混凝土五種地物波譜曲線，根據(jù)地物波譜曲線的特征對(duì)比，進(jìn)行滑坡災(zāi)害提取的遙感地學(xué)分析，如圖2所示。植被的波譜范圍一般為0.38nm～2.5μm，健康的綠色植物在可見光波段有一個(gè)小反射峰，在0.676μm附近呈強(qiáng)吸收，而在0.776μm附近呈強(qiáng)反射特征，也即植被的“紅邊”現(xiàn)象。水體由于極低的反射率，常常被近似為黑體。地表水由于所含物質(zhì)的差異，反射率明顯高于純凈水，光譜特征也表現(xiàn)出不同的特點(diǎn)。地震中的災(zāi)區(qū)水體泥沙含量增加，可見光波段的反射率有所提高。水體的反射主要發(fā)生在藍(lán)綠波段，地震災(zāi)區(qū)由于泥沙的散射，反射峰值移動(dòng)到了黃波段。水體反射率在0.7μm處有一個(gè)小峰值，并在之后迅速下降，0.73μm～1μm之間，平均反射率降到0.042。研究區(qū)土壤以黃棕壤為主，在可見光波段，反射率隨著波長(zhǎng)的增加而劇烈增長(zhǎng)，在紅外波段趨于平緩，在0.786μm處出現(xiàn)一個(gè)小峰值。在福衛(wèi)2號(hào)的波段范圍內(nèi)，表現(xiàn)為背景信息的地表水總體反射率最低，植被反射率變化最大，并存在“紅邊”現(xiàn)象?；炷梁捅尘靶畔⒅脖?、水體對(duì)比度明顯，和巖土表信息容易混分，因此，采用波段對(duì)比明顯的432波段組合，從背景中分離出目標(biāo)信息。對(duì)于可能造成混分的人工混凝土建筑，因?yàn)槠渚匦魏途€狀的特殊形狀和規(guī)則紋理特征，滑坡信息識(shí)別中，綜合紋理特征和形狀指數(shù)過(guò)濾這些偽滑坡信息。

2 結(jié)果與分析

本文采用臺(tái)灣福衛(wèi)2號(hào)（全色2m）進(jìn)行滑坡及其發(fā)育環(huán)境信息提取試驗(yàn)，數(shù)據(jù)時(shí)相為2008年6月3日，影像區(qū)域?yàn)楸贝h，影像中心為地震災(zāi)害最嚴(yán)重的映秀鎮(zhèn)。影像的數(shù)據(jù)格式為Geotiff，大小1571像素×1546像素，其中有效像素2428766，覆蓋155.4km2。根據(jù)國(guó)際交換站的數(shù)據(jù)，影像成像時(shí)災(zāi)區(qū)天氣晴朗。影像東部（研究區(qū)外）有薄云覆蓋，采用432假彩色波段組合，再利用暗目標(biāo)方法進(jìn)行相對(duì)輻射校正。利用1∶5萬(wàn)地形圖對(duì)其進(jìn)行3次多項(xiàng)式幾何校正。由于地震的影響，研究區(qū)地表位移顯著，因此對(duì)整景影像進(jìn)行幾何校正，在相對(duì)穩(wěn)定的區(qū)域選取控制點(diǎn)，如圖3（a）所示。為了過(guò)濾掉滑坡信息中混分的人工建筑物，考慮實(shí)驗(yàn)區(qū)人工建筑物傾斜方向延伸的特點(diǎn)，提取灰度共生矩陣（GLCM）的熵（entropy）和相關(guān)性（correlation）［17］紋理信息：維數(shù)為256，延伸方向45°、135°、225°和315°。

滑坡信息是本研究關(guān)注的信息，所以提取過(guò)程中以滑坡信息提取效果為主要根據(jù)。研究區(qū)降雨充沛，植被覆蓋率高。由于地震的破壞，滑坡地形典型，滑坡體變形明顯，導(dǎo)致滑坡區(qū)植被變?yōu)槁愕兀⑶矣捎诨瑒?dòng)造成的特殊地形，將滑坡區(qū)作為一個(gè)地類進(jìn)行分類。由于滑坡區(qū)容易與城鎮(zhèn)建設(shè)用地混淆，也可能與無(wú)植被覆蓋的耕地相混。因此，利用SVM將研究區(qū)影像分為5類：滑坡、河流、房屋、植被、耕地，先用目視解譯方法選取5類待分類地物的訓(xùn)練樣本，并分別賦屬性為1～5，其中：1是滑坡，由于影像紋理和構(gòu)造差異較大，光譜變化范圍比較大，提取滑坡周界范圍內(nèi)的39樣本點(diǎn)，樣本點(diǎn)覆蓋4029像素。2是河流，由于光譜差異較小，且影像特征較為光滑，提取12個(gè)樣本點(diǎn)，共1422像素。3是房屋，影像呈格狀紋理及構(gòu)造特征，光譜較一致，提取11個(gè)樣本點(diǎn)，共覆蓋4067個(gè)像素。4是植被，由于災(zāi)區(qū)植被覆蓋率極高，光譜變化范圍也相對(duì)較大，影像紋理和構(gòu)造也較為復(fù)雜，本文提取85個(gè)樣本點(diǎn)，共覆蓋7641個(gè)像素。5是耕地，由于研究時(shí)段內(nèi)耕地和植被的影像特征相似，分類容易混淆，但不影響本研究，選取18個(gè)樣本點(diǎn)，共覆蓋1973個(gè)像素。選取2類、3類、4類和5類屬性的樣本點(diǎn)，經(jīng)過(guò)SVM參數(shù)訓(xùn)練后，發(fā)現(xiàn)5類屬性樣本點(diǎn)，多項(xiàng)式核函數(shù)及d等于4的情況下提取效果最佳。將1（滑坡）設(shè)為目標(biāo)區(qū)，2～5類地物設(shè)為背景，加以屏蔽，結(jié)果如圖3（b）所示。圖3疊加了滑坡前的1∶5萬(wàn)等高線地形圖。

從提取結(jié)果看，汶川地震中滑坡災(zāi)害呈現(xiàn)群發(fā)性的特點(diǎn)，很難明確界定單個(gè)滑坡體的滑坡周界。如圖3（b），唐家山是汶川地震受災(zāi)最嚴(yán)重的區(qū)域，唐家山滑坡群也是汶川災(zāi)區(qū)呈連續(xù)分布的規(guī)模最大的滑坡群，如圖中條帶狀區(qū)域湔江，被唐家山滑坡堵塞形成堰塞湖。圖3（b）中曲山鎮(zhèn)和石巖村的影像是連續(xù)的建筑區(qū)，其中曲山鎮(zhèn)北部的滑坡，給北川縣城帶來(lái)極大的生命和財(cái)產(chǎn)損失。為了分析滑坡識(shí)別的精度，在圖3（b）的影像區(qū)生成100個(gè)隨機(jī)點(diǎn)，并結(jié)合集群采樣方法，保證滑坡區(qū)不少于40個(gè)點(diǎn)，實(shí)際為49個(gè)點(diǎn)。這些點(diǎn)將滑坡識(shí)別分為幾種情況：滑坡漏檢區(qū)（沒(méi)有被識(shí)別的滑坡）5個(gè)點(diǎn)，滑坡正確分類45個(gè)點(diǎn)，正確分類的無(wú)滑坡區(qū)46個(gè)點(diǎn)，滑坡錯(cuò)分類（將未滑坡區(qū)分類為滑坡）4個(gè)點(diǎn)。滑坡分類的制圖精度為91%，滑坡識(shí)別的Kappa系數(shù)0.82。圖4為唐家山大滑坡和實(shí)景［16］對(duì)比。

圖3 地震后福衛(wèi)二號(hào)影像和滑坡檢測(cè)結(jié)果圖

圖4 唐家山滑坡識(shí)別結(jié)果和實(shí)景對(duì)比（文獻(xiàn)［16］）

3 結(jié)論和討論

滑坡識(shí)別是一件非常困難而復(fù)雜的工作，需要豐富的專業(yè)知識(shí)。遙感只能識(shí)別很少一部分滑坡，基本局限在有影像記錄以來(lái)的滑坡。對(duì)于滑坡發(fā)生的區(qū)域，有些滑坡發(fā)生在干旱半干旱地區(qū)，滑坡識(shí)別的效果會(huì)顯著降低。對(duì)于老滑坡和古滑坡，由于滑坡體及其發(fā)育環(huán)境的光譜特征差異不明顯，解譯的主要依據(jù)是獨(dú)特的滑坡地貌特征，比如雙溝同源地貌，使得古滑坡和老滑坡的自動(dòng)提取相當(dāng)困難，其信息的成功提取也是需要進(jìn)一步研究的難點(diǎn)。與目視解譯相比，滑坡災(zāi)害快速識(shí)別方法能夠顯著提高滑坡識(shí)別效率，為抗震救災(zāi)贏得寶貴的時(shí)間。汶川地震型滑坡是新滑坡，滑坡壁的光譜特征和周圍差異顯著，而且滑坡形態(tài)特征完整，顯著提高滑坡信息提取的精度。本文的滑坡信息提取方法適用于新滑坡，主要是植被覆蓋較好的區(qū)域。此外，對(duì)于滑坡更詳細(xì)要素的遙感識(shí)別，比如滑坡壁、滑坡堆積體等，是一件非常困難的工作，將在后續(xù)工作中進(jìn)一步探討和研究。

［1］ 許沖，徐錫偉，吳熙彥，等.2008年汶川地震滑坡詳細(xì)編目及其空間分布規(guī)律分析［J］.工程地質(zhì)學(xué)報(bào)，2013，21（1）：25－44.

［2］ 李松，李亦秋，安裕倫.基于變化檢測(cè)的滑坡災(zāi)害自動(dòng)識(shí)別［J］.遙感信息，2010，25（1）：27－31.

［3］ JAVIER H，JOSE I B，PAUL L R，et al.Monitoring landslides from optical remotely sensed imagery：The case history of tessina landslide，Italy［J］.Geomorphology，2003，54（1－2）：63－75.

［4］ MONDINI A C，GUZZETTIA F，PREICHENBACHA P，et al.Semi－automatic recognition and mapping of rainfall induced shallow landslides using optical satellite images［J］.Remote Sensing of Environment，2011，115（7）：1743－1757.

［5］ 魏星.基于SVM的山體滑坡災(zāi)害圖像識(shí)別方法［J］.電子測(cè)量技術(shù)，2013，36（8）：65－70.

［6］ 葉潤(rùn)青，鄧清祿，王海慶.基于圖像分類方法滑坡識(shí)別與特征提取——以歸州老城滑坡為例［J］.工程地球物理學(xué)報(bào)，2007，4（6）：574－577.

［7］ 王世博，張大明，羅斌，等.基于譜摳圖的遙感圖像滑坡半自動(dòng)提?。跩］.計(jì)算機(jī)工程，2012，38（2）：195－197，200.

［8］ OTHMAN A，GLOAGUEN R.Automatic extraction and size distribution of landslides in kurdistan region，ne iraq［J］.Remote Sensing，2013，5（5），2389－2410.

［9］ ZHAN Z，LAI.A novel DSM filtering algorithm for landslide monitoring based on multiconstraints［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2015，8（1）：324－331.

［10］ ALESSANDRO C M，IVAN M，MAURO R，et al.Bayesian framework for mapping and classifying shallow landslides exploiting remote sensing and topographic data［J］.Geomorphology，2013，201：135－147.

［11］ 楊文濤，汪明，史培軍.利用NDVI時(shí)間序列識(shí)別汶川地震滑坡的分布［J］.遙感信息，2012，27（6）：45－48.

［12］ VAPNIK V N.Statistical Learning theor［M］.New York：Wiley，1998.

［13］ 晏同珍，楊順安，方云.滑坡學(xué)［M］.武漢：中國(guó)地質(zhì)大學(xué)出版社，2000.

［14］ DAVID K K，MATTHEW C L.Assessing landslide hazards［J］.Science，2007，316：1136－1138.

［15］ 王錦地，張立新，柳欽火，等.中國(guó)典型地物波譜知識(shí)庫(kù)［M］.北京：科學(xué)出版社，2009.

［16］ 胡卸文，朱海勇，呂小平，等.唐家山堰塞湖庫(kù)區(qū)（北川～禹里段）地震地質(zhì)災(zāi)害觸發(fā)效應(yīng)研究［J］.四川大學(xué)學(xué)報(bào)（工程科學(xué)版），2009，41（3）：63－71.

［17］ 李松.滑坡信息遙感識(shí)別和空間分析研究［D］.北京：中國(guó)科學(xué)院研究生院，2009.

Fast Interpretation Methods of Landslides Triggered by Earthquake Using Remote Sensing Imagery

LI Song1，2，DENG Bao－kun1，XU Hong－qin1，WANG Zhi－fu1
（1.Institute of Resources，Environment and Disasters，Guizhou Normal College，Guiyang550018；2.Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing100101）

Landslide is an important cause of earthquake damage and casualties，and fast recognition of landslide is important for earthquake relief.Currently，visual interpretation is the basic method of landslide recognition.Due to the inefficiency of visual interpretation，it is necessary to study an effective method to identify the landslides triggered by earthquake.A large number of landslides occurred during M8.0Wenchuan earthquake.These landslides caused by the earthquake did great damage to the local region.Because of bad weather conditions，it was difficult for us to capture eligible remote sensing images，which lagged far behind the earthquake.In order to study a more effective approach of landslide fast recognition，this paper took Beichuan where the earthquake disaster was worst as a test area to study a more effective approach of landslide fast recognition based on Support Vector Machine（SVM）classifiers in the Formosat－2image acquired on June 3，2008.The vegetation coverage in the study area was up to 80percent.There was an obvious difference between a landslide and environmental background area of the remote sensing image.Firstly，this paper identified land use，including rivers，buildings，vegetation，farmland and landslides using visual interpretation.Secondly，SVM kernel functions were trained using the five samples.The results showed that SVM is a rapid recognition method，and classification Kappa coefficient is 0.82.

landslide triggered by earthquake；fast identification；Support Vector Machine；visual interpretation；Wenchuan

10.3969／j.issn.1000－3177.2015.04.005

P315.63；TP79

A

1000－3177（2015）140－0025－04

2014－07－02

2014－10－20

國(guó)家十二五科技支撐重大項(xiàng)目（2011BAC09B01）；貴州科技廳項(xiàng)目（J20112343）；貴州教育廳項(xiàng)目（13GH069）；烏當(dāng)科技局項(xiàng)目（［2012］烏科技合同字第48號(hào)）。

李松（1980—），男，博士，副教授，主要從事環(huán)境和災(zāi)害遙感應(yīng)用研究。

E－mail：zhijinese＠163.com