遙感影像的空間分辨率對提取崩崗精度的影響

李昊潔， 謝 浩， 胥聞博， 劉洪鵠 (長江水利委員會長江科學(xué)院，湖北武漢 430010)

?

遙感影像的空間分辨率對提取崩崗精度的影響

李昊潔， 謝 浩， 胥聞博， 劉洪鵠*(長江水利委員會長江科學(xué)院，湖北武漢 430010)

從0.6 m QuickBird、2.5 m ALOS、10.0 m ALOS遙感影像中分別提取崩崗的特征數(shù)據(jù)，分析遙感影像的分辨率對崩崗數(shù)據(jù)精度的影響。結(jié)果表明：從0.6 m QuickBird能容易地提取崩崗數(shù)據(jù)，且重現(xiàn)性較好，從2.5 m ALOS能提取崩崗數(shù)據(jù)，但重現(xiàn)性不強，從10.0 m ALOS無法提取崩崗。從0.6 m QuickBird和2.5 m ALOS提取的崩崗，數(shù)量基本一致，但位置不一致、邊界不重合、形狀差別很大，從2.5 mALOS提取的崩崗周長平均減少20.83%，占58.33%的崩崗面積減少了，平均減少19.78%。因此，可斷定0.6 m QuickBird能反映崩崗的實際情況，2.5 m ALOS能較好地反映崩崗的實際情況，10.0 m ALOS完全不能提取崩崗數(shù)據(jù)。但高精度遙感影像的獲取比較困難，且價格較貴。

空間分布；通用土壤流失方程；QuickBird衛(wèi)星; ALOS

崩崗是南方紅壤區(qū)所特有的一種嚴(yán)重土壤侵蝕類型，且具有發(fā)生速度快、壁高坡陡的特征[1]。據(jù)統(tǒng)計，南方紅壤區(qū)大于3 000 m2的大型崩崗10.84萬個，占崩崗總數(shù)的45.33%；1 000～3 000 m2的中型崩崗6.01萬個，占崩崗總數(shù)的25.13%；60～1 000 m2的小型崩崗7.06萬個，占崩崗總數(shù)的29.54%[2]。阮伏水[3]利用插樁法觀測發(fā)現(xiàn)各個崩崗侵蝕速率不同。航片解譯法用于土壤侵蝕監(jiān)測的研究很多，利用遙感影像數(shù)據(jù)定量分析植被數(shù)據(jù)[4]，借助于土壤侵蝕模型RUSLE模型[5-10]、SEMMED模型[11]或者使用水利部行業(yè)標(biāo)準(zhǔn)《土壤侵蝕分類分級標(biāo)準(zhǔn)》[11-14]定量評價土壤侵蝕現(xiàn)狀或時空變化的研究相對較多。有少量研究將其用于定量評價溝蝕的空間分布、發(fā)育速率[15-16]、動態(tài)變化[17-19]以及對流域泥沙的貢獻[20]，甚至將遙感技術(shù)應(yīng)用于泥石流調(diào)查[21-22]及泥石流溝內(nèi)崩滑物的空間分布[23-24]，且發(fā)揮了巨大作用，取得了較好的成效。從理論上來說，航片解譯法也可用于大尺度的崩崗調(diào)查，然而迄今為止很少用來分析崩崗的時空變化，更沒有涉及從中提取崩崗的精度問題[25]。

筆者利用0.6 m QuickBird、2.5 m ALOS和10.0 m ALOS遙感影像，通過比較從不同分辨率遙感影像中提取的崩崗數(shù)據(jù)，闡明遙感影像的分辨率對提取崩崗數(shù)據(jù)精度的影響，從而確定精確提取崩崗數(shù)據(jù)的遙感影像的分辨率的大小，為區(qū)域崩崗調(diào)查以及時空變化研究提供技術(shù)依據(jù)。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)概況研究區(qū)地處于都縣城以南，地理坐標(biāo)為25.9°E、115.4°N，土地總面積2.25 km2。華夏系構(gòu)造，丘陵地貌，中亞熱帶季風(fēng)濕潤氣候，雨量充沛，氣候溫和。年均降雨量為1 507.5 mm，春季占年內(nèi)降水量的19.6%，夏季占47.4%，秋季占21.6%，冬季占11.4%，4～6月降水最多，占全年降水量的52.5%。主要土壤類型是紅壤和水稻土，土壤呈酸性反應(yīng)(pH5～6)，紅壤由花崗巖等發(fā)育而來，土層深厚。主要糧食作物為水稻，一般早稻、晚稻一年兩季，秋季栽種少量大豆、紅薯。主要經(jīng)濟作物為花生、油菜籽、芝麻等，栽種面積不大。

1.2 遙感影像收集收集3種不同精度的遙感影像(表1)，分別是1幅分辨率0.6 m的QuickBird影像，1幅分辨率2.5 m的ALOS影像，4幅分辨率10.0 m的ALOS影像(時相為2009年10月)，具體見圖1。

1.3 遙感影像處理利用軟件ENVI 4.8解譯不同分辨率的遙感影像，操作步驟如下。

(1) 打開4幅分辨率為10.0 m的多光譜ALOS影像和1幅2.5 m ALOS影像，自動選擇控制點，逐一查看所有的點，如果位置差別較大，就刪除該控制點。另外，均勻地采集一些有特征的控制點，如道路交叉點、河流等。確認(rèn)30～40個控制點均勻覆蓋全圖，進行圖像校正。

表1 遙感影像數(shù)據(jù)種類

(2)選中4幅10.0 m ALOS遙感影像數(shù)據(jù)，使用最近鄰域法進行疊加，合成1幅分辨率為10.0 m的多光譜遙感影像文件，然后輸出。

(3)將合成的10.0 m的多光譜ALOS影像和2.5 m ALOS影像文件添加到ENVI 4.8的操作界面中，使用Gram-Schimdt方法，融合10.0 m ALOS校正影像和2.5 m ALOS影像，形成1幅分辨率為2.5 m的彩色遙感影像文件。

(4)利用ArcGIS 9.2軟件，根據(jù)崩崗形狀，逐一繪制不同分辨率遙感影像的崩崗數(shù)據(jù)。

1.4 數(shù)據(jù)分析方法崩崗的深度和寬度一般在5.0 m以上，有的崩崗深達(dá)數(shù)十米，面積達(dá)數(shù)公頃[3]。QuickBird遙感影像的分辨率為0.6 m，是目前常用的高精度遙感影像之一。從QuickBird遙感影像能夠準(zhǔn)確提取崩崗的形態(tài)特征。

把從0.6 m QuickBird遙感影像上提取的崩崗數(shù)據(jù)作為基準(zhǔn)值。為了說明從不同分辨率的遙感影像上提取崩崗數(shù)據(jù)的準(zhǔn)確性，從2個方面進行比較：①比較崩崗的空間分布，說明崩崗位置的偏差問題，另外可粗略看出形狀、周長以及面積的精度；②比較崩崗的周長、面積大小，并計算后者的相對誤差γ，從而說明后者數(shù)據(jù)的精度。γ計算公式為：

圖1 不同分辨率的遙感影像數(shù)據(jù)

γ=(Si-Ri)/Ri×100%

(1)

式中，Si、Ri分別為從ALOS影像和0.6 m QuickBird影像上提取崩崗的周長以及面積等數(shù)據(jù)。

2 結(jié)果與分析

2.1 從不同分辨率遙感影像上提取崩崗的空間分布在數(shù)字化0.6 m QuickBird、2.5 m ALOS、10.0 m ALOS影像時，發(fā)現(xiàn)以下問題：①從10.0 m ALOS遙感影像上無法提取崩崗；②從2.5 m ALOS遙感影像上能夠提取崩崗數(shù)據(jù)，但重現(xiàn)性不強，并受主觀的影響較大，即同一個人在不同時間從同一幅影像上提取崩崗數(shù)據(jù)，但提取的崩崗數(shù)據(jù)也有可能不同，不易分辨崩崗邊界以及林地邊界，并且易把池塘等深色地物當(dāng)作崩崗進行數(shù)字化；③從0.6 m QuickBird遙感影像上非常容易提取崩崗數(shù)據(jù)，且重現(xiàn)性較好。

從0.6 m QuickBird和2.5 m ALOS遙感影像中分別提取崩崗數(shù)據(jù)，繪制其崩崗的空間分布圖(圖2)。從圖2可以看出：①2種方法提取的崩崗的數(shù)量基本一致；②2種方法提取的崩崗的位置基本不一致，邊界也不重合；③2種方法提取的崩崗的形狀差別也很大。

2.2 從不同分辨率遙感影像上提取崩崗的基本特征比較分別從0.6 m QuickBird和2.5 m ALOS遙感影像上提取崩崗數(shù)據(jù)，并把從0.6 m QuickBird遙感影像上提取的崩崗數(shù)據(jù)作為基準(zhǔn)值，分別計算從2.5 m ALOS遙感影像上提取崩崗的周長和面積的相對誤差(表1)。從表1得出，從2.5 m ALOS遙感影像上提取崩崗的周長小于0.6 m QuickBird，平均減少20.83%，減少的崩崗數(shù)量約占總數(shù)的83.33%。另外，占58.33%的崩崗面積減少了，平均減少了19.78%，與周長減少基本一致。

圖2 從0.6 m QuickBird和2.5 m ALOS遙感影像上提取崩崗的空間分布

綜上所述，從0.6 m QuickBird遙感影像能夠非常容易地提取崩崗數(shù)據(jù)，且崩崗數(shù)據(jù)能夠反映實際情況；從2.5 m ALOS遙感影像上提取的崩崗數(shù)據(jù)基本上能反映崩崗的實際位置，但形狀、邊界以及空間分布存在偏差；從10.0 m ALOS遙感影像上無法提取崩崗數(shù)據(jù)。這充分說明遙感影像的分辨率對提取崩崗有重要的影響。

表2 不同分辨率遙感影像提取崩崗的基本特征比較

3 討論

3.1 遙感影像時間對提取崩崗侵蝕數(shù)據(jù)的影響該研究使用的遙感影像數(shù)據(jù)分為2個時間段：2005年4月和2009年10月，兩者相差約5個雨季，崩崗崩塌主要發(fā)生在雨季。根據(jù)阮伏水[3]的監(jiān)測結(jié)果，崩崗的侵蝕速率不同，其中4個崩崗僅溝頭發(fā)生溯源侵蝕，后退率為12.6～20.3 cm/a，另外一個崩崗崩坍22處，最大一處崩坍后退距離為71.0 cm/a。也就是說，在2幅遙感影像的時間差內(nèi)，崩崗可能發(fā)生后退的距離為63.0～101.5 cm，最大可能的后退距離為355.0 cm。這就意味著從2009年10月ALOS遙感影像提取的崩崗數(shù)據(jù)應(yīng)該大于2005年4月QuickBird遙感影像提取，但圖2和表1結(jié)果表明，從前者提取的崩崗基本都小于后者，這充分說明遙感影像的時相沒有影響到該研究結(jié)果。

3.2 小結(jié)該研究收集空間分辨率分別為0.6、2.5和10.0 m的遙感影像資料作為基本資料，分別從中提取崩崗特征數(shù)據(jù)，從而分析遙感影像的空間分辨率對提取的崩崗基本特征數(shù)據(jù)以及空間分布的影響。結(jié)果表明：從0.6 m QuickBird遙感影像上能夠非常容易地提取崩崗數(shù)據(jù)，且崩崗數(shù)據(jù)能夠充分反映實際情況；從2.5 m ALOS遙感影像上提取的崩崗數(shù)據(jù)基本上能反映崩崗的位置，但形狀、邊界以及空間分布存在偏差；從10.0 m ALOS遙感影像上無法提取崩崗數(shù)據(jù)。目前利用遙感影像開展大尺度崩崗的研究較少，可能與同一地區(qū)不同精度的遙感影像資料獲取的困難性有直接關(guān)系。

[1] 趙其國.我國南方當(dāng)前水土流失與生態(tài)安全中值得重視的問題[J].水土保持通報,2006,26(2):1-8.

[2] 馮明漢，廖純艷，李雙喜，等.我國南方崩崗侵蝕現(xiàn)狀調(diào)查[J].人民長江，2009，40(8)：66-68，75.

[3] 阮伏水.福建省花崗巖坡地溝谷侵蝕試驗研究初報[J].中國水土保持科學(xué)，2003，1(1)：25-29.

[4] MEUSBURGER K，BNNINGER D，ALEWELL C.Estimating vegetation parameter for soil erosion assessment in an alpine catchment by means of QuickBrid imagery[J].International journal of applied earth observation and geoinformation,2010,12(3):201-207.

[5] PRASANNAKUMAR V，VIJITH H，ABINOD S，et al.Estimation of soil erosion risk within a small mountainous sub-watershed in Kerala,India,using Revised Universal Soil Loss Equation (RUSLE) and geo-information technology[J].Geoscience frontiers,2012,3(2):209-215.

[6] CONOSCENTI C,ANGILERI S E,CAPPADONIA C,et al.Gully erosion susceptibility assessment by means of GIS-based logistic regression:A case of Sicily (Italy)[J].Geomorphology,2014,204(1):399-411.

[7] 范建容，劉飛，郭芬芬，等.基于遙感技術(shù)的三峽庫區(qū)土壤侵蝕量評估及影響因子分析[J].山地學(xué)報，2011，29(3)：306-311.

[8] 閆業(yè)超，張樹文，岳書平.近40a黑土典型區(qū)坡溝侵蝕動態(tài)變化[J].農(nóng)業(yè)工程學(xué)報，2010，26(2)：109-115.

[9] 李京，李曉兵，宮阿都.基于遙感方法的小流域土壤侵蝕研究[J].自然災(zāi)害學(xué)報，2008，17(6)：77-81.

[10] 郭兵，陶和平，劉斌濤，等.基于GIS和USLE的汶川地震后理縣土壤侵蝕特征及分析[J].農(nóng)業(yè)工程學(xué)報，2012，28(14)：118-126.

[11] 張小文.遙感和GIS輔助下的祖厲河流域土壤侵蝕空間變化分析[J].遙感技術(shù)與應(yīng)用，2009，24(6)：772-776.

[12] 范建容，鐘祥浩，劉淑珍.嘉陵江中下游典型流域土壤侵蝕與泥沙輸移遙感監(jiān)測[J].中國科學(xué)E輯：技術(shù)科學(xué)，2003，33(S1)：157-163.

[13] 丁曉東，許紅衛(wèi)，高玉蓉，等.浙江省低丘陵紅壤區(qū)土壤侵蝕評價研究[J].土壤通報，2008，39(5)：1045-1048.

[14] 張喜旺，凌峰，李曉松，等.永定河治理區(qū)土壤侵蝕時空變化分析[J].測繪科學(xué)，2011，36(6)：80-82，55.

[15] 李鎮(zhèn)，張巖，姚文俊，等.基于QuickBird影像估算晉西黃土區(qū)切溝發(fā)育速率[J].農(nóng)業(yè)工程學(xué)報，2012，28(22)：141-148.

[16] PERROY R L，BOOKHAGEN B，ASNER G P，et al.Comparison of gully erosion estimates using airborne and ground-based LiDAR on Santa Cruz Island,California[J].Geomorphology,2010,118(3/4):288-300.

[17] FRANKL A,POESEN J,HAILE M,et al.Quantifying long-term changes in gully networks and volumes in dryland environments:The case of Northern Ethiopia[J].Geomorphology,2013,201(3):254-263.

[18] 徐國禮，周佩華，王文龍，等.溝道侵蝕與地面遙感監(jiān)測研究[J].水土保持學(xué)報，1991，5(2)：22-24，45.

[19] 閆業(yè)超，張樹文，李曉燕，等.黑龍江克拜黑土區(qū)50多年來侵蝕溝時空變化[J].地理學(xué)報，2005，60(6)：1015-1020.

[20] NDOMBA P M，MTALO F，KILLINGTVEIT A.Estimating gully erosion contribution to large catchment sediment yield rate in Tanzania[J].Physics and chemistry of the earth,2009,34(13):741-748.

[21] 羅真富，齊信，易靜.遙感三維可視化在南溝泥石流調(diào)查中的運用[J].環(huán)境科學(xué)與管理，2010，35(1)：144-146.

[22] 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，2006(Z1):237-242.

[23] 張懷珍，范建容，胡凱衡，等.汶川地震重災(zāi)區(qū)泥石流溝內(nèi)崩滑物空間分布的RS-GIS定量方法[J].山地學(xué)報，2012，30(1)：78-86.

[24] 梁京濤，成余糧，王軍，等.基于無人機遙感技術(shù)的汶川震區(qū)典型高位泥石流動態(tài)監(jiān)測：以綿竹市文家溝泥石流為例[J].中國地質(zhì)災(zāi)害與防治學(xué)報，2013，24(3)：54-61.

[25] 劉洪鵠，劉憲春，張平倉，等.南方崩崗發(fā)育特征及其監(jiān)測技術(shù)探討[J].中國水土保持科學(xué)，2011，9(2)：19-23.

Effects of Spatial Resolution of Remote Sensing Image on the Accuracy of Extracted Slope Collapse Data

LI Hao-jie,XIE Hao,XU Wen-bo,LIU Hong-hu*(Changjiang River Scientific Research Institute,Changjiang Water Resources Commission,Wuhan,Hubei 430010)

Slope collapse data were extracted from the 0.6 m QuickBird,2.5 m ALOS and 10.0 m ALOS remote sensing image.Effects of spatial resolution on the accuracy of slope collapse data were analyzed.Results showed that it was very easy to extract slope collapse data from remote sensing image with spatial resolution of 0.6 m QuickBird,and it had good repeatability.The slope collapse data could also be extracted from the remote sensing image with spatial resolution of 2.5 m ALOS,but the repeatability was relatively poor.The slope collapse data could not extract from the remote sensing image with spatial resolution of 10.0 m ALOS.The slope collapse data were extracted from the remote sensing imagery with spatial resolution of 0.6 m QuickBird and 2.5 m ALOS.It was found that position,shape and boundary differed greatly.The circumference from the remote sensing image with spatial resolution of 2.5 m ALOS was reduced by 20.83%.Among them,area of 58.33% slope collapse decreased,which reduced by 19.78%.Thus,it was concluded that the very correct slope collapse data could be extracted from the remote sensing imagery with spatial resolution of 0.6 m ALOS while the slope collapse data was relatively good from 2.5 m ALOS.But it could not be extracted from the remote sensing imagery with spatial resolution of 10.0 m ALOS.It should be noted that it was very difficult to acquire the high precision remote sensing image and its price was very high.

Spatial distribution; Universal soil loss equation; Quickbird Satellite；ALOS

國家自然科學(xué)基金項目(41301297)；水利部公益專項(201501047)。

李昊潔(1973- )，女，河南潢川人，高級工程師，從事水利工程研究。*通訊作者，博士，從事土壤侵蝕與山洪災(zāi)害研究。

2016-09-09

S 127

A

0517-6611(2016)30-0227-03