陳 達(dá),許 強(qiáng),鄭 光,彭雙麒,王 卓,何 攀
(成都理工大學(xué)地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國(guó)家重點(diǎn)實(shí)驗(yàn)室,四川 成都 610059)
碎屑流是一種高速遠(yuǎn)程潰散性滑坡,具有非常高的運(yùn)動(dòng)速度和極大的位移,速度在30 m/s 以上[1],具有極大的破壞力。為研究碎屑流運(yùn)動(dòng)特性及運(yùn)動(dòng)機(jī)理,有必要進(jìn)行堆積物粒度定量分析,這也是碎屑流災(zāi)害研究的重點(diǎn)。傳統(tǒng)顆粒的測(cè)量主要依靠人工,如需通過(guò)生成高分辨率數(shù)字地表模型(Digital Surface Model,DSM)對(duì)堆積物粒度進(jìn)行人工解譯[2-4],存在效率低、精度不高以及人為因素誤差大等不足。
計(jì)算機(jī)數(shù)字圖像處理技術(shù)具有自動(dòng)化、高效快捷等特點(diǎn),被廣泛運(yùn)用于顆粒識(shí)別。吳義祥[5]研究了土細(xì)觀結(jié)構(gòu)圖像的定量分析系統(tǒng),可以獲取細(xì)小顆粒面積、最長(zhǎng)弦長(zhǎng)度等基本要素;施斌等[6]使用Videolab圖像處理系統(tǒng)直接分析SEM 等照片,定量處理土顆粒微細(xì)形狀、大小和比例關(guān)系;涂新斌等[7]通過(guò)Qwin軟件處理顆粒二值圖像,獲得了顆粒數(shù)、長(zhǎng)度、寬度等顆粒數(shù)字特征;梁雙華等[8]提出Mapinfo-Photoshop計(jì)算方法,利用Photoshop 圖像處理功能和Mapinfo的統(tǒng)計(jì)分析功能,對(duì)土顆粒圖像進(jìn)行信息提取,定量表征顆粒、孔隙的個(gè)數(shù)以及周長(zhǎng)、平均孔徑等參數(shù),極大地降低了圖像分析費(fèi)用,提高效率;Bai Baojun 等[9]通過(guò)Imagej 軟件,直接將頁(yè)巖原始孔隙圖像進(jìn)行二值化處理,進(jìn)而定量統(tǒng)計(jì)孔隙、顆粒發(fā)育情況,得出孔隙率??梢钥闯?,這些研究都是為了定量化分析圖像的細(xì)觀特征,實(shí)現(xiàn)圖像自動(dòng)識(shí)別,得出孔隙、顆粒的結(jié)構(gòu)參數(shù)和數(shù)量特征。但是,這些方法在以下關(guān)鍵問(wèn)題上存在一定的缺陷:(1)設(shè)定研究最小顆粒粒徑及較小粒徑顆粒識(shí)別方法;(2)一個(gè)圖像中可能有上千個(gè)顆粒和孔隙,形狀復(fù)雜,分布不均,宏觀特征參數(shù)已經(jīng)不能滿足研究需要,為此需要一些特定的參數(shù),分析每個(gè)顆粒的形狀、大小,以此來(lái)反映顆粒系統(tǒng)特征。
孔隙(顆粒)及裂隙圖像識(shí)別與分析系統(tǒng)(Pores and Cracks Analysis System,PCAS),可以定量分析碎屑流堆積物粒度特征,準(zhǔn)確獲得堆積物顆粒結(jié)構(gòu)的幾何參數(shù)和統(tǒng)計(jì)參數(shù),且操作簡(jiǎn)單,具有自動(dòng)化和可重復(fù)等優(yōu)點(diǎn)。PCAS 在顆粒識(shí)別中,存在著三個(gè)參數(shù)的選取問(wèn)題:閾值(T)、孔喉封閉半徑(r)、最小孔隙面積(S0)。該方法在滑坡堆積物粒度分析中具有很好的效果,但實(shí)用范例很少,目前僅彭雙麒等[10-11]通過(guò)PCAS 系統(tǒng)研究了碎屑流堆積體,得出碎屑流堆積物顆粒分布的一般規(guī)律,但沒有具體闡述PCAS顆粒識(shí)別系統(tǒng)的工作原理、參數(shù)意義以及參數(shù)選取方法。為此,本文通過(guò)PCAS 軟件對(duì)貴州納雍崩塌碎屑流堆積物顆粒特征進(jìn)行分析,得出圖像識(shí)別系統(tǒng)中閾值、孔喉封閉半徑、最小孔隙面積合適的參數(shù)取值,為PCAS 在崩塌堆積物顆粒的定量研究中提供了一個(gè)高效可行的方案。
PCAS 圖像識(shí)別步驟見圖1。
首先將圖像導(dǎo)入PCAS 軟件,調(diào)整閾值(T)進(jìn)行二值化處理,區(qū)分出孔隙和顆粒;然后選取合適的孔喉封閉半徑(r)和最小孔隙面積(S0),最后孔隙和顆粒的各種幾何參數(shù)將匯集于數(shù)據(jù)表,包括個(gè)數(shù)、長(zhǎng)度、寬度、面積、形狀系數(shù)、定向性等,并統(tǒng)計(jì)得到顆粒和孔隙的分形維數(shù)、表觀孔隙率、面積概率分布指數(shù)等統(tǒng)計(jì)參數(shù),實(shí)現(xiàn)孔隙和顆粒結(jié)構(gòu)的定量分析。本次主要研究顆粒個(gè)數(shù)和長(zhǎng)度兩個(gè)參數(shù)。
PCAS 得出的參數(shù)都是以像素為單位,可以通過(guò)換算得到實(shí)際的幾何參數(shù),如式(1)、(2)[12]:
式中:R—圖像的分辨率;
S、C—像素面積和像素周長(zhǎng);
St、Ct—真實(shí)面積和真實(shí)周長(zhǎng)。
PCAS 主要由三個(gè)參數(shù)確定:閾值(T)、孔喉封閉半徑(r)、最小孔隙面積(S0)。本節(jié)主要通過(guò)介紹這三個(gè)參數(shù)的選取意義,分析PCAS的原理與方法。
首先獲取崩塌堆積物的正射影像圖,圈定分析的范圍,獲得適當(dāng)?shù)膱D片大小,即開始圖像識(shí)別。在圖像識(shí)別前,需要進(jìn)行二值化處理,獲得二值圖像,PCAS 采用閾值分割法進(jìn)行圖像二值化[13],所謂閾值分割法,是基于影像圖中各個(gè)組成要素的灰度值的不同,通過(guò)選擇適當(dāng)?shù)幕叶乳撝祵⒂跋駡D轉(zhuǎn)換為二值圖像,根據(jù)圖像中孔隙與顆粒的灰度值不同加以區(qū)分[14]。具體來(lái)說(shuō),圖片由像素組成,而每一個(gè)像素是由紅綠藍(lán)(RGB)三原色分量組成,軟件自動(dòng)選取一個(gè)特征顏色值作為灰度值X(RGB),計(jì)算圖像中各個(gè)部分的灰度值P(RGB)與這個(gè)特征灰度值的距離[12]:
與選取的閾值作對(duì)比,d小于閾值為黑色,識(shí)別為孔隙;大于閾值為白色,識(shí)別為顆粒;從而把圖片識(shí)別成灰度圖像(圖2b)。
具體步驟為:起初設(shè)定較大的閾值,此時(shí)較多為顆粒的單元被識(shí)別為孔隙(黑色),再慢慢地減小閾值,直到黑色的細(xì)小顆粒單元被轉(zhuǎn)化為白色,能清晰地識(shí)別出顆粒與孔隙,此時(shí)為較好的閾值。為了減少人為判斷誤差,通常對(duì)不同堆積區(qū)進(jìn)行二值化處理,求取閾值平均值,作為選定的最終閾值。
顆粒與顆粒間并不是完全分開,會(huì)有連接(圖2b),在二值化過(guò)程中,顆粒通過(guò)細(xì)小連接,會(huì)被錯(cuò)誤識(shí)別為一個(gè)顆粒。因此,PCAS 在識(shí)別過(guò)程中,會(huì)設(shè)定一個(gè)特定直徑的孔喉封閉半徑,定義為腐蝕結(jié)構(gòu)元素的半徑r,對(duì)圖像做腐蝕運(yùn)算[15]。當(dāng)顆粒之間連接的直徑小于2r時(shí),則區(qū)分為兩個(gè)獨(dú)立區(qū)域,分開顆粒(圖2c),再將剩余像素歸并到顆粒上,實(shí)現(xiàn)顆粒與顆粒的自動(dòng)區(qū)分[16]。
圖2 PCAS 在T/r/S0=170/1/10時(shí)的顆粒識(shí)別結(jié)果Fig.2 PCAS particle recognition results at T/r/S0=170/1/10
圖片是由一系列像素點(diǎn)組成,當(dāng)像素較低時(shí),無(wú)法真實(shí)表征顆粒的真實(shí)形狀,需要將這些像素點(diǎn)及噪聲去除。因此,PCAS 識(shí)別程序中設(shè)定了可識(shí)別分析的最小孔隙面積,即設(shè)定一個(gè)面積識(shí)別下限,小于該值的顆粒面積都識(shí)別為雜點(diǎn)而被去除。在圖2(b)可以看到二值圖像中呈現(xiàn)為白色的細(xì)小雜點(diǎn),設(shè)置最小孔隙面積,可以消除這些雜點(diǎn)(圖2c),有效識(shí)別出顆粒。
PCAS 具有手動(dòng)編輯的功能,對(duì)于顆粒不完整或較多明顯雜點(diǎn),可以通過(guò)界面的“Edit binary image”功能,手動(dòng)修復(fù),歸并顆粒,區(qū)分出顆粒邊界,減小系統(tǒng)誤差。
以貴州納雍普灑村崩塌-碎屑流為例,運(yùn)用PCAS對(duì)其粒度進(jìn)行分析,結(jié)合彭雙麒等[2]的實(shí)測(cè)結(jié)果,研究PCAS 在崩塌碎屑流顆粒分析的應(yīng)用,以及閾值、孔喉封閉半徑和最小孔隙面積的參數(shù)選取。
彭雙麒等[2]通過(guò)傳統(tǒng)粒徑統(tǒng)計(jì)方法,沿納雍崩塌中部區(qū)域的主滑方向,將堆積區(qū)分為A1—A13 共13個(gè)區(qū),每個(gè)區(qū)長(zhǎng)100 m、寬50 m(圖3)。通過(guò)生成地表數(shù)字模型(DSM),人工觀測(cè)統(tǒng)計(jì),得出每個(gè)區(qū)域顆粒粒徑及對(duì)應(yīng)數(shù)量。為了方便測(cè)量,粒徑設(shè)定為顆粒對(duì)角線最大長(zhǎng)度取值。
圖3 崩塌堆積分區(qū)示意圖[2]Fig.3 Partition diagram of the collapse accumulation body[2]
分別統(tǒng)計(jì)出每個(gè)區(qū)域0~1 m、1~2 m、2~3 m、3~4 m、4~5 m、5~6 m、6~7 m、7~8 m、8~9 m、9~10 m、10~17 m的粒徑數(shù)量(識(shí)別最大粒徑16.6 m),取值區(qū)間左開右閉。根據(jù)統(tǒng)計(jì)結(jié)果,繪制成累計(jì)級(jí)配曲線(圖4),縱軸為小于某粒徑顆粒的數(shù)量百分比,橫軸為各粒徑。
圖4 分區(qū)顆粒粒徑累計(jì)曲線[2]Fig.4 Aggregate curve of particle size in subsection[2]
為了更直觀顯示A1—A13 每個(gè)統(tǒng)計(jì)區(qū)域內(nèi)大粒徑與小粒徑含量之間的關(guān)系,分別作出各區(qū)域0~2 m、2~4 m、4~6 m、大于6 m顆粒所占比例柱狀圖(圖5)。
圖5 各區(qū)域不同粒徑等級(jí)所占比例Fig.5 Proportion of different grain sizes in different regions
運(yùn)用PCAS 對(duì)每個(gè)區(qū)域顆粒進(jìn)行定量分析。不斷調(diào)整閾值、孔喉封閉半徑、最小孔隙面積,分別統(tǒng)計(jì)不同參數(shù)下對(duì)應(yīng)的顆粒分布情況,找到合適的參數(shù)取值,分析不同參數(shù)條件下對(duì)研究結(jié)果的影響,驗(yàn)證PCAS 軟件的準(zhǔn)確性。
(1)PCAS 參數(shù)選取
導(dǎo)入圖像,不斷調(diào)整閾值,對(duì)13個(gè)區(qū)域用PCAS軟件進(jìn)行二值化處理。通過(guò)實(shí)際分析本次納雍普灑村崩塌的圖像數(shù)據(jù),得出閾值在170時(shí)可以清晰地區(qū)分出顆粒與孔隙(圖6)。
探究孔喉封閉半徑(r)、最小孔隙面積(S0)的取值對(duì)PCAS顆粒識(shí)別的影響。不斷調(diào)整孔喉封閉半徑、最小孔隙面積合適的取值,并進(jìn)行相應(yīng)的組合。如圖7所示,當(dāng)r/S0=0.5/5(這里為像素,通過(guò)與實(shí)際半徑、面積換算,r/S0=0.5/5=0.05 m/0.05 m2,即r單位為0.1 m,S0單位為0.01 m2)時(shí),許多雜點(diǎn)及不需要的微小顆粒被識(shí)別,且顆粒與顆粒間不能有效分隔開;當(dāng)r/S0=4/40時(shí),較大顆粒也小于最小孔隙面積,不能識(shí)別出來(lái);對(duì)比圖2(c),當(dāng)r/S0=1/10時(shí),識(shí)別所得顆粒分布結(jié)果更能反映堆積物顆粒各粒徑分布情況。因此,選取孔喉封閉半徑r為1,2,3(單位為0.1 m,下同),最小孔隙面積S0為10,20,30,40(單位為0.01 m2,下同),互相組合(表1),找到合適的參數(shù)取值(各參數(shù)均以像素為單位)。
(2)PCAS 粒徑統(tǒng)計(jì)結(jié)果
圖6 PCAS 在不同閾值下的二值化結(jié)果Fig.6 Binarization results of PCAS at different thresholds
圖7 PCAS 在r/S0=0.5/5 與r/S0=4/40時(shí)的顆粒識(shí)別結(jié)果Fig.7 PCAS particle recognition results at r/S0=0.5/5 and r/S0=4/40
表1 三個(gè)參數(shù)的組合情況Table1 Combinations of the three parameters
由各個(gè)圖像中顆粒的幾何形態(tài)數(shù)據(jù),統(tǒng)計(jì)出每個(gè)區(qū)域長(zhǎng)軸在0~1 m、1~2 m、2~3 m、3~4 m、4~5 m、5~6 m、6~7 m、7~8 m、8~9 m、9~10 m、>10 m的粒徑數(shù)量(識(shí)別最大粒徑11.8 m),取值區(qū)間為左開右閉,繪制出顆粒粒徑累計(jì)曲線。并分別作出各區(qū)0~2 m、2~4 m、4~6 m、>6 m 粒徑所占比例柱狀圖。注意,PCAS 識(shí)別的是像素大小,每個(gè)區(qū)域圖片像素為465×976,而實(shí)際尺寸為50 m ×100 m,由式(1)和式(2)換算,為方便統(tǒng)計(jì),取1 像素等于0.1 m。
分別根據(jù)表1中的參數(shù)組合繪制顆粒粒徑累曲線(圖8)和各區(qū)域不同粒徑等級(jí)所占比例柱狀圖(圖9),圖9中粒徑百分比小于1%時(shí)沒有標(biāo)記。
由圖8可知:
(1)A11、A12、A13 圖像中粒徑小于2 m的百分含量明顯高于其他區(qū)域,說(shuō)明運(yùn)動(dòng)距離越遠(yuǎn),顆粒碰撞破碎越充分,小顆粒含量比重越大,分選越好。在閾值為170,孔喉封閉半徑為2時(shí),A1 圖像中粒徑小于2 m的百分含量也明顯高于其他區(qū)域,曲線較陡,顆粒粒徑級(jí)配差于其他區(qū)域。
(2)當(dāng)孔喉封閉半徑為1,2時(shí),隨著最小孔隙面積的變大,顆粒粒徑小于2 m的百分比明顯下降,但總的趨勢(shì)不變;表明PCAS 在最小孔隙面積增大時(shí),能去除較大的雜點(diǎn),區(qū)分出有效顆粒,總的百分比就降低。但當(dāng)孔喉封閉半徑為3時(shí),隨著孔隙面積的變大,大粒徑百分比無(wú)明顯變化,小顆粒粒徑百分比變小,小于1 m的粒徑百分比大多在10%以下(除A11、A12、A13);這表明當(dāng)孔喉封閉半徑增加到一定程度時(shí),許多顆粒被進(jìn)一步分割成更微小顆粒,當(dāng)最小孔隙面積較小時(shí)(這里為10),大量微細(xì)顆粒就被當(dāng)作雜點(diǎn)去除,此時(shí)即使最小孔隙面積變大,粒徑百分比也無(wú)明顯變化。
圖8 不同參數(shù)取值下各區(qū)域顆粒粒徑累計(jì)曲線Fig.8 Accumulation curve of particle size in each region under different parameters
(3)以N2、N6、N10為例,當(dāng)最小孔隙面積一定時(shí),隨著孔喉封閉半徑的增大,顆粒粒徑小于2 m的百分比明顯下降,且級(jí)配變差。N10 條件下,每個(gè)區(qū)域粒徑小于2 m的百分比分布在50%~90%,而N2、N6 小于2 m的百分比則在80%~95%;這表明隨著孔喉封閉半徑增大,形狀不規(guī)則的大顆粒被腐蝕,分割為小顆粒,當(dāng)小于最小孔隙面積時(shí),被作為雜點(diǎn)去除,所占比重減小。
(4)小于3 m的顆粒百分比在每個(gè)區(qū)域的占比都在80%以上,而圖4小于3 m的為70%以上,說(shuō)明PCAS 相比人工計(jì)數(shù),顆粒計(jì)數(shù)更精細(xì),識(shí)別更完整,但總的效果相差不大,粒徑級(jí)配曲線與實(shí)際情況相符,驗(yàn)證了PCAS 在碎屑流堆積物顆粒識(shí)別上的可靠性。
由圖9可知:
(1)由圖N1、N2、N5、N6可得,當(dāng)孔喉封閉半徑為1,2,最小孔隙面積為10,20時(shí),各區(qū)域0~2 m 小顆粒所占百分比都在80%以上,大于4 m顆粒所占百分比都在4%以內(nèi);表明當(dāng)孔喉封閉半徑與最小孔隙面積較小時(shí),各區(qū)域較多的小顆粒與雜點(diǎn)被識(shí)別,且不能被錯(cuò)誤識(shí)別為單個(gè)顆粒。對(duì)比N3、N4、N7、N8,當(dāng)孔喉封閉半徑或最小孔隙面積增大時(shí),0~2 m 小顆粒占比降低,大于4 m的大顆粒比重增加。
(2)由圖N9、N10、N11、N12可得,當(dāng)孔喉封閉半徑為3時(shí),各區(qū)域小于2 m的顆粒占比都具有先減小后增大的趨勢(shì),拐點(diǎn)在A3區(qū);有3個(gè)明顯波峰,極點(diǎn)在A2、A9、A12區(qū),有三個(gè)明顯波谷,極點(diǎn)在A3、A8、A10區(qū)。各區(qū)域4~6 m顆粒占比都在2%~4%附近,小于6 m的顆粒占比具有2個(gè)波谷,極點(diǎn)在A4 與A8區(qū)。各粒徑占比分布情況與圖5對(duì)比,基本吻合,接近真實(shí)值。
(3)對(duì)比圖N9、N10、N11、N12 與圖5,大于6 m顆粒占比在A3、A4、A5 三個(gè)區(qū)域與實(shí)際情況相符。圖5中,0~2 m顆粒占比在A3、A4、A5區(qū)呈現(xiàn)波谷形態(tài),但在PCAS 粒徑識(shí)別占比中,A1~A10區(qū)0~2 m顆粒占比都在52%~69%,表明在PCAS顆粒識(shí)別系統(tǒng)中,小粒徑顆粒識(shí)別效率高,各區(qū)占比較接近。
根據(jù)PCAS 在閾值為170、孔喉封閉半徑為3、最小孔隙面積為30 三個(gè)參數(shù)下取得的各區(qū)粒徑分布結(jié)果,結(jié)合人工統(tǒng)計(jì)數(shù)據(jù),作各區(qū)粒徑塊數(shù)對(duì)比柱狀圖(圖10)。結(jié)合圖8、圖9可得如下結(jié)果:
圖10 PCAS 統(tǒng)計(jì)方法在T/r/S0=170/3/30時(shí)與人工統(tǒng)計(jì)各區(qū)顆粒塊數(shù)對(duì)比圖Fig.10 Comparison chart of the PCAS statistical method at T/r/S0=170/3/30 and artificial statistics
2.3.1 優(yōu)勢(shì)
(1) 高效性:PCAS 統(tǒng)計(jì)的細(xì)顆粒數(shù)量相比人工統(tǒng)計(jì)的多,但顆粒數(shù)量變化趨勢(shì)基本一致,各區(qū)數(shù)量變化情況基本對(duì)應(yīng);0~2 m 粒徑塊數(shù)在A2、A4、A7 附近出現(xiàn)極值,2~4 m 粒徑數(shù)量在A4、A7 附近出現(xiàn)極值。表明PCAS可以有效識(shí)別肉眼難以計(jì)數(shù)的細(xì)小顆粒,可以極大提高對(duì)小粒徑顆粒(小于4 m)的識(shí)別效率,相比人工細(xì)小顆粒統(tǒng)計(jì)更高效。
(2) 準(zhǔn)確性:當(dāng)顆粒粒徑大于4 m時(shí),人工統(tǒng)計(jì)與PCAS 統(tǒng)計(jì)結(jié)果基本吻合(A8區(qū)異常)。人工對(duì)大顆粒的識(shí)別相比小顆粒準(zhǔn)確性較高,這也證實(shí)了PCAS對(duì)堆積體識(shí)別的準(zhǔn)確性,人工可以識(shí)別的,PCAS 也能自動(dòng)準(zhǔn)確識(shí)別。
(3) 規(guī)律性:從各區(qū)顆粒數(shù)量變化趨勢(shì)可以看出,PCAS 統(tǒng)計(jì)顆粒數(shù)量變化呈相當(dāng)好的規(guī)律,曲線圓潤(rùn)平滑,“波峰波谷”的數(shù)量極值與貴州納雍等碎屑流崩塌實(shí)際情況對(duì)應(yīng)較好[17-18],且符合碎屑流堆積體的一般規(guī)律[19]。而人工統(tǒng)計(jì)由于肉眼的局限性,在顆粒數(shù)量、顆粒大小上總會(huì)存在判斷失誤,與實(shí)際情況會(huì)有一定的差異。
(4)可操作性:PCAS顆粒識(shí)別系統(tǒng)操作簡(jiǎn)單,只需設(shè)定閾值(T)、孔喉封閉半徑(r)、最小孔隙面積
(S0)三個(gè)參數(shù),即可得到堆積體顆粒分布情況,可節(jié)省大量人力物力。
2.3.2 劣勢(shì)
PCAS 劣勢(shì)主要體現(xiàn)在三個(gè)參數(shù)自身的特性上,分析如下:
(1)A2、A8區(qū)顆粒數(shù)量出現(xiàn)奇點(diǎn);圖10(a)、(b)中,A2區(qū)人工統(tǒng)計(jì)粒徑小于4 m顆粒數(shù)量比PCAS 計(jì)數(shù)高,主要是因?yàn)楫?dāng)顆粒小于PCAS 設(shè)置的最小孔隙面積時(shí),就被自動(dòng)刪除,導(dǎo)致A2區(qū)粒徑小于4 m的顆粒數(shù)量較低;圖10(c)、(d)中,A8區(qū)人工統(tǒng)計(jì)粒徑4 m以上顆粒數(shù)量較高,主要是因?yàn)镻CAS 設(shè)置的孔喉封閉半徑過(guò)大,許多形狀不規(guī)則的大顆粒被錯(cuò)誤分割成多個(gè)小顆粒,導(dǎo)致大顆粒數(shù)量變少,并且這些誤分割成的小顆粒一部分大于最小孔隙面積,被識(shí)別成單個(gè)顆粒,導(dǎo)致A8區(qū)2~4 m 粒徑顆粒數(shù)量較人工統(tǒng)計(jì)的多。
(2)PCAS 圖像二值化,是根據(jù)圖像中孔隙與顆粒的灰度值不同加以區(qū)分的,主要取決于所得堆積體圖像。如果堆積體圖像的分辨率、對(duì)比度、飽和度以及拍攝角度等不同時(shí),選取的閾值可能會(huì)有差異,圖像二值化結(jié)果也可能不同。
2.3.3 可行性
(1) 綜合圖8~10,當(dāng)PCAS顆粒識(shí)別系統(tǒng)中采用不同的參數(shù)取值時(shí),對(duì)分析崩塌碎屑流顆粒分布情況會(huì)有一定的影響。當(dāng)所得圖像與本文納雍崩塌圖像相似,閾值170、孔喉封閉半徑3、最小孔隙面積30為最優(yōu)參數(shù)選擇,各區(qū)不同粒徑數(shù)量與人工統(tǒng)計(jì)所得結(jié)果基本對(duì)應(yīng),粒徑累計(jì)曲線與各區(qū)域不同粒徑等級(jí)所占比例最接近實(shí)際情況;反之,可根據(jù)本文所介紹的PCAS 識(shí)別方法、步驟以及參數(shù)選取的判定依據(jù),依據(jù)具體情況以“170、3、30”為基準(zhǔn)進(jìn)行合理的參數(shù)調(diào)整。
(2) PCAS顆粒識(shí)別系統(tǒng)已在貴州納雍崩塌[10]和金沙江白格滑坡[11]中得到應(yīng)用,并且效果顯著。得到滑坡堆積體圖像后,只需設(shè)定三個(gè)參數(shù),即可對(duì)堆積體進(jìn)行顆粒識(shí)別分析,操作簡(jiǎn)單,并且PCAS 具有手動(dòng)編輯的功能,可以通過(guò)界面的“Edit binary image”功能,根據(jù)實(shí)際情況進(jìn)行顆粒的調(diào)整。在新技術(shù)不斷發(fā)展的今天,PCAS 不失為崩塌碎屑流粒徑研究的一個(gè)高效、可行的途徑,具有應(yīng)用價(jià)值。
(1)PCAS 能自動(dòng)準(zhǔn)確地識(shí)別碎屑流堆積物顆粒與孔隙,具有高效、準(zhǔn)確、可操作性強(qiáng)等特點(diǎn),可用于堆積物顆粒數(shù)字圖像的識(shí)別、量化、分析;確定三個(gè)關(guān)鍵參數(shù):閾值(T)、孔喉封閉半徑(r)、最小孔隙面積(S0)的合適取值后,即可得出粒徑分布情況,節(jié)省大量人力物力。
(2)針對(duì)顆粒粒徑較大、二值化后孔隙與顆粒區(qū)分不明顯、噪點(diǎn)較多的圖像,采用較大的r/S0值更能反應(yīng)顆粒分布宏觀情況;反之,宜適當(dāng)減小r/S0進(jìn)行分析。當(dāng)所得圖像與本文納雍崩塌圖像相似,閾值170、孔喉封閉半徑3、最小孔隙面積30為最優(yōu)的參數(shù)選擇,可得到有效的碎屑流顆粒分布情況;反之,可以“170、3、30”為基準(zhǔn)進(jìn)行合理的參數(shù)調(diào)整。
(3)PCAS 具有較高的可行性,所得貴州納雍崩塌堆積物粒徑識(shí)別和統(tǒng)計(jì)結(jié)果與實(shí)測(cè)值接近,粒徑占比、分布規(guī)律基本吻合,即堆積體小粒徑占比較多,0~2 m顆粒粒徑各區(qū)占比都在50%以上,且運(yùn)動(dòng)距離越遠(yuǎn)小粒徑比例越大,各區(qū)“波峰波谷”變化趨勢(shì)基本對(duì)應(yīng)。