基于SPOT5圖像的泥石流自動(dòng)提取方法

謝 飛，楊樹文，李軼鯤，劉 濤

(蘭州交通大學(xué)數(shù)理與軟件工程學(xué)院，蘭州 730070)

基于SPOT5圖像的泥石流自動(dòng)提取方法

謝 飛，楊樹文，李軼鯤，劉 濤

(蘭州交通大學(xué)數(shù)理與軟件工程學(xué)院，蘭州 730070)

在前人研究基礎(chǔ)上，提出了一種基于SPOT5圖像和DEM數(shù)據(jù)自動(dòng)提取泥石流的方法。首先利用歸一化差值植被指數(shù)(NDVI)、歸一化差值土壤亮度指數(shù)(NDSI)和圖像經(jīng)主成分變換得到的第一主成分(PC1)等3種遙感指數(shù)獲取新的主成分變換圖像，進(jìn)而利用閾值自動(dòng)選取算法提取包含泥石流的裸地信息;然后基于1∶10000的DEM數(shù)據(jù)，利用改進(jìn)的溝谷中心線提取算法提取溝谷中心線，并利用數(shù)學(xué)形態(tài)學(xué)濾波算法生成溝谷范圍;最后將提取的疑似泥石流圖斑與溝谷范圍匹配，并對(duì)矢量化后的結(jié)果進(jìn)行面積、坡度和順坡性等篩選，得到泥石流或潛在泥石流信息。實(shí)驗(yàn)表明，本文構(gòu)建的泥石流提取模型具有較高的提取精度和效率。

泥石流;SPOT5;DEM;自動(dòng)提取

0 引言

泥石流是嚴(yán)重威脅山區(qū)及山前地區(qū)居民安全和工程建設(shè)的一種地質(zhì)災(zāi)害［1］。2008年汶川地震后引發(fā)的次生泥石流地質(zhì)災(zāi)害，對(duì)山區(qū)城鎮(zhèn)、村莊、道路交通、水利水電工程和通訊基礎(chǔ)設(shè)施等造成嚴(yán)重破壞，給災(zāi)區(qū)抗震救災(zāi)和災(zāi)后重建帶來了巨大困難。2010年舟曲縣突發(fā)的大規(guī)模泥石流也造成了重大的生命財(cái)產(chǎn)損失［2］。如何準(zhǔn)確、快速地獲取泥石流信息及進(jìn)行泥石流預(yù)測(cè)和防治已成為近年來很多學(xué)者和相關(guān)人員研究的重點(diǎn)。

目前，對(duì)基于遙感技術(shù)的泥石流調(diào)查、預(yù)防和治理等方法的研究已經(jīng)取得了較大進(jìn)展。如王一川等［3］提出基于DEM自動(dòng)提取泥石流溝谷邊緣線的算法，能夠較準(zhǔn)確地提取出泥石流邊緣線;白志勇［4］利用SPOT和TM數(shù)據(jù)融合圖像研究泥石流;蘇鳳環(huán)等［5］研究了汶川地震山地災(zāi)害的遙感快速提取方法，對(duì)大規(guī)模泥石流滑坡提取效果較好;唐川等［6］對(duì)汶川震區(qū)北川縣城泥石流源地特征進(jìn)行了遙感動(dòng)態(tài)分析;唐小明等［7］研究了基于虛擬GIS和空間分析的小流域泥石流地質(zhì)災(zāi)害遙感解譯;潘仲仁等［8］研究了遙感技術(shù)在成昆鐵路泥石流溝調(diào)查中的應(yīng)用。

上述研究和應(yīng)用雖然都取得了一定的成果，但是主要存在2個(gè)問題:①提取泥石流的方法過于單一，如僅提取泥石流溝谷邊緣線，其提取結(jié)果中并不一定都是泥石流通道;②自動(dòng)化程度不夠，很多都是通過人工目視解譯提取。因此，本文基于SPOT5圖像，通過遙感方法對(duì)本底值指數(shù)的計(jì)算和泥石流溝谷中心線的提取，構(gòu)建了泥石流遙感自動(dòng)提取模型，有效地提取了已發(fā)生泥石流和潛在泥石流的信息，取得了較好的成果。

1 遙感圖像本底值特征

自然環(huán)境未受人類活動(dòng)影響的最初本來面貌的物質(zhì)組成量被稱為環(huán)境本底值［9］，但在人類活動(dòng)的長(zhǎng)期影響下，當(dāng)前能夠反映自然環(huán)境的本底值變得難以獲取。因此，研究自然環(huán)境的本底值主要是研究其背景值和基線值(總的來說，都可以統(tǒng)稱為“本底值”)。遙感技術(shù)利用傳感器收集地物反射和發(fā)射的電磁波來獲取各種地物的信息。由于各種地物的物質(zhì)成分和組織結(jié)構(gòu)不同，所獲取的地物信息也有所差異，正是根據(jù)這些差異才能利用各種方法將不同地物區(qū)分開來，因此遙感已經(jīng)成為獲取地物本底值的一種有效手段和方式。

目前，能夠反映地物要素本底值信息的因子有很多，包括植被指數(shù)、土壤亮度指數(shù)、濕度指數(shù)、熱度指數(shù)、水體指數(shù)、氣象指數(shù)、纓帽變換指數(shù)、經(jīng)主成分變換得到的第一主成分以及地形因子等［10–12］。在眾多因子中，本文通過對(duì)泥石流的影像特征、地形特征和各種形成條件的對(duì)比，經(jīng)過反復(fù)試驗(yàn)，發(fā)現(xiàn)運(yùn)用歸一化差值植被指數(shù)(normalize difference vegetation index，NDVI)、歸一化差值土壤亮度指數(shù)(normalize difference soil index，NDSI)和圖像經(jīng)主成分變換得到的第一主成分(PC1)等3個(gè)因子能夠較好地反映泥石流的遙感圖像本底值信息。因此本文選用上述3個(gè)指數(shù)作為泥石流遙感本底值信息的增強(qiáng)型因子，并以DEM作為輔助型因子來提取泥石流信息。

1.1 植被指數(shù)

從發(fā)育過程來看，泥石流主要發(fā)育于山坡或者山溝中，發(fā)育中的泥石流表面植被覆蓋差，在圖像中主要呈淺色調(diào)，在SPOT5圖像中一般表現(xiàn)為較亮的圖斑，與周圍植被發(fā)育較好的區(qū)域有較明顯的反差。因此在泥石流自動(dòng)提取中，去除植被是非常關(guān)鍵的一個(gè)步驟，根據(jù)SPOT5圖像和研究區(qū)的特征，選擇合適的植被指數(shù)進(jìn)行去植被處理是非常重要的。

目前，使用最多的植被指數(shù)有歸一化差值植被指數(shù)(NDVI)和修正的土壤調(diào)節(jié)植被指數(shù)(modified soil adjustment vegetation index，MSAVI)。NDVI是Rouse等［13］在1973年提出的，是目前最常用的植被指數(shù)，能夠較有效地反映植被信息，其針對(duì)SPOT5圖像的計(jì)算公式為

式中:NIR為近紅外波段的亮度值;RED為紅波段的亮度值。

NDVI的計(jì)算結(jié)果如圖1(a)所示，圖中白色和灰白色圖斑代表植被發(fā)育的地區(qū)，黑色和灰黑色圖班代表沒有植被或植被不發(fā)育的地區(qū)。

圖1 SPOT5圖像本底值指數(shù)計(jì)算結(jié)果Fig.1 Index calculation results of the background value of SPOT5 image

1.2 土壤亮度指數(shù)

發(fā)育中的泥石流主要是裸露的土壤和植被稀少的地表，在SPOT5圖像中的光譜特征主要表現(xiàn)為較亮的圖斑。為了將其與周圍地物區(qū)分開來，選用土壤亮度指數(shù)作為一個(gè)可選指數(shù)，常用的土壤亮度指數(shù)有歸一化差值土壤亮度指數(shù)(NDSI)和基于纓帽變換(tasseled cap transformation)的土壤亮度指數(shù)(brightness index，BI)等。本文經(jīng)過反復(fù)研究發(fā)現(xiàn)，NDSI能夠很好地反映泥石流在SPOT5圖像中的光譜特征，其計(jì)算公式為

式中GREEN為綠波段的亮度值。

NDSI的計(jì)算結(jié)果如圖1(b)所示，圖中白色和灰白色圖斑代表裸露土壤和植被稀少土壤的地區(qū)，其亮度值比較高。

1.3 主成分變換

由于多波段數(shù)據(jù)經(jīng)常是高度相關(guān)的，主成分變換通過坐標(biāo)軸旋轉(zhuǎn)使數(shù)據(jù)的方差達(dá)到最大，生成互不相關(guān)的波段，從而達(dá)到消除噪聲和減少數(shù)據(jù)集維數(shù)的目的。SPOT5圖像的4個(gè)波段從不同的光譜特征和空間特征反映了不同地物信息之間的區(qū)別與聯(lián)系，并且其主成分變換后的第一主成分包含了90%以上的地物信息，因此選用主成分變換提取的第一主成分(PC1)作為一個(gè)遙感指數(shù)，其能夠較好地反映泥石流的遙感圖像本底值。PC1的計(jì)算結(jié)果如圖1(c)所示，圖中各類地物的邊界更為清晰。

2 遙感自動(dòng)提取關(guān)鍵技術(shù)

2.1 溝谷中心線提取

王一川等［3］提出過一種基于DEM的溝谷中心線提取算法，該算法從數(shù)學(xué)形態(tài)學(xué)的角度出發(fā)，利用移動(dòng)窗口(3×3或者5×5)在DEM上移動(dòng)進(jìn)行溝谷點(diǎn)的判斷，最終提取出溝谷中心線。圖2為3×3移動(dòng)窗口示意圖。

圖2 3×3移動(dòng)窗口Fig.2 3 ×3 moving window

其判斷條件為:

1)若(g［i，j－ 1］－ g［i，j］)(g［i，j+1］－g［i，j］) ＞0，且(g［i+1，j］－ g［i，j］)(g［i－ 1，j］－g［i，j］) ＜0，

當(dāng) g［i，j－1］＞ g［i，j］時(shí)，g［i，j］為山谷點(diǎn);

當(dāng) g［i，j－1］＜ g［i，j］時(shí)，g［i，j］為山脊點(diǎn)。

2)若(g［i － 1，j］－ g［i，j］)(g［i+1，j］－g［i，j］) ＞0，且(g［i，j－1］－ g［i，j］)(g［i，j+1］－g［i，j］) ＜0，

當(dāng) g［i－1，j］＞ g［i，j］時(shí)，g［i，j］為山谷點(diǎn);

當(dāng) g［i－1，j］＜ g［i，j］時(shí)，g［i，j］為山脊點(diǎn);

當(dāng)且僅當(dāng) (g［i－1，j］－ g［i，j］)(g［i+1，j］－g［i，j］)=0 時(shí)，g［i，j］在此方向上是平地。

本文在此基礎(chǔ)上，針對(duì)DEM數(shù)據(jù)本身的誤差和溝谷中心線提取結(jié)果的準(zhǔn)確性做了2點(diǎn)改進(jìn):

1)由于DEM數(shù)據(jù)在采集和加工時(shí)難免帶來的誤差，導(dǎo)致DEM數(shù)據(jù)中存在一些孤立點(diǎn)(和周圍點(diǎn)的值相差較大的點(diǎn))，因此在DEM的預(yù)處理過程中通過低通濾波來去除噪聲點(diǎn)的干擾，使DEM數(shù)據(jù)在一定范圍內(nèi)保持地形的連續(xù)性特征，從而使提取的溝谷中心線盡可能少地出現(xiàn)短枝和離散點(diǎn)。

2)文獻(xiàn)［3］中建議使用3×3或者5×5的小窗口進(jìn)行移動(dòng)匹配，利用小窗口雖然計(jì)算速度較快，但是本文通過試驗(yàn)發(fā)現(xiàn)，窗口太小提取出來的溝谷中心線會(huì)出現(xiàn)較多的斷裂現(xiàn)象。鑒于此，本文將移動(dòng)窗口大小設(shè)置為17×17。另外，由于本文是基于IDL語言實(shí)現(xiàn)泥石流自動(dòng)提取，而IDL語言對(duì)矩陣的執(zhí)行效率相當(dāng)高，所以利用較大窗口來匹配DEM數(shù)據(jù)，其計(jì)算速度并沒有明顯變化，且溝谷中心線的提取效果也比較理想。

提取溝谷中心線的步驟包括:首先對(duì)DEM數(shù)據(jù)做低通濾波去噪處理，處理時(shí)直接利用ENVI軟件系統(tǒng)二次開發(fā)所帶的系統(tǒng)函數(shù)(CONV_DOIT)，函數(shù)參數(shù)METHOD設(shè)為3，可以根據(jù)需要設(shè)置平滑核的大小;然后利用一個(gè)17×17的窗口在DEM數(shù)據(jù)中按照2個(gè)方向(即水平和垂直方向)進(jìn)行移動(dòng)匹配、判斷符合條件的DEM數(shù)據(jù)值，其判斷條件是:

①水平方向，若(g［i－ 1，j］－ g［i，j］＞ 0 且g［i+1，j］－g［i，j］＞0)且(g［i－2，j］－ g［i，j］＞0 且g［i+2，j］－ g［i，j］＞ 0)且(g［i－ 3，j］－ g［i，j］＞ 0 且g［i+3，j］－ g［i，j］＞ 0)且(g［i－ 4，j］－ g［i，j］＞ 0 且g［i+4，j］－ g［i，j］＞ 0)且(g［i－ 5，j］－ g［i，j］＞ 0 且g［i+5，j］－ g［i，j］＞ 0)且(g［i－ 6，j］－ g［i，j］＞ 0 且g［i+6，j］－ g［i，j］＞ 0)且(g［i－ 7，j］－ g［i，j］＞ 0 且g［i+7，j］－ g［i，j］＞ 0)且(g［i－ 8，j］－ g［i，j］＞ 0 且g［i+8，j］－g［i，j］＞0)，則 g［i，j］為溝谷點(diǎn)。

②垂直方向，若(g［i，j－ 1］－ g［i，j］＞ 0 且g［i，j+1］－g［i，j］＞0)且(g［i，j－ 2］－ g［i，j］＞ 0 且g［i，j+2］－g［i，j］＞ 0)且(g［i，j－ 3］－ g［i，j］＞ 0 且g［i，j+3］－ g［i，j］＞ 0)且(g［i，j－ 4］－ g［i，j］＞ 0 且g［i，j+4］－ g［i，j］＞ 0)且(g［i，j－ 5］－ g［i，j］＞ 0 且g［i，j+5］－ g［i，j］＞ 0)且(g［i，j－ 6］－ g［i，j］＞ 0 且g［i，j+6］－ g［i，j］＞ 0)且(g［i，j－ 7］－ g［i，j］＞ 0 且g［i，j+7］－ g［i，j］＞ 0)且(g［i，j－ 8］－ g［i，j］＞ 0 且g［i，j+8］－g［i，j］＞0)，則 g［i，j］為溝谷點(diǎn)。

需要說明的是，IDL中數(shù)組索引下標(biāo)采用列行順序。

盡管已經(jīng)對(duì)DEM數(shù)據(jù)進(jìn)行了上述預(yù)處理，但是難免提取出的溝谷中心線仍然存在一些短枝和離散點(diǎn)(圖3(a))。因此，需要對(duì)提取結(jié)果中殘存的短枝和離散點(diǎn)進(jìn)一步剔除，并對(duì)提取結(jié)果進(jìn)行數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算，以提高溝谷中心線的連續(xù)性。先膨脹后腐蝕的過程稱為“閉運(yùn)算”(先通過膨脹運(yùn)算將不連續(xù)的溝谷中心線連接起來，再通過腐蝕運(yùn)算將因膨脹而變“肥大”的溝谷中心線“瘦身”而恢復(fù)原貌)，得到較為準(zhǔn)確、連續(xù)的溝谷中心線(圖3(b));最后對(duì)連續(xù)的溝谷中心線作形態(tài)學(xué)膨脹運(yùn)算(膨脹核大小為5×5)后，得到溝谷范圍(圖3(c))。

圖3 溝谷中心線與溝谷范圍提取結(jié)果Fig.3 Extraction result for central lines of valley and valley ranges

2.2 閾值自動(dòng)選取

將上述計(jì)算的NDVI，NDSI和PC1這3個(gè)遙感指數(shù)灰度圖像合成，并再次進(jìn)行主成分變換提取新的第一主成分;對(duì)所得到的灰度圖像需要選擇合適的閾值提取非植被信息和裸土信息。研究發(fā)現(xiàn)，經(jīng)上述計(jì)算后得到的第一主成分圖像的直方圖存在多個(gè)波峰和波谷，為此，本文對(duì)Tsai［14］提出的基于雙峰直方圖的閾值選取算法進(jìn)行了改進(jìn)。改進(jìn)后的算法針對(duì)新的第一主成分圖像具有植被的灰度值較低、裸地的灰度值較高的特性，尋找多峰直方圖中的多個(gè)波谷，并計(jì)算出對(duì)應(yīng)于多個(gè)波谷的多個(gè)閾值。

由于計(jì)算后得到的新的第一主成分圖像的灰度值為負(fù)數(shù)和小數(shù)，為了計(jì)算方便，首先要對(duì)圖像的直方圖做預(yù)處理。在實(shí)驗(yàn)區(qū)圖像的直方圖中，灰度值在0和255處都有較多像元。根據(jù)波峰波谷的定義，灰度值在0和255兩個(gè)端點(diǎn)的直方圖的波峰不存在，而實(shí)際上這2個(gè)值恰恰對(duì)應(yīng)于植被和裸地。為此，在原始灰度直方圖頭尾各增加一個(gè)值為0的像元，使直方圖兩端多了2個(gè)波峰或波谷。這樣既不違反波峰的定義，又可以把灰度值0和255處當(dāng)作波峰處理。經(jīng)預(yù)處理后，就可以利用閾值自動(dòng)選取算法對(duì)直方圖進(jìn)行迭代濾波和閾值計(jì)算，實(shí)現(xiàn)非植被信息和裸地信息的自動(dòng)提取。

3 自動(dòng)提取與分析

3.1 泥石流自動(dòng)提取流程

本文基于ENVI+IDL軟件平臺(tái)開發(fā)的泥石流自動(dòng)提取系統(tǒng)的技術(shù)流程如圖4所示。

圖4 泥石流自動(dòng)提取流程Fig.4 Flow chart of automatic extraction of debris flow

包括如下4個(gè)重要部分:

1)泥石流信息遙感圖像本底值計(jì)算(圖4①)。通過對(duì)植被指數(shù)(NDVI)、土壤亮度指數(shù)(NDSI)和遙感圖像經(jīng)主成分變換得到的第一主成分(PC1)圖像的集成計(jì)算和新一輪主成分變換，獲取新的第一主成分圖像。該灰度圖像中，泥石流與周圍地物的光譜值差異被增大，便于利用閾值自動(dòng)選擇算法準(zhǔn)確有效地提取泥石流候選區(qū)域。

2)閾值自動(dòng)選取(圖4②)。對(duì)獲取的新的第一主成分圖像，利用改進(jìn)后的基于多峰直方圖的閾值自動(dòng)選取算法進(jìn)行泥石流閾值自動(dòng)獲取，并根據(jù)獲取的閾值提取出泥石流候選區(qū)域。由于新的灰度圖像中存在部分不純凈的像元，在提取的泥石流候選區(qū)域的二值圖像中存在離散點(diǎn)和空洞點(diǎn)，因此要利用形態(tài)學(xué)濾波的閉運(yùn)算(先膨脹后腐蝕)對(duì)離散點(diǎn)和空洞點(diǎn)進(jìn)行剔除。

3)溝谷范圍提取(圖4③)。首先，基于DEM數(shù)據(jù)和改進(jìn)的溝谷中心線算法提取溝谷中心線。由于地形總會(huì)存在一些洼地、鞍點(diǎn)和局部的一些小平原［3］，且DEM數(shù)據(jù)在采集和處理過程中會(huì)帶來各種誤差，導(dǎo)致提取的溝谷中心線出現(xiàn)短枝和離散點(diǎn)，因此在提取溝谷中心線之前要對(duì)DEM數(shù)據(jù)進(jìn)行平滑處理，在溝谷中心線提取之后還要對(duì)溝谷中心線提取結(jié)果進(jìn)行形態(tài)學(xué)濾波處理，以消除短枝和離散點(diǎn)。然后，對(duì)消除短枝和離散點(diǎn)后的溝谷中心線再作形態(tài)學(xué)閉運(yùn)算，以獲得連續(xù)性較好的溝谷中心線(圖3(b))。最后，利用形態(tài)學(xué)濾波對(duì)已獲取的連續(xù)溝谷中心線進(jìn)行一定核大小(5×5)的膨脹運(yùn)算，得到溝谷范圍(圖3(c))。經(jīng)上述處理后的溝谷范圍比較符合溝谷的連續(xù)性特征，便于與泥石流候選區(qū)進(jìn)行匹配。

4)泥石流信息篩選(圖4④)。基于泥石流候選區(qū)的二值圖像和溝谷范圍二值圖像做圖像匹配處理，得到疑似泥石流柵格圖斑，并將其矢量化;然后以泥石流形成的條件和泥石流的空間特征為篩選條件對(duì)疑似泥石流矢量圖斑進(jìn)行面積、坡度和順坡性篩選，最終得到泥石流矢量圖斑。

3.2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)區(qū)位于福建省永泰縣同安鎮(zhèn)地區(qū)。采用2004年12月12日獲取的SPOT5多波段圖像數(shù)據(jù)(空間分辨率為10 m)。實(shí)驗(yàn)中假彩色合成圖像采用 B2(R)，B1(G)，B3(B)的波段組合(圖 5(a))。該區(qū)地勢(shì)山高坡陡，殘坡積土體厚寬大，土層結(jié)構(gòu)松散，又由于常年降雨豐富，地表人為活動(dòng)劇烈，該地區(qū)成為泥石流多發(fā)區(qū)之一。

根據(jù)上述泥石流自動(dòng)提取流程，初步提取的疑似泥石流柵格結(jié)果如圖5(b)所示，其中有一部分誤提的圖斑和一些噪聲點(diǎn)，因此還要將其矢量化以后根據(jù)面積、坡度和順坡性進(jìn)行篩選，最后提取的泥石流結(jié)果與原始的假彩色合成圖像(圖5(a))的疊加顯示見圖5(c)(圖中藍(lán)色圖斑為提取的泥石流信息)。

圖5 泥石流提取結(jié)果Fig.5 Extraction result of debris flow

通過對(duì)泥石流的自動(dòng)提取結(jié)果和人工目視解譯結(jié)果的對(duì)比分析與驗(yàn)證，說明本文方法提取的結(jié)果具有較高的準(zhǔn)確度。在實(shí)驗(yàn)結(jié)果的分析驗(yàn)證中，為了更加直觀準(zhǔn)確地進(jìn)行人工目視解譯并保證解譯結(jié)果的準(zhǔn)確性，將提取的泥石流結(jié)果與該地區(qū)三維透視立體影像圖疊加(局部效果如圖6所示，紅色圓圈內(nèi)為提取的泥石流)，根據(jù)經(jīng)驗(yàn)從泥石流的形成條件和植被發(fā)育程度、坡度坡向和順坡性等泥石流解譯標(biāo)志進(jìn)行人工目視解譯和對(duì)比分析。結(jié)果表明，本文方法提取的泥石流信息較為準(zhǔn)確合理，與基于野外經(jīng)驗(yàn)的人工目視解譯的結(jié)果較為吻合。

圖6 泥石流提取結(jié)果與三維透視立體影像圖疊加(觀察方位角為60°，高度角為30°;紅色圓圈內(nèi)為提取的泥石流)Fig.6 Superposition of debris flow extraction result and 3D perspective image

4 結(jié)論

泥石流信息的提取往往涉及到多個(gè)方面。本文基于泥石流的地學(xué)特征、遙感成像機(jī)理和遙感圖像本底值，提出將歸一化差值植被指數(shù)(NDVI)、歸一化差值土壤亮度指數(shù)(NDSI)和圖像經(jīng)主成分變換得到的第一主成分(PC1)等3種遙感指數(shù)集成來增強(qiáng)遙感圖像中裸地、植被稀少區(qū)域和泥石流周圍區(qū)域的光譜值差異，通過閾值自動(dòng)選取獲取泥石流閾值，結(jié)合DEM數(shù)據(jù)確定泥石流的溝谷范圍，準(zhǔn)確圈定了泥石流的空間位置，為泥石流的自動(dòng)提取提供了有效手段。

經(jīng)實(shí)驗(yàn)表明，本文提出的方法和技術(shù)有較好的適用性。但是，泥石流遙感信息的自動(dòng)提取涉及的因素很多且很復(fù)雜，這無疑也增大了泥石流信息自動(dòng)提取的難度和準(zhǔn)確性，如在連續(xù)溝谷中心線經(jīng)形態(tài)學(xué)膨脹運(yùn)算得到溝谷范圍的過程中，對(duì)連續(xù)溝谷中心線膨脹的寬度(膨脹核大小)是一個(gè)不確定的值，需要根據(jù)實(shí)際溝谷范圍的平均值并經(jīng)過反復(fù)試驗(yàn)才能確定比較合理的值，這些問題還有待于在以后的研究中進(jìn)行探討。

［1］吳 平，鄭文曉.泥石流的形成條件及其防治措施［J］.西部探礦工程，2008(3):4－5.Wu P，Zheng W X.Formation Conditions and Preventive Measures of Mudslides［J］.West－ China Exploration Engineering，2008(3):4－5(in Chinese).

［2］余 斌，楊永紅，蘇永超，等.甘肅省舟曲8.7特大泥石流調(diào)查研究［J］.工程地質(zhì)學(xué)報(bào)，2010，18(4):437 －444.Yu B，Yang Y H，Su Y C，et al.Research on the Giant Debris Flow Hazards in Zhouqu County，Gansu Province on August 7，2010［J］.Journal of Engineering Geology，2010，18(4):437 － 444(in Chinese with English Abstract).

［3］王一川，秦 軍.基于DEM自動(dòng)提取泥石流溝谷邊緣線算法的試驗(yàn)［J］.四川測(cè)繪，2006，29(1):28 －31.Wang Y C，Qin J.The Test of Auto Extract Debris Flow Channels’Edge Arithmetic by DEM［J］.Surveying and Mapping of Sichuan，2006，29(1):28 －31(in Chinese with English Abstract).

［4］白志勇.陸地衛(wèi)星SPOT、TM數(shù)據(jù)復(fù)合影象在泥石流調(diào)查中的應(yīng)用［J］.水土保持學(xué)報(bào)，2001，15(1):116 －119.Bai Z Y.Application of Synthetic Satellite Image of SPOT and TM Data in Debris Flow Investigation［J］.Journal of Soil and Water Conservation，2001，15(1):116 － 119(in Chinese with English Abstract).

［5］蘇鳳環(huán)，劉洪江，韓用順.汶川地震山地災(zāi)害遙感快速提取及其分布特點(diǎn)分析［J］.遙感學(xué)報(bào)，2008，12(6):956 －963.Su F H，Liu H J，Han Y S.The Extraction of Mountain Hazard Induced by Wenchuan Earthquake and Analysis of Its Distributing Characteristic［J］.Journal of Remote Sensing，2008，12(6):956 －963(in Chinese with English Abstract).

［6］唐 川，丁 軍，梁京濤.汶川震區(qū)北川縣城泥石流源地特征的遙感動(dòng)態(tài)分析［J］.工程地質(zhì)學(xué)報(bào)，2010，18(1):1 －7.Tang C，Ding J，Liang J T.Remote Sensing Images Based Observational Analysis on Characters of Debris Flow Source Areas in Beichuan County of Wenchuan Earthquake Epicenter Region［J］.Journal of Engineering Geology，2010，18(1):1 － 7(in Chinese with English Abstract).

［7］唐小明，馮杭建，趙建康.基于虛擬GIS和空間分析的小流域泥石流地質(zhì)災(zāi)害遙感解譯——以嵊州市為例［J］.地質(zhì)科技情報(bào)，2008，27(2):12 －16.Tang X M，F(xiàn)eng H J，Zhao J K.Remote Sensing Interpretation of Small－water－basin Debris Flow Based on Virtual GIS and Spatial Analysis:Example from Shengzhou County［J］.Geological Science and Technology Information，2008，27(2):12 － 16(in Chinese with English Abstract).

［8］潘仲仁，曹林英.遙感技術(shù)在成昆鐵路泥石流溝調(diào)查中的應(yīng)用［J］.鐵道工程學(xué)報(bào)，2006(增刊):237 －242.Pan Z R，Cao L Y.Application of Remote Sensing Technology in Surveying Debris Flow of Chengdu － Kunming Railway［J］.Journal of Railway Engineering Society，2006(Supplement):237 －242(in Chinese with English Abstract).

［9］陳振民.環(huán)境本底值背景值基線值概念的商榷［J］.河南地質(zhì)，2000，18(2):158 －160.Chen Z M.Discussion on the Conception of the Environmental Original Value and the Environmental Background Value and the Environmental Baseline Value［J］.Henan Geology，2000，18(2):158－160(in Chinese with English Abstract).

［10］江振藍(lán)，沙晉明，楊武年.基于GIS的福州市生態(tài)環(huán)境遙感綜合評(píng)價(jià)模型［J］.國(guó)土資源遙感，2004(3):46 －48，60.Jiang Z L，Sha J M，Yang W N.Multiple Factors－ based Remote Sensing Evaluation of Ecological Environment in Fuzhou［J］.Remote Sensing for Land and Resources，2004(3):46 －48，60(in Chinese with English Abstract).

［11］李洪義，史 舟，沙晉明，等.基于人工神經(jīng)網(wǎng)絡(luò)的生態(tài)環(huán)境質(zhì)量遙感評(píng)價(jià)［J］.應(yīng)用生態(tài)學(xué)報(bào)，2006，17(8):1475 －1480.Li H Y，Shi Z，Sha J M，et al.Evaluation of Eco － environmental Quality Based on Artificial Neural Network and Remote Sensing Technique［J］.Chinese Journal of Applied Ecology，2006，17(8):1475－1480(in Chinese with English Abstract).

［12］江振藍(lán)，沙晉明.植被生態(tài)環(huán)境遙感本底值研究——以福州市為例［J］.福建師范大學(xué)學(xué)報(bào):自然科學(xué)版，2008，24(4):80－85.Jiang Z L，Sha J M.Research into RS Background Value of Vegetation Eco － environment:with Fuzhou Taken as an Example［J］.Journal of Fujian Normal University:Natural Science Edition，2008，24(4):80 －85(in Chinese with English Abstract).

［13］Rouse J W，Hass R H，Schell J A，et al.Monitoring Vegetation Systems in the Great Plans with ERTS［C］//Proceedings of the Third ERTS Symposium NASA:SP351 I，1973:309 －317.

［14］Tsai D M.A Fast Thresholding Selection Procedure for Multimodal and Unimodal Histograms［J］.Pattern Recognition Letters，1995，16:653－666.

A Method for Automatic Extraction of Debris Flow Based on SPOT5 Image

XIE Fei，YANG Shu －wen，LI Yi－kun，LIU Tao
(School of Mathematics，Physics＆ Software Engineering，Lanzhou Jiaotong University，Lanzhou 730070，China)

Based on achievements obtained by previous researchers，the authors put forward a method for automatically extracting debris flow based on SPOT5 image and DEM data.Firstly，this method uses integrated computing of three indices of remote sensing，i.e.，the index of vegetation，the soil brightness index and the first principal component of the image after KL transformation，for the acquisition of a new principal component transformed image，and then extracts the bare land information containing debris flow by using automatic threshold selection algorithm.Secondly，on the basis of the DEM data at the scale of 1:10000，the valley central lines are extracted by using the improved valley line extraction algorithm，and the valley range is figured out by using the mathematical morphology filtering algorithm.Finally，the suspicious debris flow pattern is matched with the valley range pattern，and the vectorized result is screened in the aspects of area and slope.On such a basis，the information of existing or potential debris flows is obtained.The experimental results show that the extraction model of debris information from SPOT5 image can accurately and effectively extract the debris flow information.

debris flow;SPOT5;DEM;automatic extraction

TP 751.1

A

1001－070X(2012)03－0078－06

2011－09－23;

2011－10－21

中鐵第四勘察設(shè)計(jì)院集團(tuán)有限公司基金項(xiàng)目(編號(hào):2009D06－1)資助。

10.6046/gtzyyg.2012.03.15

謝 飛(1984－)，男，碩士研究生，主要研究方向?yàn)檫b感數(shù)字圖像處理、信息識(shí)別與提取。E－mail:443866295@qq.com。

(責(zé)任編輯:劉心季)