王曉波 魯恒 劉雪梅 楊正麗 項(xiàng)霞 蔡詩(shī)響

摘要：滑坡是最為常見(jiàn)的地震次生災(zāi)害之一，對(duì)其進(jìn)行有效監(jiān)測(cè)一直都是業(yè)界研究的熱點(diǎn)?；诖耍岢隽艘环N高分遙感影像地震滑坡信息快速檢測(cè)方法，該方法將SHALSTAB模型與面向?qū)ο笥跋穹治鱿嘟Y(jié)合，首先對(duì)遙感影像進(jìn)行多尺度分割，并根據(jù)穩(wěn)定性模型賦權(quán)，然后根據(jù)深度學(xué)習(xí)機(jī)制對(duì)滑坡對(duì)象進(jìn)行檢測(cè)，最后對(duì)檢測(cè)結(jié)果進(jìn)行過(guò)濾，并將該方法應(yīng)用于2013年蘆山地震滑坡檢測(cè)，與目視解譯結(jié)果進(jìn)行對(duì)比。結(jié)果表明：該方法能快速檢測(cè)高分遙感影像上滑坡，滑坡檢測(cè)正確率達(dá)85%以上。

關(guān)鍵詞：坡度穩(wěn)定性模型;面向?qū)ο?高分遙感影像;滑坡;快速檢測(cè)

中圖分類(lèi)號(hào)：P315.942，P231.5 ??文獻(xiàn)標(biāo)識(shí)碼：A ??文章編號(hào)：1000-0666（2019）02-0273-07

0 引言

遙感技術(shù)作為一種有效的對(duì)地觀測(cè)手段，已經(jīng)廣泛應(yīng)用于土地利用調(diào)查、測(cè)繪以及地理國(guó)（?。┣楸O(jiān)測(cè)等領(lǐng)域，特別是高分遙感影像以其空間分辨率高、視場(chǎng)范圍廣等優(yōu)點(diǎn)，得到了廣泛的應(yīng)用，在地震災(zāi)害快速檢測(cè)及災(zāi)害評(píng)估等方面具有得天獨(dú)厚的優(yōu)勢(shì)。但目前，基于高分遙感影像的災(zāi)害檢測(cè)以目視解譯為主，耗時(shí)耗力，是災(zāi)害檢測(cè)評(píng)估應(yīng)用中的瓶頸（Saha et al，2016;Debella-gilo，Kb，2012）。

隨著遙感技術(shù)的發(fā)展，部分學(xué)者研究了計(jì)算機(jī)半自動(dòng)解譯方法，主要包括滑坡光譜信息法、紋理信息法、神經(jīng)網(wǎng)絡(luò)法、面向?qū)ο蠓诸?lèi)法等。其中，光譜和紋理信息法主要是基于滑坡體與其周?chē)h(huán)境的光譜、紋理特征差異明顯這一特征實(shí)現(xiàn)的，適用于一些新滑坡，而對(duì)于光譜、紋理特征和發(fā)育背景不明顯的區(qū)域應(yīng)用效果不明顯（沈永林等，2011）。半自動(dòng)解譯方法主要針對(duì)中、低分辨率影像。隨著支持向量機(jī)與人工神經(jīng)網(wǎng)絡(luò)方法的出現(xiàn)，遙感滑坡信息提取也有了新的發(fā)展。由于高分辨率影像光譜、幾何信息均比較豐富，已有的滑坡信息提取方法已不能滿(mǎn)足需求，于是面向?qū)ο蟮姆诸?lèi)方法應(yīng)運(yùn)而生（Cheng et al，2013;胡德勇等，2008;Scaioni et al，2014;郭加偉等，2018;魯學(xué)軍等，2014），該方法難點(diǎn)在于分類(lèi)規(guī)則的挖掘。

針對(duì)上述高分影像地震滑坡信息提取中面臨的問(wèn)題，本文提出了一種淺層滑坡穩(wěn)定模型（SHAllow Landlide STABility model，簡(jiǎn)稱(chēng)SHALSTAB）與面向?qū)ο笥跋穹治鱿嘟Y(jié)合的高分遙感影像地震滑坡信息快速檢測(cè)方法，該方法以地表坡度穩(wěn)定性模型、面向?qū)ο笥跋穹治龅睦碚撝R(shí)為基礎(chǔ)，首先對(duì)遙感影像進(jìn)行多尺度分割，并根據(jù)穩(wěn)定性模型賦權(quán)，然后根據(jù)深度學(xué)習(xí)機(jī)制對(duì)滑坡對(duì)象進(jìn)行檢測(cè)，最后對(duì)檢測(cè)結(jié)果進(jìn)行過(guò)濾。

1 研究方法

1.1 基于SHALSTAB模型的地表坡度穩(wěn)定性評(píng)價(jià)

淺層滑坡是對(duì)人類(lèi)生命財(cái)產(chǎn)安全存在影響的眾多危害中的一種。學(xué)者們對(duì)于斜坡的穩(wěn)定性預(yù)測(cè)提出了各自的評(píng)估模型，其中由Montgomery和Dietrich（1994）提出的SHALSTAB模型應(yīng)用較廣泛，該模型耦合了穩(wěn)態(tài)水文假定模型和無(wú)限斜坡穩(wěn)定性模型，主要用于評(píng)價(jià)淺層滑坡穩(wěn)定性的時(shí)空分布和發(fā)展趨勢(shì)。在假設(shè)穩(wěn)定狀態(tài)的降雨事件下，將土壤、植物特性和近地表水流與邊坡穩(wěn)定性模型結(jié)合，以坡度和比積水面積作為主要參數(shù)，同時(shí)考慮土壤深度與植物特性影響，進(jìn)行邊坡穩(wěn)定性評(píng)估。無(wú)限斜坡滑動(dòng)面如圖1所示。

1.2 面向?qū)ο蠖喑叨确指罨驴焖贆z測(cè)

1.2.1 滑動(dòng)窗口檢測(cè)與分割檢測(cè)

目前常規(guī)的滑坡檢測(cè)方法是滑動(dòng)窗口檢測(cè)，通過(guò)移動(dòng)、縮放檢測(cè)窗口，遍歷整個(gè)待檢測(cè)區(qū)域，對(duì)目標(biāo)進(jìn)行檢測(cè)。一方面滑坡通常有大有小，采用多尺度檢測(cè)更加合理;另一方面采用分割的方法，將圖像劃分為若干有意義的圖像區(qū)域，在分割的基礎(chǔ)上進(jìn)行檢測(cè)，不僅可以避免大量的冗余檢測(cè)，而且使得檢測(cè)對(duì)象的語(yǔ)義信息更加明確。

與滑動(dòng)窗口檢測(cè)相比，分割檢測(cè)的待搜索空間明顯縮小，時(shí)間效率提高，但仍然存在2個(gè)問(wèn)題：一是冗余檢測(cè)，在待檢測(cè)圖像中，災(zāi)害屬于極少數(shù)情況，大量分割區(qū)域的檢測(cè)屬于冗余檢測(cè);二是虛警率（錯(cuò)誤檢測(cè)），在單純依靠光學(xué)影像的災(zāi)害檢測(cè)中，所提供的信息難以區(qū)分出真實(shí)災(zāi)害與影像中類(lèi)似災(zāi)害的地物（Fiorucci et al，2011;Cheng et al，2013）。

1.2.2 面向?qū)ο笥跋穹治雠cSHALSTAB模型結(jié)合

針對(duì)分割檢測(cè)存在的問(wèn)題，將多尺度分割結(jié)果與SHALSTAB模型穩(wěn)定性評(píng)價(jià)結(jié)果結(jié)合，為待檢測(cè)分割結(jié)果賦權(quán)。在檢測(cè)階段，權(quán)重可以過(guò)濾待檢測(cè)區(qū)域，用于加速檢測(cè)過(guò)程;在處理階段，基于權(quán)重可以過(guò)濾錯(cuò)誤檢測(cè)，提高檢測(cè)準(zhǔn)確度。

首先進(jìn)行待檢測(cè)區(qū)域的多尺度分割，然后基于SHALSTAB模型穩(wěn)定性評(píng)價(jià)結(jié)果為分割結(jié)果賦權(quán)重，賦權(quán)過(guò)程基于GIS空間區(qū)域統(tǒng)計(jì)實(shí)現(xiàn)，標(biāo)識(shí)該區(qū)域的斜坡穩(wěn)定性。實(shí)驗(yàn)中在賦權(quán)時(shí)，區(qū)域定性評(píng)價(jià)指標(biāo)統(tǒng)計(jì)量選取最小值指標(biāo)（受限于DEM分辨率及精度，最大化災(zāi)害發(fā)生的概率）。圖2即為分割區(qū)域賦權(quán)模型。

基于深度學(xué)習(xí)機(jī)制（付蕭等，2018）得到滑坡災(zāi)害檢測(cè)模型，如圖3所示。在多個(gè)尺度上對(duì)帶權(quán)待檢測(cè)分割結(jié)果進(jìn)行檢測(cè)，最后對(duì)檢測(cè)結(jié)果進(jìn)行后處理、合并、消除等，得到最終滑坡檢測(cè)結(jié)果。

2 實(shí)驗(yàn)結(jié)果

本文選取2013年四川蘆山7.0級(jí)地震震區(qū)為研究區(qū)，面積約為16 km2，研究對(duì)象為震區(qū)內(nèi)發(fā)生的地震滑坡。該次地震發(fā)生在龍門(mén)山斷裂帶，研究成果可以進(jìn)一步應(yīng)用于周邊山區(qū)的地質(zhì)災(zāi)害防治、規(guī)劃重建等，具有較好的應(yīng)用價(jià)值。

選取300，400，500，600共4個(gè)分割尺度，對(duì)研究區(qū)進(jìn)行多尺度面向?qū)ο蠓指?，分割結(jié)果如圖4所示。

基于SHALSTAB模型，對(duì)檢測(cè)結(jié)果進(jìn)行賦權(quán)，結(jié)果如圖5所示。從圖5可以看出，經(jīng)過(guò)賦權(quán)后疑似滑坡區(qū)域?qū)ο蠖紝儆诓环€(wěn)定區(qū)域或長(zhǎng)期不穩(wěn)定區(qū)域。

根據(jù)已構(gòu)建的深度學(xué)習(xí)滑坡信息檢測(cè)模型，進(jìn)行分割檢測(cè)，結(jié)果如表2所示。通過(guò)結(jié)合分割區(qū)域賦權(quán)結(jié)果，在檢測(cè)階段可以減少檢測(cè)次數(shù)，加速檢測(cè)。分析表2可發(fā)現(xiàn)，基于SHALSTAB模型進(jìn)行賦權(quán)檢測(cè)，隨著分割尺度的增加，加速效果逐漸減弱，但檢測(cè)次數(shù)在總體上比直接檢測(cè)減少約40%。在檢測(cè)后的處理過(guò)程中，基于SHALSTAB模型結(jié)合分類(lèi)器概率輸出可進(jìn)行過(guò)濾檢測(cè)，提高檢測(cè)精度。

圖6a為基于分割結(jié)果的完全檢測(cè)，研究區(qū)左上角出現(xiàn)大量誤檢。將SVM分類(lèi)器概率輸出閾值取0.8，對(duì)原始檢測(cè)結(jié)果進(jìn)行過(guò)濾（圖6b），從圖6b可以看出部分誤檢被剔除，但仍有與災(zāi)害類(lèi)似的地物被錯(cuò)誤地識(shí)別為災(zāi)害。針對(duì)研究區(qū)穩(wěn)定區(qū)域發(fā)生災(zāi)害可能性低的特點(diǎn)，基于SHALSTAB模型評(píng)價(jià)結(jié)果，剔除位于穩(wěn)定區(qū)域lgq/T >-2.5的檢測(cè)結(jié)果，并進(jìn)行過(guò)濾（圖6c），從圖6c可見(jiàn)，剔除了大量穩(wěn)定區(qū)域誤檢。

將最終檢測(cè)結(jié)果與目視解譯結(jié)果進(jìn)行疊加，如圖7所示。從圖中可以看出，研究區(qū)中目視解譯57個(gè)滑坡，檢測(cè)結(jié)果覆蓋了其中53個(gè)，個(gè)別小規(guī)?；卤宦z，但也識(shí)別出許多未被解譯出的災(zāi)害;理論上選取合適的SVM分類(lèi)器概率輸出閾值，以及SHALSTAB評(píng)價(jià)閾值，或融合多尺度檢測(cè)結(jié)果，都可以實(shí)現(xiàn)災(zāi)害檢測(cè)，但可能會(huì)導(dǎo)致大量的誤檢。

圖8為隨機(jī)選取的檢測(cè)結(jié)果局部放大圖，可以看出檢測(cè)結(jié)果基本覆蓋整個(gè)災(zāi)害區(qū)域，但也存在一些問(wèn)題：檢測(cè)結(jié)果邊界不清晰，災(zāi)害周?chē)匚?/p>

被誤檢較多，這是由于基于分割檢測(cè)獲取分割區(qū)域外包絡(luò)矩形圖像作為待檢測(cè)圖像，災(zāi)害周?chē)指顓^(qū)域也往往覆蓋災(zāi)害導(dǎo)致被誤檢;類(lèi)似災(zāi)害的區(qū)域（如帶狀裸地）被誤檢，主要是因?yàn)榛诩兇獾墓庾V信息可能不足以完全解決災(zāi)害的解譯問(wèn)題，通過(guò)融合多光譜或者專(zhuān)題信息可以進(jìn)一步改善檢測(cè)結(jié)果。

3 結(jié)論

本文結(jié)合地表坡度穩(wěn)定性模型與面向?qū)ο笥跋穹治?，提出高分遙感影像地震滑坡快速檢測(cè)方法。將該方法應(yīng)用于2013年蘆山地震發(fā)現(xiàn)，分割尺度越大越具有較快的災(zāi)害檢測(cè)速度，但也會(huì)導(dǎo)致檢測(cè)結(jié)果不精細(xì)、邊界不清晰、小型災(zāi)害被遺漏等問(wèn)題;分割尺度越小，大型災(zāi)害檢測(cè)結(jié)果容易破碎，小型災(zāi)害能夠被檢測(cè)。

基于SHALSTAB模型和面向?qū)ο蟮目焖倩聶z測(cè)，既可以在大尺度情況下實(shí)現(xiàn)快速檢測(cè)，也可以在小尺度情況下實(shí)現(xiàn)精細(xì)檢測(cè);在應(yīng)急情況下前者可以用于快速定位災(zāi)害，如大型滑坡;而在災(zāi)情量化評(píng)過(guò)程中，可以在小尺度情況下定位災(zāi)害范圍，同時(shí)定量評(píng)估災(zāi)害。

參考文獻(xiàn)：

付蕭，郭加偉，劉秀菊，等.2018.無(wú)人機(jī)高分辨率遙感影像地震滑坡信息提取方法[J].地震研究，41（2）：186-191.

郭加偉，李永樹(shù)，王洪蜀，等.2018.基于遷移學(xué)習(xí)的無(wú)人機(jī)高分影像地震泥石流信息檢測(cè)[J].地震研究，41（2）：180-185.

胡德勇，李京，趙文吉，等.2008.基于對(duì)象的高分辨率遙感圖像滑坡檢測(cè)方法[J].自然災(zāi)害學(xué)報(bào)，12：42-46.

魯學(xué)軍，史振春，尚偉濤，等.2014.滑坡高分辨率遙感多維解譯方法及其應(yīng)用[J].中國(guó)圖象圖形學(xué)報(bào)，14（1）：141-149.

沈永林，李曉靜，吳立新.2011.基于航空影像和LiDAR數(shù)據(jù)的海地地震滑坡識(shí)別研究[J].地理與地理信息科學(xué)，27（1）：16-20.