汶川縣震后崩塌滑坡遙感信息提取

陳勇國謝 蓮彭述剛張 勇陳 賓吳 淼

（1.湖南科技大學(xué)建筑與城鄉(xiāng)規(guī)劃學(xué)院，湖南 湘潭 411201；2.湖南省地質(zhì)測繪院信息中心，湖南 衡陽 421001；3.湘潭大學(xué)能源工程學(xué)院，湖南 湘潭 411100）

汶川縣震后崩塌滑坡遙感信息提取

陳勇國1謝 蓮2彭述剛1張 勇1陳 賓3吳 淼3

（1.湖南科技大學(xué)建筑與城鄉(xiāng)規(guī)劃學(xué)院，湖南 湘潭 411201；2.湖南省地質(zhì)測繪院信息中心，湖南 衡陽 421001；3.湘潭大學(xué)能源工程學(xué)院，湖南 湘潭 411100）

崩塌、滑坡、泥石流是震后最常見的三類次生地質(zhì)災(zāi)害，震后災(zāi)區(qū)崩塌、滑坡極度發(fā)育，同時(shí)為泥石流災(zāi)害提供豐富的物源，極大的危害人類生產(chǎn)生活。文章結(jié)合TM影像和DEM地形數(shù)據(jù)，通過決策樹模型建立了汶川縣震后崩塌滑坡遙感判識(shí)標(biāo)志庫，自動(dòng)提取了該縣2009年、2010年、2013年3期崩塌滑坡災(zāi)害體，分類精度明顯優(yōu)于最大似然監(jiān)督分類法。結(jié)果表明該縣崩塌滑坡災(zāi)害體主要集中分布在斷裂帶沿線5km范圍內(nèi)、海拔1200m～3000m內(nèi)的中高山中上部位、坡度25°～70°之間的中陡坡地帶。該自動(dòng)提取模型方法解決了低分辨影像提取地質(zhì)災(zāi)害體方法單一、精度不高、效果不佳的問題，且模型可拓性強(qiáng)，適用于地質(zhì)災(zāi)害體自動(dòng)提取。

崩塌滑坡；決策樹；信息提??；ETM；汶川縣

“5.12”特大地震波及大半個(gè)中國，受災(zāi)面積達(dá) 50× 104km2，強(qiáng)震引發(fā)了大量的崩塌、滑坡、泥石流的發(fā)生[1]，據(jù)國土部門調(diào)查，災(zāi)區(qū)84個(gè)受災(zāi)縣（市）主要崩塌、滑坡、泥石流和不穩(wěn)定斜坡等災(zāi)害隱患點(diǎn)有16644處[2]。在強(qiáng)震和次生地質(zhì)災(zāi)害的影響下，造成了87149人死亡和失蹤，80%的交通干線和大部分橋梁、隧道受損，全線中斷 110天，直接經(jīng)濟(jì)損失總計(jì)9121.4108元[3]。強(qiáng)震引發(fā)的崩塌、滑坡不僅給當(dāng)?shù)貫?zāi)后重建、交通運(yùn)輸、生產(chǎn)生活和安全帶來極大阻礙和威脅，同時(shí)為泥石流的形成提供了豐富的固體物質(zhì)來源，引發(fā)了“紅椿溝泥石流”、“舟曲泥石流”等特大泥石流災(zāi)害，造成極大傷亡和損失。對(duì)災(zāi)區(qū)震后崩塌、滑坡的發(fā)生機(jī)制和原理、分布和演化規(guī)律進(jìn)行深入研究，不僅為重建改建工作和人民生命安全提供有力保障，同時(shí)對(duì)地質(zhì)災(zāi)害的深入研究和防災(zāi)減災(zāi)管理工作具有重要意義。

迅速發(fā)展的遙感技術(shù)成為地質(zhì)災(zāi)害調(diào)查和監(jiān)測的重要手段。國外，Mantovani利用TM影像和SPOT進(jìn)行了滑坡的監(jiān)測和確認(rèn)[4]；Lina CW開始利用Spot影像對(duì)震后爆發(fā)的次生泥石流物源崩塌滑坡進(jìn)行解譯，并建立了泥石流發(fā)生與松散物源類型、數(shù)量的統(tǒng)計(jì)模型[5]；Chadwick等通過多時(shí)相高分辨率影像進(jìn)行了工人解譯，研究滑坡的地表形態(tài)位移量[6]。國內(nèi)，傅文杰等人研究了向量機(jī)模型實(shí)現(xiàn)地質(zhì)災(zāi)害信息提取的研究，并通過實(shí)例分析，確定了該方法的可行性[7]。2007年，葉潤青通過影像分類方法，實(shí)現(xiàn)了三峽庫區(qū)歸州老城滑坡的光譜識(shí)別與特征提取[8]。2008年，胡德勇分析了熱帶雨林內(nèi)的滑坡遙感圖像特點(diǎn)，建立了高分遙感影像的滑坡檢測知識(shí)庫[9]?？傮w而言，國內(nèi)外對(duì)于崩塌、滑坡、泥石流的監(jiān)測和信息提取技術(shù)已比較成熟，成果也相對(duì)豐富，但大部分學(xué)者采用高分辨率影像進(jìn)行地質(zhì)災(zāi)害信息提取，成本太高且數(shù)據(jù)量很大。也有部分學(xué)者運(yùn)用面向?qū)ο蠛椭胤诸惖姆椒▽?duì) TM影像進(jìn)行災(zāi)害提取，但其模型方法不適合低分辨率影像。本文以汶川縣為研究區(qū)，通過資料收集和遙感調(diào)查，提出震后泥石流決策樹判識(shí)模型和自動(dòng)提取方法，分析了震后崩塌滑坡分布規(guī)律，為震后防災(zāi)減災(zāi)提供依據(jù)。

1 研究區(qū)概況

汶川縣位于四川省阿壩藏族羌族自治州境內(nèi)東南部，地處四川盆地向川西高原過渡地帶?？h域東西寬88km、南北長105km，總面積4084km2，G213、G317和都汶高速穿行境內(nèi)。該縣位于鄧峽山系和龍門山系之間，三面環(huán)山，山脈的走向與斷裂帶線一致，呈北東-南西走向 ，其間山高坡陡、切割強(qiáng)烈、溝床比降大，為崩塌、滑坡、泥石流等次生山地災(zāi)害的發(fā)育提供了良好條件。研究區(qū)地處龍門山構(gòu)造帶，地震活動(dòng)強(qiáng)烈，地質(zhì)構(gòu)造復(fù)雜，氣候四季分明，南濕北旱，垂直分帶明顯。

2 數(shù)據(jù)來源與處理

2.1數(shù)據(jù)來源

本研究采用的數(shù)據(jù)為30m分辨率的DEM數(shù)據(jù)和Landsat 5 TM和landsat8遙感影像數(shù)據(jù)，以上數(shù)據(jù)均可在地理空間數(shù)據(jù)云平臺(tái)免費(fèi)下載。Landsat5 TM影響包含7個(gè)分辨率為30m的波段，landsat 8包含9個(gè)波段，除新增一個(gè)B6波段和一個(gè)分辨率為15m的全色波段外，其他波段與landsat 5 TM波段相同。其中Landsat5 TM影像包括2009-6-3、2010-3-8共2期影像，Landsat 8影像則為2013-8-17共1期影像，其軌道號(hào)分別是P130R038和 P130R039。

2.2數(shù)據(jù)處理

為削弱遙感影像普遍存在的同譜異物、同物異譜對(duì)信息提取的影響，更好的提取研究目標(biāo)，需要對(duì)圖像進(jìn)行預(yù)處理，增強(qiáng)某種地物的波段特征值。本研究影像經(jīng)過校正、鑲嵌、裁剪、去云、NDVI計(jì)算、纓帽變換和主成分分析等預(yù)處理和圖像增強(qiáng)處理。消除了影像坐標(biāo)誤差、大氣干擾，增強(qiáng)了地物信息和影像辨識(shí)度。

圖1　汶川縣2009～2013年TM遙感影像

3 研究方法

3.1決策樹模型

決策樹是數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)領(lǐng)域基于邏輯的經(jīng)典的分類預(yù)測方法之一，又稱為判定樹[10-13]。由一個(gè)根節(jié)點(diǎn)、多個(gè)分支和最終的葉節(jié)點(diǎn)構(gòu)成，每一個(gè)分支結(jié)點(diǎn)（內(nèi)部結(jié)點(diǎn)）有多個(gè)子結(jié)點(diǎn)和唯一的父結(jié)點(diǎn)，結(jié)點(diǎn)與子結(jié)點(diǎn)之間形成分支（如圖2）。其中樹的每個(gè)內(nèi)部結(jié)點(diǎn)表示一個(gè)決策過程所要測試的屬性；每個(gè)分支表示測試的一個(gè)結(jié)果，不同屬性值形成不同分支；而每個(gè)葉節(jié)點(diǎn)代表一個(gè)類別，即圖像的分類結(jié)果。樹的最高層節(jié)點(diǎn)稱為根節(jié)點(diǎn)，是整個(gè)決策樹的開始[14～15]。運(yùn)用決策樹模型進(jìn)行遙感信息提取的主要過程如圖3所示。

圖2　決策樹分類結(jié)構(gòu)圖

圖3　決策樹模型遙感信息提取主要過程

3.2崩塌滑坡遙感判識(shí)標(biāo)志庫的建立

崩塌、滑坡是一種塊體運(yùn)動(dòng)，它的發(fā)育和活動(dòng)嚴(yán)重破壞了原有的地表結(jié)構(gòu)，所有可以通過遙感影像影像光譜、地貌形態(tài)、植被分布、生長和地形數(shù)據(jù)建立崩塌滑坡遙感判識(shí)標(biāo)志庫。通過訓(xùn)練樣本，提取各地物波譜信息最大值、最小值、均值，并利用均值建立如圖4所示的典型地物波譜響應(yīng)曲線，輔助建立判識(shí)標(biāo)志庫。

圖4　典型地物的波譜響應(yīng)曲線

圖5　地質(zhì)災(zāi)害決策樹提取模型

3.3崩塌滑坡遙感信息提取

通過試驗(yàn)研究發(fā)現(xiàn)（如圖5）：利用非研究區(qū)在TM影像第1波段上的值為0的特點(diǎn)，建立了TM1=0的規(guī)則，去除汶川縣影像范圍以外的區(qū)域；TC3波段上積雪與其他地物的區(qū)分度較大，當(dāng)TC3>20時(shí)可以實(shí)現(xiàn)積雪地物類型的提取；在剔除了積雪的基礎(chǔ)上，利用TM1波段上積雪和云的平均灰度值與其他地物的平均灰度值差異較大，可以有效提取云，即TM1>200；PC1波段上利用陰影與其他地物的平均灰度值最小相差 70的基礎(chǔ)上可以實(shí)現(xiàn)陰影的提取，該臨界值為PC1<-15；建立改正歸一化差異水體指數(shù)（MNDWI），波段運(yùn)算 表達(dá) 式 為 (TM2- TM5)/(TM2+ TM5)， 發(fā) 現(xiàn) 當(dāng)0-0.16時(shí)能較好的提取地質(zhì)災(zāi)害居民地、灘地和耕地等在內(nèi)的地物信息。通過對(duì)震后汶川縣地質(zhì)災(zāi)害調(diào)查結(jié)果的規(guī)律探討分析、及地質(zhì)災(zāi)害發(fā)生機(jī)理可知，地質(zhì)災(zāi)害易發(fā)生在坡度大于15°和高程小于3500m區(qū)間上，利用DEM數(shù)據(jù)，建立了Slope>15°、DEM<3500，同時(shí)也有效的排除了居民地、灘地及耕地等區(qū)域，最終得到較為準(zhǔn)確的崩塌滑坡信息提取結(jié)果（圖6）。

圖6　汶川縣2009（a）、2010（b）、2013（c）年崩塌滑坡提取結(jié)果

經(jīng)分析發(fā)現(xiàn)，震后汶川縣境內(nèi)崩塌滑坡災(zāi)害體廣泛分布，主要集中分布在映秀-北川斷裂帶和茂汶斷裂帶沿線5km范圍內(nèi)、海拔1200～3000m的中高山中上部位、坡度25°～70°的中陡坡地帶。2009年，崩塌滑坡災(zāi)害體大量分布，災(zāi)害體面積達(dá)73.73 km2,到2010和2013年，災(zāi)害體有所減少，穩(wěn)定在50 km2左右，僅岷江沿線有分布，災(zāi)害體總體變化率逐年減少。

表1　汶川縣震后崩塌滑坡總體變化統(tǒng)計(jì)表

3.4分類精度評(píng)價(jià)

為探究決策樹模型提取崩塌滑坡的效果，本研究采用監(jiān)督分類中效果最好的最大似然法對(duì)研究區(qū)的崩塌滑坡進(jìn)行了信息提取，以供對(duì)比。同時(shí)采用混淆矩陣方法來對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)。根據(jù)研究區(qū)的實(shí)際情況，結(jié)合野外調(diào)查和高分辨率遙感解譯數(shù)據(jù)，采用隨機(jī)抽樣的方法，分別確定了不同年份的樣本點(diǎn)數(shù)及對(duì)應(yīng)的象元數(shù)量。分別對(duì)最大似然和決策樹方法的分類結(jié)果進(jìn)行精度評(píng)價(jià)，結(jié)果如表2所示。

表2　崩塌滑坡圖像分類精度

從表2可知：決策樹模型的生成精度和用戶精度都在90%以上，Kappa系數(shù)都在0.9以上，而最大似然法的生成精度僅在75%左右，用戶精度平均值僅為88.95%，Kappa系數(shù)介于0.64～0.76之間。基于決策樹模型方法提取崩塌滑坡信息的精度明顯高于最大似然法分類，且模型可拓性強(qiáng)，可以結(jié)合多種數(shù)據(jù)自動(dòng)提取目標(biāo)信息。

4 結(jié)論與討論

（1）本文采用TM影像數(shù)據(jù)和DEM地形數(shù)據(jù)，基于決策樹模型建立了汶川縣崩塌滑坡災(zāi)害體遙感判識(shí)規(guī)則庫，自動(dòng)提取了汶川縣2009年、2010年、2013年3期崩塌滑坡災(zāi)害體，分類精度達(dá) 90%以上，明顯高于監(jiān)督分類中效果最好的最大似然法，解決了低分辨影像提取崩塌滑坡災(zāi)害體方法單一、精度不高、效果不佳的問題。但該模型建立的規(guī)則庫有區(qū)域性和局限性，不同的研究區(qū)、不同時(shí)相或色差明顯的遙感影像所對(duì)應(yīng)的規(guī)則庫都是不同的，需修改參數(shù)重新建立規(guī)則庫。

（2）對(duì)汶川縣崩塌滑坡災(zāi)害體分布規(guī)律進(jìn)行了研究和分析，發(fā)現(xiàn)該縣崩塌滑坡災(zāi)害體主要集中分布在映秀-北川斷裂帶和茂汶斷裂帶沿線5km范圍內(nèi)、海拔1200-3000m的中高山中上部位、坡度25°～70°的中陡坡地帶，災(zāi)害體總體變化率逐年減少，為災(zāi)區(qū)防災(zāi)減災(zāi)工作提供指南。由于災(zāi)害演化是一個(gè)漫長的過程，短時(shí)間內(nèi)難以下定論，本研究未能很好的探究災(zāi)害的演化規(guī)律。

[1] 韓用順,梁川,崔鵬,等.地形條件對(duì)次生山地災(zāi)害易發(fā)性分析[J].四川大學(xué)學(xué)報(bào)(工程科學(xué)版),2010,(S1):15-21.

[2] 殷躍平.汶川八級(jí)地震地質(zhì)災(zāi)害研究[J].工程地質(zhì)學(xué)報(bào),2008,16(4):433-444.

[3] 韓用順,崔鵬,朱穎彥,等.汶川地震危害道路交通及其遙感監(jiān)測評(píng)估—以都汶公路為例[J].四川大學(xué)學(xué)報(bào)(工程科學(xué)版),2009,(3):273-283.

[4] Mantoviani F,Soeters R,Van Westen C J.Remote sensing techniques for landslide studies and hazard zonation in Europe[J].Geomorphology,1996,15(3/4):213-225.

[5] Mukherjee S.Microzonation of seismic and landslide prone areas for alternate highway alignment in a part of Western Coast of India using remote sensing techniques[J].Journal of the Indian Society of Remote Sensing,1999,27(2):81-90.

[6] Chadwick J,Dorsch S,Glenn N,et al. Application of multitemporal high-resolution imagery and GPS in a study of the motion of a canyon rim landslide[J].Journal of Photogrammetry and Remote Sensing,2005,59(4):212-221.

[7] 傅文杰,洪金益.基于支持向量機(jī)的滑坡災(zāi)害信息遙感圖像提取研究[J].水土保持研究,2006,13(4):120-122.

[8] 葉潤青,鄧清祿,王海慶.基于圖像分類方法滑坡識(shí)別與特征提取—以歸州老城滑坡為例[J].工程地球物理學(xué)報(bào),2007,4(6):475-477.

[9] 胡德勇,李京,趙文吉,等.基于對(duì)象的高分辨率遙感圖像滑坡檢測方法[J].自然災(zāi)害學(xué)報(bào),2008,17(6):42-46.

[10] 白秀蓮.基于決策樹方法的遙感影像分類研究[D].呼和浩特:內(nèi)蒙古師范大學(xué),2012.

[11] 楊凱.城市土地利用/覆蓋分類及其空間格局分析[D].湖南:中南大學(xué),2008.

[12] Weiss E,Marsh E.E,Pfirman E.S.Application of NOAAAVHRR NDVI Time-serial Data to Assess Change in Saudi Arabia,s rangelands[J].International Journal of Remote Sensing,2001,22(6):1005-1027.

[13] 劉勇洪,牛錚,王長耀.基于 MODIS數(shù)據(jù)的決策樹分類方法研究與應(yīng)用[J].遙感學(xué)報(bào),2005,9(4):405-412.

[14] 李國清.南方山地丘陵森林主要樹種遙感信息提取研究[D].福州:福建農(nóng)林大學(xué),2009.

[15] 潘琛,杜培軍,張海榮.決策樹分類法及其在遙感圖像處理中的應(yīng)用[J].測繪科學(xué),2008,(5):22-26.

Remote sensing information extraction of landslide in Wenchuan County

Collapse, landslide and debris flow are the three most common types of secondary geological disasters, which are very common in the earthquake disaster area. Based on TM image and DEM terrain data, the paper established the remote sensing identification mark database of landslide in Wenchuan County in 2009, 2010 and 2013. The classification accuracy was better than the maximum likelihood supervised classification method. The results show that the landslide hazard in the county is mainly concentrated in the middle and steep slope of the middle and upper part of the fault zone, which is located in the middle and upper part of the middle and upper part of the middle and high mountain ranges from 25 degrees to 70 degrees above the middle part of the fault zone along the 3000m range. The method of automatic extraction of the model is a simple, accurate and effective method for the extraction of geological hazard in low resolution images, and the model can be applied to geological hazard body.

Decision tree; decision tree; information extraction; ETM; Wenchuan County

P315

A

1008-1151(2015)09-0026-04

2015-08-10

交通運(yùn)輸部科技計(jì)劃項(xiàng)目（2015 316 T19 060），湖南省學(xué)位與研究生教育教學(xué)改革研究課題（JG2013B048），湖南省研究生科研創(chuàng)新項(xiàng)目（CX2015B471）。

陳勇國（1973－），湖南科技大學(xué)建筑與城鄉(xiāng)規(guī)劃學(xué)院碩士研究生，從事災(zāi)害遙感與3S技術(shù)及應(yīng)用研究；謝蓮（1980－），湖南省地質(zhì)測繪院信息中心工程師，從事航測成圖和土地開發(fā)整理工作。