文廣超，張哲瑋，肖學(xué)軍，謝洪波，王文博，楊運航，陳紅旗

(1.河南理工大學(xué)資源環(huán)境學(xué)院, 河南 焦作 454000；2.河北省煤田地質(zhì)局第四地質(zhì)隊，河北 張家口 075100；3.南京師范大學(xué)地理科學(xué)學(xué)院，江蘇 南京 210023；4.中國地質(zhì)環(huán)境監(jiān)測院，北京 100081)

0 引言

滑坡在自然災(zāi)害造成的經(jīng)濟(jì)損失中位列第二[1]。我國西南地區(qū)位于中國地形第一階梯向第二階梯過渡的狹長地帶，地形起伏大，地質(zhì)構(gòu)造復(fù)雜，是滑坡災(zāi)害發(fā)生的極高風(fēng)險區(qū)。我國約80%的大型滑坡都發(fā)生在此范圍內(nèi)，給當(dāng)?shù)厝嗣袢罕姷纳敭a(chǎn)造成了巨大損失[2]，如1989年7月四川華鎣山溪口滑坡災(zāi)害，2004年7月四川宣漢天臺鄉(xiāng)滑坡災(zāi)害，2017年6月四川茂縣新磨村滑坡災(zāi)害等?；聻?zāi)后區(qū)域的道路場地狹小、搶險情勢復(fù)雜、人員搜救艱難，救援善后工作需要動用巨大的社會力量[3]。因此，在災(zāi)害發(fā)生后快速獲得災(zāi)區(qū)的滑坡規(guī)模等災(zāi)情信息就顯得尤為重要。

目前國內(nèi)外獲取滑體信息主要靠野外調(diào)查，無法滿足災(zāi)后快速查明災(zāi)情，指導(dǎo)應(yīng)急救援力量進(jìn)場的需要。遙感技術(shù)具有獲取速度快、覆蓋面積大、周期性強(qiáng)等優(yōu)點[4]，可以很好地彌補(bǔ)野外調(diào)查的不足。為了能及時獲取災(zāi)區(qū)信息，為救援工作提供準(zhǔn)確資料，采用遙感技術(shù)這一先進(jìn)手段是必要的，這也是空-天-地-現(xiàn)場一體化發(fā)展的必然趨勢?；谶b感技術(shù)提取滑坡信息的方法主要有三大類：目視解譯法、面向?qū)ο穹诸惙ê突谙裨诸惙?。通過影像目視解譯識別滑體可充分利用專家經(jīng)驗，具有較高的準(zhǔn)確度，是一種重要的技術(shù)方法。缺點在于受主觀因素影響強(qiáng)，效率低下，無法實現(xiàn)信息的快速提取。結(jié)合數(shù)字圖像處理技術(shù)的滑體信息自動、半自動提取，在工作效率和客觀性上具有很強(qiáng)的優(yōu)勢，是近年來的研究熱點。其中利用多源數(shù)據(jù)，融合多維特征信息的面向?qū)ο穹诸惙ū恢T多學(xué)者研究和應(yīng)用[5-7]。該方法的實質(zhì)是基于人的思維模式把對像作為信息的內(nèi)容在地理空間進(jìn)行分類[8]。面向?qū)ο穹诸惙椒▽b感數(shù)據(jù)分辨率的要求較高，需輔以多源數(shù)據(jù)來構(gòu)建分割規(guī)則，在多尺度分割后產(chǎn)生的被忽略的細(xì)小對象也會影響對影像進(jìn)一步的應(yīng)用[9]。相較于此，基于像元的滑體信息提取方法可較好地保留影像細(xì)節(jié)信息。諸多學(xué)者用這種方法進(jìn)行了研究，如蘇鳳環(huán)等[10]基于TM、ETM+影像，利用纓帽變換、DN值差值增強(qiáng)技術(shù)對大規(guī)模泥石流及滑坡進(jìn)行了提取試驗，獲得了較好地提取效果。NICHOL J等[11]對災(zāi)前、災(zāi)后SPOT影像利用最大似然法進(jìn)行變化檢測，識別出了研究區(qū)70%的滑體。張海濤[12]利用高分辨率的遙感影像，以像素為單位將ICA原理引入，提取影像的獨立成分，基于變化檢測算法識別滑體，識別精度達(dá)75%?；谙裨淖R別方法一般未考慮像素間空間位置信息而僅考慮光譜值的變化[13]，對數(shù)據(jù)地利用不夠充分，易受影像分辨率、大氣干擾等許多因素的影響，產(chǎn)生“椒鹽”噪音，導(dǎo)致滑體識別的精度整體不高。

因此，本文基于Landsat 系列遙感數(shù)據(jù)和數(shù)字高程數(shù)據(jù)(DEM)對 “6·24”四川茂縣、“8·28”貴州納雍等滑坡區(qū)的地物特征進(jìn)行深入分析，綜合滑體與非滑體光譜反射率差異和空間位置信息建立滑體提取方法，為區(qū)域滑坡調(diào)查研究及災(zāi)后應(yīng)急響應(yīng)提供技術(shù)支持。

1 數(shù)據(jù)源及預(yù)處理

Landsat系列遙感數(shù)據(jù)和Aster GDEM數(shù)據(jù)為免費開源的數(shù)據(jù)，獲取便捷，信息豐富，適用于滑體快速提取研究(表1)。其中Landsat系列遙感數(shù)據(jù)的空間分辨率為30 m，已經(jīng)做過地形參與的幾何校正、輻射定標(biāo)和大氣校正等預(yù)處理。Aster GDEM數(shù)據(jù)根據(jù)美國航空航天局的新一代對地觀測衛(wèi)星TERRA的觀測結(jié)果制作完成，空間分辨率為30 m，經(jīng)預(yù)處理生成坡度信息。以上數(shù)據(jù)均源自美國地質(zhì)勘探局(USGS，http://glovis.usgs.gov)。

表1 數(shù)據(jù)類型

2 滑體特征遙感識別分析

2017 年 6 月 24 日，四川省茂縣疊溪鎮(zhèn)新磨村后山發(fā)生高位山體滑坡。滑源區(qū)巖體沿巖層層面滑出，解體后沿坡面高速運動，沿途鏟刮坡面原有松散崩滑堆積物，直至運動到河谷底部[14]。整個滑坡過程對原始地層的整體性以及地表蓋層造成嚴(yán)重破壞，在遙感數(shù)據(jù)中表現(xiàn)出與背景地物在光譜特征上的巨大差異。本文利用多期遙感影像與Google Earth高清影像對滑坡及背景地物目視解譯并進(jìn)行采樣(圖1)。其中，滑體的采樣區(qū)為滑坡主體，植被的采樣區(qū)為滑坡周邊山坡NDVI值大于0.8的區(qū)域，水體的采樣區(qū)為離新磨村較近的疊溪海子內(nèi)，陰影的采樣區(qū)為滑坡周邊厚云層下部陰影區(qū)。因滑坡區(qū)附近的植被覆蓋度較好，因此裸地的采樣區(qū)位于茂縣與汶川縣交界處，該處裸地結(jié)合多期影像解譯處于一個較穩(wěn)定的狀態(tài)。根據(jù)以上采樣數(shù)據(jù)，計算各類地物的光譜均值并生成光譜曲線(圖2)。

圖1 茂縣滑坡區(qū)域概況及采樣示意圖Fig.1 Maoxian landslide area overview and sampling diagram

圖2 茂縣滑坡區(qū)地物光譜曲線圖Fig.2 Comprehensive spectrum curve of ground objects in the study areas

對茂縣滑坡區(qū)域地物光譜地綜合分析后得到以下規(guī)律：(1)在紅光波段，植被與陰影的最大值均在500以下，而滑體的最小值基本都在500以上，最大值在2 000以下。(2)從紅光波段到近紅外波段，土壤的反射率快速增加，但滑體反射率升高并不明顯。因為滑體表層巖土結(jié)構(gòu)松散，具有較大的孔隙度和含水率，導(dǎo)致其在近紅外波段的反射率較低。因此滑體從紅光波段到近紅外波段的“斜率”會小于裸地。據(jù)統(tǒng)計裸地的“斜率”均在0.3以上，滑體的“斜率”在0.3以下。(3)在對水體的去除試驗中，本文使用NDWI等多種水體指數(shù)進(jìn)行了提取試驗，最終發(fā)現(xiàn)使用NEW[15]水體指數(shù)計算后水體光譜值集中在-1～0.5的范圍內(nèi)，與其它水體指數(shù)相比具有最大的區(qū)分度。

同時在目視解譯中發(fā)現(xiàn)滑體與相鄰地物在色調(diào)，本質(zhì)即是光譜上有明顯的差異。借鑒邊界檢測中尋找圖像灰度變化不連續(xù)點的思想，提出使用“跨越”滑體邊界，同時包含滑體光譜信息與相鄰非滑體光譜信息的光譜剖面線方法(圖3-a)，對邊界附近的信息進(jìn)行線狀連續(xù)采樣，以多段線的形式展示每個象元在7個波段上的反射率值。對采樣結(jié)果進(jìn)行分析發(fā)現(xiàn)，七個波段均在滑體邊界處發(fā)生了突變(圖3-b)。其中，可見光波段的光譜亮度值曲線突變規(guī)律性較為明顯，在第15像元和第28像元處，也即目視解譯中滑體的邊界處發(fā)生了突變。紅外波段的光譜亮度值曲線也具有一定的突變，但曲線形態(tài)表現(xiàn)為不規(guī)則鋸刺狀，突變規(guī)律不明顯，突變點難以確定。因此可見光波段對滑坡邊界的檢測效果強(qiáng)于近紅外、短波紅外波段。其次，在可見光波段的曲線波動中，紅光曲線具有最大的變化值，這主要是因為研究區(qū)滑體周圍植被蓋度較高，而滑體表面為破碎巖土體，突變點記錄的是這二者之間的差異，這與設(shè)置紅光波段以增強(qiáng)植被探測的目的相一致。

圖3 滑體剖面線示意圖及各波段光譜剖面 (以“6·24”茂縣滑坡為例)Fig.3 Schematic diagram of the section line and the spectral profile of each band (take the “6·24” Maoxian landslide as an example)

對6個案例滑坡區(qū)域進(jìn)行相同地采樣和光譜分析后發(fā)現(xiàn)，地物反射率數(shù)值變化規(guī)律以及反射率在滑體邊界兩側(cè)的突變規(guī)律依然存在，說明滑坡災(zāi)害對地形地貌的破壞在遙感數(shù)據(jù)上表現(xiàn)出的規(guī)律具有一般性，可用以對滑坡進(jìn)行識別和提取。

同時，滑坡作為斜坡巖土體沿著貫通的剪切破裂面產(chǎn)生的整體滑移現(xiàn)象，坡度在其中扮演著重要角色。 據(jù)統(tǒng)計，“6·24”茂縣滑坡災(zāi)害所在斜坡平均坡度34.5°，最大坡度57°。西南地區(qū)的滑坡多發(fā)生在25～55°的坡度范圍內(nèi)[16-17]。為了盡量保留完整滑體的同時限定滑體潛在區(qū)域，經(jīng)反復(fù)試驗最終選擇以10°為下限對遙感數(shù)據(jù)進(jìn)行閾值分割(圖4)。

圖4 茂縣滑坡區(qū)5°、10°、15°坡度分割效果圖Fig.4 Maoxian landslide area 5°, 10°, 15° slope segmentation effect diagram

3 滑體信息提取方法

根據(jù)前一節(jié)對茂縣滑坡區(qū)地物光譜特征的分析與光譜變化規(guī)律曲線圖(圖2)，確立了識別規(guī)則的初步公式與閾值。應(yīng)用于其它滑坡區(qū)域進(jìn)行驗證，結(jié)合驗證過程中存在的問題對公式和閾值做出完善與調(diào)整，最終確立滑體空間位置識別規(guī)則(式1)，其中閾值均來自統(tǒng)計分析。

(1)

式中：Red——紅光波段地表真實反射率；

Blue——藍(lán)光波段地表真實反射率；

NIR——近紅外波段地表真實反射率；

SWIR2——中紅外波段地表真實反射率；

Slope——坡度/(°)。

滑體實質(zhì)上是綜合多種地物要素的復(fù)雜地質(zhì)對象，如基巖、土壤和植被。其復(fù)雜性給滑體的完整識別造成困難。因此本文公式(1)作為對滑體的初步提取規(guī)則，首先確定滑體空間位置。在此基礎(chǔ)上，使用光譜剖面線方法，對紅光波段的影像數(shù)據(jù)進(jìn)行檢測，提取滑體邊界。

影響滑體邊界的主要因素是掃描起點，掃描半徑，掃描間隔，需保證掃描線的均勻分布，使檢測出的光譜突變點擁有較好的連續(xù)性。經(jīng)過多次試驗，發(fā)現(xiàn)使用長寬比小于等于2的外接矩形的形心為掃描線起點，以形心至外接矩形頂點長度為初始掃面半徑，以3°～5°為間隔進(jìn)行掃描時，可以在提高效率的同時最大程度上避免掃描線某處過于密集或稀疏，最終獲得的滑體邊界效果較好(圖5)。

圖5 不同角度間隔下光譜剖線檢測結(jié)果對比圖(以茂縣為例)Fig.5 Comparison of spectral line detection results at different angular intervals (taking Maoxian as an example)

綜合以上兩個步驟建立滑體信息提取模型(圖6)，使用C#語言基于Microsoft Visual Studio 2017平臺完成開發(fā)，實現(xiàn)了對滑體信息的自動化提取。

圖6 滑體信息提取模型Fig.6 Flow chart of landslide body information extraction

4 結(jié)論與討論

為驗證本文提出的滑體提取模型的應(yīng)用效果，分別對6處滑體進(jìn)行了提取試驗，提取結(jié)果見圖7。從提取結(jié)果看，第一步工作基本圈定滑體位置和大致形狀，第二步工作更加詳細(xì)的勾畫出滑體邊界，兩者結(jié)合實現(xiàn)了滑體的快速提取。因本研究所使用的數(shù)據(jù)為空間分辨率30 m的Landsat 8 OLI數(shù)據(jù)，混合像元的存在導(dǎo)致模型將滑體與周邊地物的混合像元歸入到了滑坡區(qū)當(dāng)中，且滑體一般不具有明晰的邊界，光譜剖面線法監(jiān)測的滑體邊界突變，將一部分滑坡影響區(qū)納入識別范圍，導(dǎo)致各滑體提取面積均合理的在一定程度上超出了前人研究的結(jié)果，所以結(jié)合既往文獻(xiàn)資料中的滑體面積與提取的結(jié)果進(jìn)行對比發(fā)現(xiàn)，模型提取面積平均約占文獻(xiàn)資料中滑坡面積的109%(表2)?；w提取形態(tài)特征完整，清晰的展現(xiàn)出滑體的“舌”“梨”狀形態(tài)，可清晰辨別滑體的物源區(qū)、流通區(qū)和堆積區(qū)，提高了滑體信息提取的精度和識別效率，可以為地區(qū)滑坡災(zāi)害調(diào)查與災(zāi)后應(yīng)急救援提供支持。

本文研究的滑坡發(fā)生在植被發(fā)育良好地區(qū)，所使用的影像在災(zāi)害發(fā)生后一年以內(nèi)，對發(fā)生在干旱半干旱地區(qū)的滑坡或是形成許久的老滑坡，因其與周圍地物的光譜特征趨同，滑坡識別的效果會顯著降低。在研究過程中同時發(fā)現(xiàn)，中等分辨率遙感影像對小型滑坡(體積<1×105m3)識別提取的響應(yīng)較差。隨著社會的進(jìn)一步發(fā)展，滑坡災(zāi)害調(diào)查和災(zāi)后應(yīng)急救援工作將會對滑體信息提取提出更加快速和精準(zhǔn)的要求，對于老滑坡、干旱半干旱地區(qū)的滑坡、復(fù)雜環(huán)境下的滑坡，如何綜合多源數(shù)據(jù)，進(jìn)一步優(yōu)化模型，放大和捕捉滑坡與非滑體在光譜特征上的差異，實現(xiàn)更加普適和高精度的滑坡自動識別，是后續(xù)要開展的研究工作。

圖7 滑體遙感影像與模型提取結(jié)果對比圖Fig.7 Comparison of remote sensing images and model extraction results of landslides

表2 案例區(qū)模型提取滑坡面積比對表