“高分二號(hào)”衛(wèi)星數(shù)據(jù)遙感滑坡災(zāi)害識(shí)別研究——以云南東川為例

劉肖姬 梁樹能 吳小娟 甘甫平

（1 中國(guó)地質(zhì)大學(xué)北京地球科學(xué)與資源學(xué)院，北京 100083）

（2 中國(guó)國(guó)土資源航空物探遙感中心，北京 100083）（3 武漢大學(xué)遙感工程學(xué)院，武漢 430027）

0 引言

我國(guó)是一個(gè)地質(zhì)災(zāi)害多發(fā)的國(guó)家，因而研究地質(zhì)災(zāi)害成因和防治具有巨大的現(xiàn)實(shí)意義。從 20世紀(jì)80年代起，國(guó)內(nèi)就開始系統(tǒng)地研究地質(zhì)災(zāi)害，期間的研究主要集中于鐵路、公路及其它工程建設(shè)的斜坡穩(wěn)定性方面，為工程建設(shè)提供理論依據(jù)。90年開始，部分地質(zhì)研究人員將遙感、地理信息系統(tǒng)（geo-information system，GIS）和地質(zhì)災(zāi)害研究結(jié)合起來，為地質(zhì)災(zāi)害研究提供了方便快捷的獲取、處理及分析數(shù)據(jù)的方式，極大提高了研究速度。特別是近年來國(guó)產(chǎn)衛(wèi)星的發(fā)射，為國(guó)土資源調(diào)查與監(jiān)測(cè)、農(nóng)林水利、生態(tài)環(huán)境、防災(zāi)減災(zāi)等領(lǐng)域的研究提供了極大的便利。文獻(xiàn)[1]利用中巴“資源”衛(wèi)星對(duì)福建南平地質(zhì)災(zāi)害進(jìn)行了動(dòng)態(tài)遙感解譯；文獻(xiàn)[2]利用“環(huán)境一號(hào)”衛(wèi)星高光譜數(shù)據(jù)開展了減災(zāi)應(yīng)用研究，提高了災(zāi)害預(yù)警監(jiān)測(cè)能力和災(zāi)害預(yù)警監(jiān)測(cè)精度；文獻(xiàn)[3]利用“高分一號(hào)”衛(wèi)星多光譜遙感數(shù)據(jù)提出了一種基于多特征的面向?qū)ο蠓诸惙椒?，?duì)分水嶺進(jìn)行了分割，該方法可以有效的提高遙感圖像分類精度。

2014年發(fā)射的“高分二號(hào)”（GF-2）衛(wèi)星，其數(shù)據(jù)的高空間分辨率、高輻射精度等特征為地質(zhì)災(zāi)害研究提供了更加可靠的數(shù)據(jù)支持。GF-2衛(wèi)星具有全色0.8m的空間分辨率，多光譜3.2m的空間分辨率，以及優(yōu)于 45km的觀測(cè)幅寬，且同時(shí)還有高輻射精度、高定位精度等特點(diǎn)[4]。本文以地質(zhì)災(zāi)害頻發(fā)的云南東川區(qū)為例，選擇已經(jīng)發(fā)生滑坡的區(qū)域，通過對(duì)研究區(qū) GF-2衛(wèi)星數(shù)據(jù)進(jìn)行正射校正、配準(zhǔn)、融合、裁剪等操作，并利用面向?qū)ο蠓诸惙椒ㄟM(jìn)行影像分割、合并分塊，建立分類規(guī)則，剔除誤分對(duì)象，最后得到研究區(qū)滑坡位置信息。在進(jìn)行分類規(guī)則建立時(shí)，需結(jié)合研究區(qū)的高程和植被覆蓋數(shù)據(jù)，分析滑坡易發(fā)區(qū)的植被、高程等特點(diǎn)，建立滑坡區(qū)的光譜、紋理和空間分類規(guī)則?；聰?shù)據(jù)的識(shí)別證實(shí)了 GF-2衛(wèi)星在滑坡災(zāi)害識(shí)別方面的適用性。

1 研究區(qū)概況

東川是云南省昆明市所轄五區(qū)之一，東鄰曲靖市會(huì)澤縣，南接昆明市尋甸縣，西連昆明市祿勸縣，北與四川省會(huì)東縣隔金沙江相望。東川區(qū)地處云貴高原北部邊緣，屬川滇經(jīng)向構(gòu)造帶與華夏東北構(gòu)造帶結(jié)合過度部位。境內(nèi)山高谷深，地勢(shì)陡峻，最高海拔為4 344.1m，最低海拔695m，高差3 649.1m。區(qū)內(nèi)有小江流域南北縱貫，沿江有規(guī)模巨大的小江斷裂帶，活動(dòng)強(qiáng)烈。年平均降水量為1 000.5mm，月最大降雨量208.3mm，日最大降雨量153.3mm，降雨主要集中在5～9月。境內(nèi)氣流、降水、土壤、植被等方面的差異使區(qū)內(nèi)呈現(xiàn)了“一山分四季，十里不同天”的立體氣候。且東川區(qū)內(nèi)礦產(chǎn)資源豐富，歷史上就是有名的銅礦采集區(qū)，素有“天南銅都”之稱[5]。圖1顯示的遙感影像是從獲取的GF-2衛(wèi)星影像中裁剪的不含云覆蓋的研究區(qū)，研究區(qū)內(nèi)分布有道路、植被、水體、居民地及山體，可以看出區(qū)內(nèi)部分山體同周圍山體的顏色不同，呈現(xiàn)亮色調(diào)，且沒有植被覆蓋。

2 GF-2衛(wèi)星數(shù)據(jù)的預(yù)處理

GF-2衛(wèi)星幅寬45km，軌道高度640km。全色空間分辨率優(yōu)于0.8m，光譜范圍0.45～0.90μm；多光譜空間分辨率優(yōu)于3.2m，包括藍(lán)、綠、紅、近紅外4個(gè)波段，光譜范圍分別為0.45～0.52μm、0.52～0.59μm、0.63～0.69μm、0.77～0.89μm[6]。

圖1 研究區(qū)位置及GF-2衛(wèi)星影像Fig.1 Location of the study area and GF-2 data

研究選取了2014年12月29日14:46:16獲取的覆蓋部分東川區(qū)的影像。由于遙感系統(tǒng)空間、時(shí)間以及輻射分辨率的限制，很難精確地記錄復(fù)雜地表信息，在數(shù)據(jù)獲取過程中不可避免的會(huì)出現(xiàn)誤差，這些誤差降低了遙感數(shù)據(jù)的質(zhì)量，從而影響了圖像分析的精度。因而在進(jìn)行應(yīng)用前有必要對(duì)圖像進(jìn)行預(yù)處理。本研究中所涉及的 GF-2衛(wèi)星數(shù)據(jù)的預(yù)處理主要包括影像正射校正、圖像配準(zhǔn)、圖像融合和數(shù)據(jù)裁剪等。

2.1 正射校正

正射校正是利用地面控制點(diǎn)與相機(jī)或衛(wèi)星模型結(jié)合，確立傳感器、圖像與地面3個(gè)平臺(tái)關(guān)系，建立校正公式，生成多中心投影平面正射圖像的過程，它在糾正了受系統(tǒng)因素影響產(chǎn)生的幾何畸變的基礎(chǔ)上，還消除了地形引起的畸變[7]。一般是通過在像片上選取一些地面控制點(diǎn)，并利用影像范圍內(nèi)的數(shù)字高程模型（digital elevation model，DEM）數(shù)據(jù)，對(duì)影像進(jìn)行傾斜改正和投影差改正。

選擇比例尺為1∶10 000的覆蓋研究區(qū)的高程圖，利用遙感影像處理軟件ENVI5.1的正射校正工具，根據(jù)GF-2衛(wèi)星數(shù)據(jù)自帶的有理多項(xiàng)式系數(shù)（RPC）文件，以Generic RPC and RSM為校正模型，對(duì)選擇的GF-2衛(wèi)星數(shù)據(jù)進(jìn)行校正，輸出的坐標(biāo)系參數(shù)為：Proj:UTM, Zone 48 North；Datum:D_WGS_1984；線性單位：Meter (1.000 000)；False_Easting：500 000；Scale_Factor：0.999 6。影像正射校正的參數(shù)設(shè)置及輸出坐標(biāo)系，如圖2所示。

圖2 GF-2衛(wèi)星影像正射校正參數(shù)設(shè)置Fig.2 Orthorectification parameter of GF-2 data

2.2 圖像配準(zhǔn)

圖像配準(zhǔn)指在同一區(qū)域里通過一幅圖像（基準(zhǔn)圖像）對(duì)另一幅圖像的校準(zhǔn)，以使兩幅圖像中的同名像元配準(zhǔn)。通過觀察發(fā)現(xiàn)研究所需的GF-2衛(wèi)星遙感影像的1m全色數(shù)據(jù)和4m多光譜數(shù)據(jù)間同名點(diǎn)存在比較明顯的幾何偏差，必須進(jìn)行數(shù)據(jù)的圖像配準(zhǔn)。

本次以1m全色數(shù)據(jù)為基準(zhǔn)，采用手動(dòng)選擇控制點(diǎn)和軟件自動(dòng)配準(zhǔn)功能相結(jié)合，利用控制點(diǎn)二次多項(xiàng)式擬合校正方法對(duì)4m多光譜影像數(shù)據(jù)進(jìn)行校正，控制點(diǎn)的選取分布均勻、合理，校正處理的均方根（RMS）誤差控制在0.5個(gè)像元內(nèi)。圖像配準(zhǔn)控制點(diǎn)分布如下，控制點(diǎn)誤差如圖3所示。

圖3 GF-2衛(wèi)星影像配準(zhǔn)Fig.3 Image registration of GF-2 data

2.3 影像融合

影像融合是將低空間分辨率的多光譜影像或高光譜數(shù)據(jù)與高空間分辨率的單波段影像重采樣生成一幅高分辨率多光譜影像的圖像處理技術(shù)，使得處理后的影像既有較高的空間分辨率，又具有多光譜特征[8]。

對(duì)完成圖像配準(zhǔn)后的1m全色和4m多光譜數(shù)據(jù)進(jìn)行影像數(shù)據(jù)的融合處理，融合前后影像如圖4所示。從影像對(duì)比中可以發(fā)現(xiàn)融合前的影像地物顯示模糊，地物邊界不清楚。融合后的影像可以清楚地分辨地物的邊界，保持了地物的空間紋理信息，達(dá)到了提高分辨率的融合目的。

圖4 影像融合前后效果對(duì)比Fig.4 Contrast of image fusions before and after fusion

2.4 影像裁剪

選擇不含云且陰影較少的區(qū)域，利用ENVI5.1的感興趣區(qū)裁剪對(duì)融合后的影像做裁剪，得到研究區(qū)影像。

3 面向?qū)ο蟮牡刭|(zhì)災(zāi)害信息提取

本文中滑坡的識(shí)別通過面向?qū)ο蠓诸惙椒▉韺?shí)現(xiàn)。面向?qū)ο蠓诸惙椒ㄊ且环N智能化的自動(dòng)影像分類方法，它的分析單元是由若干像素組成的像素群，即具有實(shí)際意義和特征意義的目標(biāo)對(duì)象。面向?qū)ο蠓诸惣夹g(shù)集合臨近像元為對(duì)象用來識(shí)別感興趣的光譜要素，充分利用高分辨率的全色和多光譜數(shù)據(jù)的空間、紋理和光譜信息來分割和分類的特點(diǎn)，并以高精度的分類結(jié)果或者矢量輸出。它主要分成兩個(gè)過程：影像對(duì)象構(gòu)建和對(duì)象的分類[9]。

影像對(duì)象構(gòu)建主要用了影像分割技術(shù)，常用分割方法包括基于多尺度的、基于灰度的紋理的、基于知識(shí)的及基于分水嶺的等分割算法。研究采用多尺度分割算法對(duì)影像進(jìn)行分割，這是一種從單像素對(duì)象開始的自下而上的區(qū)域合并算法[10]。多尺度分割是基于同質(zhì)性或異質(zhì)性準(zhǔn)則將一幅影像劃分為若干有意義的子區(qū)域（影像對(duì)象）的過程，在這個(gè)過程中，像素的平均異質(zhì)性最小，每個(gè)像素均勻地接收了像素所在的影像對(duì)象的異質(zhì)性。

影像對(duì)象的分類，這里選擇面向?qū)ο蠡谥R(shí)的分類方法。基于知識(shí)分類是根據(jù)影像對(duì)象的特征來設(shè)定規(guī)則進(jìn)行分類。

高分遙感影像災(zāi)害信息識(shí)別需要對(duì)綜合目標(biāo)的光譜特征、幾何信息以及結(jié)構(gòu)信息等進(jìn)行分割[11]。對(duì)象是目標(biāo)特征表達(dá)的載體，通過分割準(zhǔn)確地構(gòu)建能夠表達(dá)目標(biāo)特征的對(duì)象是高分影像災(zāi)害因子提取的關(guān)鍵。

3.1 多尺度影像分割

影像分割是遙感影像面向?qū)ο蠓诸惖那疤?，影像分割的結(jié)果（影像對(duì)象）直接影響目標(biāo)信息的識(shí)別精度[12]。

本研究采用 ENVI5.1自帶的面向?qū)ο筇卣魈崛。╢eature extraction）工具進(jìn)行分類，選擇 feature extraction工具中基于規(guī)則的特征提取（rule based feature extraction），將裁剪所得到的研究區(qū)影像導(dǎo)入進(jìn)行影像分割，分割時(shí)以DEM數(shù)據(jù)作為輔助數(shù)據(jù)，并利用影像波段3、波段4計(jì)算植被指數(shù)，色彩選擇321波段真彩色組合，經(jīng)過試驗(yàn)選擇合適的分割、合并尺度（分割尺度30，合并尺度90）進(jìn)行影像分割。圖5為按照規(guī)則執(zhí)行的影像分割結(jié)果。

圖5 影像分割結(jié)果Fig.5 Results of image segmentation

3.2 影像對(duì)象分類

在遙感影像中滑坡災(zāi)害通過造成正常自然地形地貌破壞，使得圖像的色調(diào)、紋理和圖案等出現(xiàn)異常顯示。

植被的根莖有保持水土的作用，同時(shí)還有利于減緩坡面水流速度和下滲速度。植被覆蓋度還在一定程度上反映了人類的活動(dòng)方式對(duì)滑坡活動(dòng)的影響[13]?；露喟l(fā)生在植被覆蓋率低的區(qū)域，分析研究區(qū)的影像特征，發(fā)現(xiàn)滑坡區(qū)的植被不發(fā)育，植被指數(shù)值低，根據(jù)這一特點(diǎn)，選擇分割時(shí)計(jì)算的植被指數(shù)來建立分類規(guī)則，經(jīng)過多次試驗(yàn)將歸一化植被指數(shù)值范圍在[–0.389 99,0.007 02]的區(qū)域分為初步滑坡區(qū)進(jìn)行下一步的滑坡分類。

滑坡發(fā)生區(qū)往往因耕地破壞、植被傾倒、巖體破壞變形等出現(xiàn)高反射，色調(diào)上多表現(xiàn)為灰白色。對(duì)于特定空間分辨率和成像條件下的遙感圖像，區(qū)域亮度過飽和導(dǎo)致滑坡邊緣難以檢測(cè)。因此采用閾值分割提取較亮的滑坡區(qū)作為潛在滑坡區(qū)域的補(bǔ)充[14]。分析分割后的影像可知滑坡所在區(qū)域藍(lán)光波段的反射值大于400，因而在建立分類規(guī)則時(shí)，在上一步分類的基礎(chǔ)上，設(shè)置規(guī)則為藍(lán)光波段的光譜均值大于456，去除陰影、水體等干擾因素，得到一個(gè)滑坡的大致范圍。

不同高程的地區(qū)，其斜坡相對(duì)高度差異較大，高程與斜坡的穩(wěn)定性具有一定關(guān)系[15]。高程通過影響水系的發(fā)育、土壤類型、人類活動(dòng)等對(duì)滑坡的發(fā)生發(fā)育產(chǎn)生影響。對(duì)研究區(qū)的高程統(tǒng)計(jì)發(fā)現(xiàn)，滑坡發(fā)生的高程范圍在900～1 600m范圍內(nèi)。以高程范圍[919, 1 380]m建立分類規(guī)則，提取出滑坡發(fā)生區(qū)。

按照上述建立的規(guī)則，輸出矢量類型和柵格類型的滑坡分類結(jié)果，將滑坡的分類矢量結(jié)果和原始影像疊加效果顯示如圖6所示，其中紅色線顯示的區(qū)域?yàn)榛谝?guī)則面向?qū)ο筇崛〉幕聟^(qū)域。

將提取結(jié)果與遙感影像疊加發(fā)現(xiàn)，由于部分居民區(qū)和道路的高反射率，在遙感影像中顯示出和滑坡顏色相近的白色，且其高程在滑坡發(fā)生的范圍內(nèi)，因而未能將這部分道路和居民區(qū)完整的剔除。在輸出的滑坡分類數(shù)據(jù)中，其分割后的光譜、紋理、空間信息被完整的保存，根據(jù)空間信息中的面積因子，選取面積值大于1 200m2，將分類結(jié)果中的非滑坡信息進(jìn)行剔除，得到完成的滑坡信息，如圖7所示。通過輸出的滑坡矢量數(shù)據(jù)可知提取的滑坡面積為18 622.1m2。

圖6 基于規(guī)則分類效果Fig.6 Results of rule-based classification

圖7 剔除干擾元素的滑坡信息Fig.7 Landslide excluding interference element

4 結(jié)束語

本次試驗(yàn)研究發(fā)現(xiàn)：采用面向?qū)ο蟮倪b感影像分類方法，結(jié)合滑坡災(zāi)害的光譜、形狀、DEM等多種信息特征，建立滑坡災(zāi)害識(shí)別規(guī)則，可以較好地從 GF-2衛(wèi)星遙感影像上提取滑坡災(zāi)害位置信息，基本滿足滑坡的災(zāi)害識(shí)別研究要求；研究滑坡易發(fā)區(qū)的DEM、植被等信息對(duì)滑坡識(shí)別提取具有重要的意義，能在很大程度上區(qū)分滑坡區(qū)與非滑坡區(qū)；通過面向?qū)ο蟮幕聻?zāi)害特征提取所輸出矢量結(jié)果可以方便的計(jì)算出滑坡的面積，對(duì)滑坡的研究提供了極大的便利。

References)

[1]徐岳仁, 何宏林, 陳立澤, 等. 基于 CBERS數(shù)據(jù)的福建南平地質(zhì)災(zāi)害動(dòng)態(tài)遙感解譯[J]. 國(guó)土資源遙感, 2014, 26(3):153-159.XU Yueren, HE Honglin, CHEN Lize, etal. Dynamic Remote Sensing Interpretation of Geological Disasters in Nanping City of Fujian Province Using CBERS Serial Data[J]. Remote Sensing for Land and Resources, 2014, 26(3): 153-159. (in Chinese)

[2]和海霞, 楊思權(quán), 陳偉濤, 等. 環(huán)境減災(zāi)衛(wèi)星高光譜數(shù)據(jù)在減災(zāi)中的應(yīng)用研究[J]. 航天器工程, 2011, 20(6): 118-125.HE Haixia, YANG Siquan, CHEN Weitao, etal. Application of HJ-1A Hyperspectral Data to the Disaster Reduction[J]. Spacecraft Engineering, 2011, 20(6): 118-125. (in Chinese)

[3]劉書含, 顧行發(fā), 余濤, 等. 高分一號(hào)多光譜遙感數(shù)據(jù)的面向?qū)ο蠓诸怺J]. 測(cè)繪科學(xué), 2014, 39(12): 91-94.LIU Shuhan, GU Xingfa, YU Tao, etal. Object-oriented Classification Method Based on GF-1 Multi-spectral Remote Sensing image[J]. Science of Surveying and Mapping, 2014, 39(12): 91-94. (in Chinese)

[4]施歌. 我國(guó)成功發(fā)射“高分二號(hào)”衛(wèi)星. [EB/OL]. (2014-08-19):[2015-2-10]. http: //news.xinhuanet.com/photo/2014-08/19/c_126890250.htm.SHI Ge. China Successfully Launched the "Gaofen II" Satellite.[EB/OL]. (2014-08-19):[ 2015-2-10]. http: //news. xinhuanet.com/photo/2014-08/19/c_126890250.htm. (in Chinese)

[5]Hancooler. 云南省昆明市轄區(qū)——東川[EB/OL]. (2014-06-24):[2015-2-10]. http: //baike.haosou.com/doc/4830953-5047780.html.Hancooler. Dongchuan District, Kunming City, Yunnan Province.[EB/OL]. (2014-06-24):[2015-2-10]. http: //baike. haosou.com/doc/4830953-5047780. html. (in Chinese)

[6]中國(guó)資源衛(wèi)星應(yīng)用中心.“高分二號(hào)”衛(wèi)星介紹[EB/OL].[2015-03-09]. http: //www. cresda. com/n16/n1130/n192766/192878.html.China Centre for Resources Satellite Data and Application. The Introduction to GF-2 Satellite[EB/OL]. [2015-03-09].http://www. cresda. com/n16/n1130/n192766/192878. html. (in Chinese)

[7]楊坤, 顧東成. ZY-1 02c星在烏蒙山區(qū)域地質(zhì)調(diào)查中的應(yīng)用[J]. 四川地質(zhì)學(xué)報(bào), 2014, 34(增刊1): 112-118.YANG Kun, GU Dongcheng. The Application of ZY-1 02c Satellite in Geological Survey in Wumeng[J]. Sichuan Geology,2014, 34(sup 1): 112-118. (in Chinese)

[8]王龍飛. 國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)在地質(zhì)災(zāi)害遙感調(diào)查中的應(yīng)用研究[D]. 北京: 中國(guó)地質(zhì)大學(xué)(北京), 2014.WANG Longfei. Application Study of Domestic Satellite Data in the Investigation of Geological Disasters[D]. Beijing: China University of Geosciences, Beijing, 2014. (in Chinese)

[9]HUANG Xin, ZHANG Liangpei. A Multilevel Decision Fusion Approach for Urban Mapping Using very High-resolution Multi/hyperspectral Imagery[J]. International Journal of Remote Sensing, 2012(33)11: 3354-3372.

[10]關(guān)元秀, 程曉陽. 高分辨率衛(wèi)星影像處理指南[M]. 北京: 科學(xué)出版社, 2008: 86-87.GUAN Yuanxiu, CHENG Xiaoyang. High-resolution Satellite Image Processing Guide[M]. Beijing, Science Press, 2008:86-87. (in Chinese)

[11]劉玲, 孟慶昕, 劉曉東. 高分衛(wèi)星遙感技術(shù)在公路地質(zhì)災(zāi)害損毀評(píng)估中的應(yīng)用[J]. 公路, 2014(4): 159-164.LIU Ling, MENG Qingxin, LIU Xiaodong. The Application of Gaofen Satellite Remote Sensing Technology in Highway Geological Disasters Assessment[J]. Highway, 2014(4): 159-164. (in Chinese)

[12]Martha T R, Kerle N V, Westen C J, etal. Object-oriented Analysis of Multi-temporal Panchromatic Images for Creation of Historical Landslide Inventories[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012(67): 105-119.

[13]羅真富, 蒲達(dá)成, 謝洪斌, 等. 基于GIS和信息量法的泥石流流域滑坡危險(xiǎn)性評(píng)價(jià)[J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2011, 21(11):144-150.LUO Zhenfu, PU Dacheng, XIE Hongbin, etal. Landslide Hazard Evaluation in Debris Flow Catchment Area Based on GIS and Information Method[J]. China Safety Science Journal. 2011, 21(11): 144-150. (in Chinese)

[14]楊萍, 姜志國(guó), 劉斌濤. 一種遙感圖像建筑物檢測(cè)新方法[J]. 航天返回與遙感, 2013, 34(5): 70-77.YANG Ping, JIANG Zhiguo, LIU Bintao. A New Approach to Building Detection in Remote Sensing Images[J]. Spacecraft Recovery amp; Remote sensing, 2013, 34(5): 70-77. (in Chinese)

[15]寧娜, 馬金珠, 張鵬, 等. 基于GIS和信息量法的甘肅南部白龍江流域泥石流災(zāi)害危險(xiǎn)性評(píng)價(jià)[J]. 資源科學(xué), 2013, 34(4):892-899.NING Na, MA Jinzhu, ZHANG Peng, etal. Debris Flow Hazard Assessment for the Bailongjiang River, Southern Gansu[J].Resources Science, 2013, 34(4): 892-899. (in Chinese)