王向春

(廈門精圖信息技術有限公司,福建 廈門 361008)

0 引言

我國位于中緯度自然災害帶,全年遭受到不穩(wěn)定的季風環(huán)流影響,同時我國位于環(huán)太平洋地震帶與歐亞地震帶之間,地殼運動強烈頻繁,再加上復雜多樣的地形環(huán)境,使得我國各類自然災害頻發(fā)且損失重大。做好防災減災工作是保障人民生命財產安全的重要基礎,國務院部署開展的全國自然災害普查工作,為掌握當前自然災害風險隱患數據,提升全社會災害防范意識,化解未來自然災害風險提供了權威數據[1]。

遙感技術最大的優(yōu)勢是能夠代替人類對難以抵達或危險的地方進行觀測,并且可全天候的從多波段、多時相角度獲取觀測數據,自然災害綜合風險普查工作涉及危險地形區(qū)域,所以遙感技術在普查工作中的優(yōu)勢不可替代。隨著每年空間分辨率的迅速提升,遙感技術在目標地物識別方面的精度逐步增強,地物重復觀測時間在不斷縮短,在自然災害綜合風險普查方面的應用將會更加廣泛。自然災害綜合風險普查工作中遙感技術的運用,主要在于普查目標的分類,目標的分類工作即地物信息的提取過程。

1 普查目標分類

地球表層復雜的孕災環(huán)境、多種多樣的致災因子、各類脆弱的承載體等綜合作用下,形成了各類自然災害。在自然災害綜合風險普查工作中,遙感手段普查手段幾乎適用于各類致災因子和承災體。致災因子包括氣象災害、地質災害、森林草原火災等,承災體包括房屋、第一第二產業(yè)、基礎設施、各類資源等,依據《自然災害損失統(tǒng)計制度》中的定量指標,普查范圍包括災區(qū)人員受損情況、住宅及非住宅用房損失、基礎設施損失以及資源環(huán)境損失,定量指標主要有長度、面積、戶、間等,結合遙感影像解譯特點,根據普查目標的特征采用全面調查和重點調查等方式,按照普查類別均以調查表的形式開展普查工作。

2 遙感手段獲取普查目標信息

各類地物信息構成普查目標信息庫,圖1展示了遙感影像的目標分類流程,地物信息的提取,主要分為地物影像分割和特征提取兩個環(huán)節(jié)。本小節(jié)針對自然災害綜合風普查工作中遙感影像特征,介紹分析了影像分割方法,以及遙感信息數據的特征提取方式[2]。

圖1 基于遙感影像的目標分類流程

2.1 影像分割

遙感影像分割是將完整影像分成若干無重疊,并且具有獨特性質區(qū)域的過程。通常影像圖幅的標記工作與影像分割同步進行。

在自然災害綜合風險普查工作中,遙感影像分割是重要的環(huán)節(jié)之一,遙感影像的分割精準程度,會影響到后續(xù)的特征提取工作。遙感影像的空間分辨率與影像分割的難度呈正比,遙感影像的數據量也會削弱分割的效率,所以對今后影像分割的要求也會越來越高。除了影像的分辨率和數據量外,在自然災害綜合風險普查工作中,地物的精確度也會直接影響到影像分割的效率。其次,隨著對普查地物的精細程度要求的提高,需要在影像分割環(huán)節(jié)中不斷獲取更加精準的地物邊界。

除此以外,影像分割的精確度還受到分割尺度的影響,當前分割尺度的機制尚未能夠完全滿足普查工作中地物識別的要求。

均值漂移算法被提出二十多年間不斷改進,適用范圍由最初始的聚類計算擴展到影像分割領域,即將遙感影像映射到特征空間,對地物樣本進行漂移值聚類。在均值漂移中引入核函數和權重函數后,實現了遙感影像在色彩層面的平滑濾波,面積較小的顏色區(qū)域被過濾掉,低維不可分數據在高維可分,同時收斂速度獲得極大提高。除了遙感影像的像素信息的分割,其空間位置坐標也實現了分割,在經過均值漂移算法進行色度空間轉換后,將像素點進行分類后實現類的合并。為了達到分割的目的,通常還會借助浸水填充函數對數據作進一步的處理。

設f(x)為概率密度函數,在經過n次抽樣后形成樣本集X=,構造可以增加維度的核函數K(·),用于無參密度估計,那么密度函數如公式(1)[3]所示:

在公式(1)中,h為K(·)的帶寬,d為抽樣樣本集的維度,均值漂移向量m(x)-x可表示如公式(2)[4]:

在公式(2)中,wi為權重系數,其約束條件為∑iwi=1,m(x)為x處的樣本均值,m(x)-x為均值漂移向量。在迭代搜索過程中,x的漂移軌跡為序列{x,m(x),m(m(x)),…}。

對于具體的影響分割過程而言,核函數為:

在公式(3)中,C為歸一化常數,p為影響維數,xs為特征矢量中的空間信息,xr為特征矢量中的顏色信息,hs為空間帶寬,hr為色度帶寬[5]。

2.2 特征信息提取

普查地物目標樣本在經過特征提取的步驟后,才能完成歸類入庫。在所提取特征信息的基礎上,實現普查目標特征庫的更新,同時還能將特征優(yōu)選后進行分析處理。本質特征和關系特征組成了普查地物目標分類中的特征信息,普查地物目標中的物理屬性,同時也是其固有特征信息,如地物形狀、光譜、紋理等；普查地物目標之間的拓撲關系,即通過一系列數學分析獲得的間接特征,就是普查地物目標分類中的關系特征[6]。在本文的研究中,結合影像數據特點以及自然災害綜合風險評估的應用需求,在信息提取環(huán)節(jié)以光譜特征和紋理特征進行。

(1)光譜特征。基于光譜特征對地物目標進行差異性識別,是遙感影像應用的最基本出發(fā)點。光譜特征是最重要直觀的特征信息,包含了真實的地物特點和光學屬性[7]。一般光譜特征包括均值、標準差、歸一化植被指數(NDVI)、歸一化水體指數(NDWI)等。

(2)紋理特征。紋理特征通常與顏色特征相結合,是對光譜重復模式進行定量描述,通常用來描述普查目標樣本對象的光譜信息在光譜分布上的規(guī)律,在一定程度上反映物體表面隨時間逐步變化的結構組織排列屬性。通常采用歸一化灰度共生矩陣(GLCM)反映目標物的紋理特征。

3 應用研究

根據普查實際情況選擇遙感技術方法,分析災害類型、邊界條件、變形特征、分布發(fā)育規(guī)律等,初步圈定地表變形區(qū)和地質災害隱患。在開展自然災害綜合風險普查工作時,絕大部分區(qū)域選用空間分辨率≥2 m的多光譜遙感數據。在普查的重點難點區(qū)域,需要選用空間分辨率≥1 m的多光譜遙感數據,并且同時需要同樣分辨率的無人機遙感影像數據。最新影像數據時效性不宜超過2年,云、雪等覆蓋率不宜大于5%,應選擇地震、強降雨等對地質環(huán)境有較大影響事件之后的影像數據。解譯出影像圖中圖斑面積大于4 mm2的地質災害和長度大于2 mm的線狀地物,小于解譯精度的用規(guī)定符號表示。

在普查工作中發(fā)現,多種光譜對各類普查目標的檢測均有一定的應用能力和潛力,對地質災害等精細目標物的辨識,米級甚至亞米級的高光譜衛(wèi)星更加適合,尤其是地震、滑坡、泥石流等災害引起的房屋、道路等承載體損毀需要進行精細化評估。微波遙感衛(wèi)星影像數據最適合用于氣象災害的普查,大尺度干旱、洪澇災害需要大幅寬的中低分辨率遙感影像。

4 結語

在自然災害綜合風險普查工作中,遙感技術能夠發(fā)揮重要的作用,首先,使用遙感技術可以快速確定自然災害的影響范圍。因為真實的地表時空信息被記錄在了遙感影像上,所以遙感影像能夠準確地確定自然災害影響的范圍。

遙感影像的高分辨率精度誤差,甚至精確到某個像元的誤差,將直接影響普查工作中災害范圍的確定。在排除人為干擾因素后,除了災害風險普查工作外,遙感技術還能夠為損失評估、救災規(guī)劃等方面提供真實可靠的數據資料。

遙感技術對未來災害發(fā)生的預測具有重要輔助作用。在普查工作的災害風險評估環(huán)節(jié)中,基于多時相的遙感數據,對歷史災害事件進行分析,對未來災害發(fā)生頻率的判定能夠起到輔助作用。

高分辨率遙感影像不僅能夠應用在普查中,在承災體的暴露程度、易損程度、地物高程識別和建模等方面也有優(yōu)越的表現?；谶b感影像數據海量、動態(tài)、高分辨的特點,遙感影像的應用優(yōu)勢越來越凸顯。未來,基于遙感影像數據,應用于不同災害場景,會逐漸發(fā)展出空間數據管理、數據處理、信息挖掘、災害風險評估、災害模擬與仿真、災害應急監(jiān)測、災情評估、恢復重建規(guī)劃與評估等災害遙感模型方法,形成對災害系統(tǒng)定性、定量和定位相結合分析的技術體系。