基于孕災敏感性分析的高植被覆蓋區(qū)滑坡地質災害遙感解譯

張 為,李遠耀,張?zhí)?桂 蕾,周 超

(1.中國地質大學(武漢)地質調查研究院，湖北 武漢 430074；2.中國地質調查局南京地質調查中心，江蘇 南京 210016；3.中國地質大學(武漢)工程學院，湖北 武漢 430074；4.中國地質大學(武漢)地理與信息工程學院，湖北 武漢 430074)

遙感技術具有時效性好、宏觀性強、信息豐富等顯著特點，目前已成為地質災害調查評價和災情評估的一種重要技術手段。隨著遙感技術的發(fā)展，高分辨率遙感影像逐漸被應用到滑坡地質災害遙感解譯工作中[1-2]。

利用遙感影像信息對滑坡地質災害進行解譯的方法主要分為三類：人工目視解譯、計算機自動解譯和人機交互解譯[3]。長期以來，人工目視解譯是生產和研究中利用遙感影像獲取地質災害信息的基本手段；同時，一部分學者對計算機自動解譯也進行了探索和研究，并取得了一些研究成果[4-7]。然而，在地質災害遙感解譯中，人工目視解譯存在成本高、效率低且對解譯人員主觀經驗要求高等問題[8]；計算機自動解譯只能對地表信息進行分析，難以獲取多種滑坡孕災地質環(huán)境信息，特別是對于高植被覆蓋下的滑坡隱患的識別能力有限，解譯精度較低；而人機交互解譯是一種結合GIS空間分析等自動化技術，在個人與專家經驗主導下的遙感影像人工解譯方法，人機交互解譯使人與計算機相互配合,充分發(fā)揮各自的優(yōu)勢，可以較準確、有效地對遙感圖像進行解譯。眾多學者對人機交互解譯的方法和應用進行了探索和研究，由于其具有快捷、高效的優(yōu)點已被廣泛應用于單體及區(qū)域地質災害的調查評價中。如張明華[9]應用遙感技術并結合地理信息技術對西藏墨脫公路工程地質災害進行了全面解譯分析；唐小明等[10]提出了基于虛擬GIS和水文空間分析的遙感解譯方法，并應用于區(qū)域小流域泥石流地質災害的調查評價中；許沖等[11-13]基于GIS與遙感技術對汶川地震、玉樹地震、蘆山地震等重大地質災害進行了快速解譯、災情評估和災害發(fā)育特征及其分布規(guī)律等方面的研究。

綜上可知，遙感技術在地質災害調查中應用成功區(qū)域的共同特點是：地表裸露程度較高，地質災害發(fā)育規(guī)模普遍較大，災害體在遙感影像上的解譯標志比較明顯，較易以人工目視解譯或人機交互解譯的方式進行識別。然而，我國東南沿海丘陵地區(qū)植被十分發(fā)育，滑坡地質災害規(guī)模較小且多數滑坡為淺層滑坡，僅憑人工目視解譯難以獲得準確的滑坡及其隱患信息。因此，本文以浙江省飛云江流域南田、雅梅圖幅為典型研究區(qū)，首先在分析研究區(qū)內滑坡地質災害的孕災地質環(huán)境條件的基礎上，開展了區(qū)域滑坡孕災敏感性分區(qū)，確定出滑坡極高孕災敏感區(qū)；然后根據區(qū)內滑坡解譯標志，通過人機交互解譯方法對滑坡災害及隱患點進行遙感解譯。該方法不僅克服了傳統人工目視解譯難以準確提取高植被覆蓋區(qū)內滑坡地質災害信息以及難以綜合分析滑坡孕災環(huán)境的缺點，同時又極大地縮小了解譯范圍，提高了解譯效率和精度，為大范圍高植被覆蓋區(qū)內滑坡地質災害信息的快速、高效提取提供了新的思路和方法。

1 研究區(qū)概況及滑坡特征

研究區(qū)浙江省飛云江流域南田、雅梅圖幅地處我國東南沿海丘陵地區(qū)，面積約為840 km2，地跨浙江溫州文成、泰順兩縣，見圖1。在地貌分區(qū)上研究區(qū)大致以飛云江為界，分為江北、江南兩大地區(qū)，其中江北地區(qū)屬洞宮山脈羅山支脈，山勢高峻陡峭；江南地區(qū)為南雁蕩山脈分支，從泰順入境沿飛云江南岸延伸，山勢較為平緩，地貌類型主要以山地、丘陵為主，河谷平原較少，植被發(fā)育。研究區(qū)由于靠近東海，受季風氣候影響，每年都會遭受臺風氣候帶來的強降雨或持續(xù)降雨，多年平均降雨量約為1 884 mm，雨量分布不均，多集中在4～9月份，以春雨、梅雨和臺風雨為主，雨季降雨量占全年降雨量的80%左右，降雨型滑坡地質災害廣泛發(fā)生。

圖1 研究區(qū)地理位置圖Fig.1 Geographical location of the study area

研究區(qū)地處丘陵山區(qū)，局部地形陡峭，地質構造活動頻繁，巖石風化強烈，區(qū)內地質災害類型有滑坡、崩塌和泥石流，但以滑坡為主。相關統計資料顯示，截止2015年底，研究區(qū)內共有滑坡災害及隱患70處，均為淺層土質滑坡，70%的滑坡面積小于2 000 m2，具有規(guī)模小、分布廣的特點，加之研究區(qū)植被覆蓋率高，通過傳統人工目視解譯的方法識別區(qū)內滑坡災害及隱患存在一定的困難，且遙感解譯精度和效率較低。

2 區(qū)域滑坡孕災敏感性分析

2.1 研究思路

本文的研究思路是：在綜合整理分析研究區(qū)基礎地質資料的基礎上，通過遙感影像處理和ArcGIS空間分析等技術手段，獲取研究區(qū)地形地貌、地層巖性、地表覆蓋和水文環(huán)境等孕育地災發(fā)育的環(huán)境背景因子；然后通過頻率比法分析滑坡災害與各類環(huán)境因子之間的相關性，確定研究區(qū)滑坡孕災敏感性分區(qū)，并提取出研究區(qū)內滑坡極高孕災敏感區(qū)，進而通過對研究區(qū)歷史滑坡發(fā)育、變形和遙感影像等特征的分析，建立了區(qū)域滑坡解譯標志；最后根據解譯標志，利用人機交互的解譯方法解譯出極高孕災敏感區(qū)內的滑坡災害及隱患點，詳見圖2。

圖2 研究思路圖Fig.2 Methodology of the paper

2.2 數據來源

本文主要采用30 m分辨率的Landsat TM8遙感影像1景和分辨率為1 m的航空遙感數據資料作為主要遙感信息源。其中，Landsat TM8遙感影像用于提取地表覆蓋因子，1 m分辨率的航片用于滑坡災害體的識別。此外，1∶5萬比例尺地形圖和30 m分辨率的DEM數據用于提取地形地貌、水系分布等環(huán)境因子，而區(qū)域工程地質圖、水文地質圖和巖土類型圖等則用于反映滑坡地質災害的基礎地質信息。

2.3 滑坡孕災環(huán)境因子分析

2.3.1 滑坡孕災環(huán)境因子的頻率比分析

本文通過分析研究區(qū)內滑坡災害的發(fā)育分布特征，結合相關研究[14-16]可知，影響研究區(qū)滑坡孕災的基礎環(huán)境因子主要為地形地貌、基礎地質、水文環(huán)境和地表覆蓋因子四大類，從高精度遙感影像、數字高程模型、基礎地質圖和野外調查資料中獲取高程、坡度、坡向、剖面曲率、平面曲率、地形起伏度、地層巖性、地表粗糙度、歸一化植被指數(NDVI)、歸一化建筑物指數(NDBI)、地表濕度指數(NDWI)和距水系距離12個與滑坡災害發(fā)生相關性較大的孕災環(huán)境因子，經過相關性檢驗，發(fā)現地表粗糙度、地表濕度指數這兩個因子與其余因子的相關性較大，因此剔除這兩個相關性較大因子，確定其余10個相對獨立的孕災環(huán)境因子用于研究區(qū)滑坡孕災敏感性分析。

此外，柵格單元大小對滑坡孕災敏感性評價的精度有較大的影響，選擇合適的柵格大小能有效地表達滑坡災害孕災敏感性的空間特征[17]。由于本文所用的DEM數據和遙感影像的分辨率為30 m，30 m×30 m的柵格既能有效地表征研究區(qū)地形地貌的特征，也不會因柵格數量太多而導致計算量過大，因此本文選擇30 m×30 m的柵格單元作為評價單元，開展研究區(qū)滑坡孕災敏感性評價。

目前用于研究滑坡災害的發(fā)生與基礎因子間非線性關系的方法主要有滑坡數量百分比、頻率比法等[18-19]。其中，頻率比法是基于滑坡災害的分布與相關環(huán)境因子之間的關系，利用滑坡頻率比(FR值)來揭示滑坡災害的發(fā)生與各孕災環(huán)境因子的相關程度，FR值=(某區(qū)間內滑坡柵格數/全區(qū)內滑坡柵格總數)/(某區(qū)間內因子柵格數/全區(qū)內該因子柵格總數)。由于該方法原理明確，操作簡單，且能較好地體現孕災環(huán)境因子各屬性區(qū)間對滑坡災害敏感性的影響程度，因而被大量運用于滑坡災害敏感性和易發(fā)性分析中[20]。因此，本文采用頻率比法來研究已發(fā)生的滑坡災害與相關環(huán)境因子之間的關系，其中各因子分級方法采用自然間斷法。研究區(qū)共有70個歷史滑坡點，本次隨機選擇50個包含各指標屬性的歷史滑坡點作為樣本滑坡點，其余20個滑坡點作為驗證滑坡點，用以驗證滑坡孕災敏感性分區(qū)的準確性。研究區(qū)滑坡孕災環(huán)境因子的頻率比(FR值)分析結果，見表1。

表1 研究區(qū)滑坡孕災環(huán)境因子的頻率比(FR值)分析表

注：變量值的分區(qū)范圍為左閉右開區(qū)間，例如距水系距離中變量值0～150表示距水系距離≥0 m且<150 m的區(qū)間，依此類推，以下同。

(1) 地形地貌因子：地形地貌因子主要從高精度遙感影像生成的DEM中獲取，包括高程、坡度、坡向、剖面曲率、平面曲率和地形起伏度6個因子。本文選取坡度因子為例具體說明,研究區(qū)坡度在8°～35°范圍內時，滑坡災害發(fā)生的FR值大于1；當坡度小于8°和大于(等于)35°時，滑坡災害發(fā)生的FR值均小于1(見圖3和表1)，表明研究區(qū)的滑坡災害主要發(fā)生在中等坡度的邊坡上。

圖3 滑坡災害分布與地形坡度的關系圖Fig.3 Relation between landslide hazard distribution and the slope

(2) 基礎地質因子：地層巖性是影響滑坡孕災敏感性的基礎環(huán)境因子之一，巖性對坡體巖石和堆積體的物理力學性質具有重要的影響，因此本文采用地層巖性來表征研究區(qū)的基礎地質條件。研究區(qū)的地層巖性主要包括火山沉積巖類巖組、火山碎屑巖和火山熔巖類巖組、侵入巖和潛火山巖類巖組三大類地層巖性單元，火山沉積巖類巖組中發(fā)生滑坡災害的FR值為2.26，其余兩類巖組中發(fā)生滑坡災害的FR值均小于1(見圖4和表1)，表明火山沉積巖類巖組對區(qū)域滑坡災害的發(fā)生具有較大的影響，而其余兩類巖組則不利于滑坡災害的發(fā)育。

圖4 滑坡災害分布與地層巖性的關系圖Fig.4 Relation between landslide hazard distribution and the formation lithology

(3) 水文環(huán)境因子：水文環(huán)境因子對滑坡災害的發(fā)生及分布具有重要的影響，本文通過ArcGIS軟件的緩沖區(qū)分析工具來獲取研究區(qū)內柵格單元距水系的距離，用以表征水文環(huán)境對滑坡災害發(fā)育的影響。研究區(qū)大約有75.88%的滑坡單元發(fā)生于距水系300 m的距離范圍內，且距水系的距離由近及遠發(fā)生滑坡災害的FR值分別為1.5、1.18、0.45和0.52(見圖5和表1)，說明距水系越近，發(fā)生滑坡災害的頻率越高。

圖5 滑坡災害分布與距水系距離的關系圖Fig.5 Relation between the distance from water system and landslide hazard distribution

(4) 地表覆蓋因子:從Landsat TM8遙感影像中獲NDVI值和NDBI值用于反映人類工程活動、植被等因素對滑坡災害發(fā)育的影響。當研究區(qū)NDBI值的變化范圍為0～255時，FR值隨NDBI值的增加逐漸增大，表明人類工程活動越頻繁，滑坡災害發(fā)生的頻率越高；當研究區(qū)NDVI值的變化范圍為70～192時，FR值大于1，表明NDVI值在此范圍內變化時滑坡災害發(fā)生的頻率較高(見圖6、圖7和表1)。

圖6 滑坡災害分布與NDVI值的關系圖Fig.6 Relation between NDVI and landslide hazard distribution

2.3.2 滑坡孕災敏感性分區(qū)及精度驗證

本文在獲取滑坡災害發(fā)育的相關環(huán)境因子的基礎上，開展了滑坡孕災敏感性分區(qū)。FR值反映了相對應的環(huán)境因子的不同數據區(qū)間對滑坡災害發(fā)生的影響程度，FR值越大，表示對滑坡災害發(fā)生的影響越大，因此利用ArcGIS軟件的疊加功能，可將研究區(qū)滑坡各孕災環(huán)境因子的FR值相疊加，即可得到研究區(qū)滑坡孕災敏感性分區(qū)圖，見圖8。采用自然間斷法將滑坡孕災敏感性劃分為極低孕災敏感區(qū)(占全區(qū)8.16%)、低孕災敏感區(qū)(占全區(qū)23.00%)、中等孕災敏感區(qū)(占全區(qū)32.02%)、高孕災敏感區(qū)(占全區(qū)25.34%)和極高孕災敏感區(qū)(占全區(qū)11.48%)5個等級。在滑坡極高和高孕災敏感區(qū)中包含82.09%的滑坡柵格單元數，且滑坡極高和高孕災敏感區(qū)的FR值占FR值的89.97%，表明運用頻率比法所得到的滑坡孕災敏感性分區(qū)結果較準確。

圖7 滑坡災害分布與NDBI值的關系圖Fig.7 Relation between NDBI and landslide hazard distribution

圖8 研究區(qū)滑坡孕災敏感性分區(qū)圖Fig.8 Zoning map of landslide hazard sensitivity of the study area

進一步在滑坡孕災敏感性分區(qū)評價結果中提取出滑坡極高孕災敏感區(qū)(見圖9)，將前文中用于驗證的20個滑坡點用以驗證研究區(qū)滑坡孕災敏感性分區(qū)的精度，驗證結果表明：有70%的驗證滑坡點分布在極高孕災敏感區(qū)，25%的滑坡點分布在高孕災敏感區(qū)，表明滑坡孕災敏感性分區(qū)結果是較為準確、可靠的。

圖9 研究區(qū)滑坡極高孕災敏感區(qū)分布及滑坡解譯圖Fig.9 Extremely high sensitivity distribution and land- slide interpretation in the study area

3 人機交互式滑坡地質災害的遙感解譯

3.1 滑坡地質災害解譯標志的建立

在提取滑坡地質災害信息前，首先對滑坡災害體的發(fā)育、變形、影像等特征進行系統地分析和研究，以避免解譯時的盲目性?；碌刭|災害的主要解譯標志有形態(tài)、大小、色調、陰影、紋理及其周邊的地形地貌?；聻暮υ谶b感圖像上顯示的特定色調、紋理及幾何形態(tài)組合，稱為滑坡地質災害識別的直接解譯標志；而滑坡災害造成的地形地貌、植被、水系及景觀生態(tài)等的異常突變，稱為滑坡地質災害識別的間接解譯標志。通過分析研究區(qū)70個歷史滑坡災害的發(fā)育、變形及影像等特征，總結出了研究區(qū)滑坡地質災害的主要解譯標志見表2。

3.2 滑坡地質災害信息的提取

由于潛在滑坡災害及隱患更容易發(fā)生在滑坡極高孕災敏感區(qū)內，因此在對其進行識別時主要從所獲得的滑坡極高孕災敏感區(qū)著手。本文在ArcGIS軟件平臺上，根據所建立的滑坡地質災害解譯標志，利用人機交互的解譯方法對研究區(qū)滑坡極高孕災敏感區(qū)內的滑坡災害及隱患進行解譯，具體圈定滑坡災害及隱患的邊界及運動方向。

表2 研究區(qū)滑坡地質災害的主要解譯標志

研究區(qū)滑坡極高孕災敏感區(qū)的面積為96.323 km2，占全區(qū)面積的11.476%，在滑坡極高孕災敏感區(qū)內解譯滑坡可大大降低解譯工作量，提高解譯的效率和精度。最終，在研究區(qū)的滑坡極高孕災敏感區(qū)內共解譯出40處滑坡災害及隱患(見圖9)。通過現場驗證發(fā)現，研究區(qū)40處滑坡均為淺層土質滑坡，大多屬于中小型滑坡，平均面積為1 768.26 m2,其中70.9%的滑坡災害及隱患的面積在2 000 m2以下，滑坡災害的最小面積僅約30 m2，最大面積約為13 000 m2，所解譯出的滑坡災害的規(guī)模和分布面積與區(qū)內歷史滑坡災害基本一致，現場驗證結果也表明該解譯結果較為準確、可靠。

4 結 論

(1) 研究區(qū)具有植被覆蓋率高、滑坡災害規(guī)模小等特點，傳統的人工目視解譯或計算機自動解譯遙感解譯方法對此類滑坡地質災害的解譯存在困難。因此，本文將研究區(qū)內滑坡地質災害及其孕災環(huán)境作為研究對象，提出了基于孕災敏感性分析和人機交互相結合的滑坡地質災害遙感解譯方法。

(2) 通過頻率比法分析滑坡災害與各孕災環(huán)境因子之間的相關性，將研究區(qū)滑坡孕災敏感性劃分為極低孕災敏感區(qū)(占全區(qū)8.16%)、低孕災敏感區(qū)(占全區(qū)23.00%)、中等孕災敏感區(qū)(占全區(qū)32.02%)、高孕災敏感區(qū)(占全區(qū)25.34%)和極高孕災敏感區(qū)(占全區(qū)11.48%)5個等級，并在遙感解譯圖上提取出滑坡極高孕災敏感區(qū)，作為人機交互解譯的范圍，極大地縮小了滑坡災害的解譯范圍。

(3) 通過分析研究區(qū)內歷史滑坡災害的發(fā)育、變形和影像等特征，建立了區(qū)內滑坡地質災害解譯標志，并根據滑坡地質災害解譯標志，利用人機交互的解譯方法在滑坡極高孕災敏感區(qū)(面積約為96.323 km2)內解譯出40處滑坡災害及隱患。經野外現場驗證，該解譯結果較準確，所解譯出的滑坡災害規(guī)模和分布面積等特征與區(qū)內歷史滑坡災害基本一致。

(4) 本文提出的遙感解譯方法克服了傳統人工目視解譯難以準確識別高植被覆蓋區(qū)地質災害信息以及難以綜合分析各類孕災環(huán)境的缺點，通過確定滑坡極高孕災敏感區(qū)來縮小滑坡地質災害的解譯范圍，提高了解譯的效率和精度，可為大范圍高植被覆蓋區(qū)內滑坡地質災害信息的快速、高效提取提供新的思路和方法。