基于遙感影像多尺度分割與地質(zhì)因子評價的滑坡易發(fā)性區(qū)劃

李文娟，邵 海

（中國地質(zhì)環(huán)境監(jiān)測院，北京 100081）

0 引言

在國內(nèi)外地質(zhì)災(zāi)害野外調(diào)查研究領(lǐng)域中，滑坡災(zāi)害這種地質(zhì)現(xiàn)象十分常見，它表示斜坡產(chǎn)生的沿剪切面或整體向下滑移的過程與結(jié)果[1]。若僅依靠群測群防等人工措施對區(qū)域滑坡群逐一治理，時間效率將非常低下[2]。為了有效獲取滑坡災(zāi)害發(fā)生的位置，對重點研究區(qū)域滑坡災(zāi)情的孕災(zāi)環(huán)境準確評估將十分關(guān)鍵，由此引發(fā)的區(qū)域滑坡易發(fā)性問題在全球范圍內(nèi)也一直受到廣泛關(guān)注[3-4]。

在滑坡空間預(yù)測領(lǐng)域，許多國內(nèi)外學(xué)者利用較為成熟的計算機算法和滑坡野外調(diào)查經(jīng)驗進行了相應(yīng)的融合研究[5-6]。GUZZETTI 等[7]從意大利某典型滑坡區(qū)域空間預(yù)測方法探究的目的出發(fā)，利用多模型融合的方法，對相關(guān)算法的精確度指標進行了橫向研究；EECKHAUT等[8]則以法國香檳亞丁省滑坡群為研究對象，針對線性模型和非確定性模型的各自特點，搭建了基于數(shù)理統(tǒng)計算法的穩(wěn)定性分區(qū)流程，完成了對區(qū)域滑坡易發(fā)性的空間類別劃分；NICHOL 等[9]則應(yīng)用高分辨率遙感影像的紋理特征，對滑坡空間穩(wěn)定或非穩(wěn)定區(qū)域進行了詳細的分區(qū)描述。時至今日，3S 技術(shù)的不斷發(fā)展為區(qū)域滑坡易發(fā)性評價提供了更為多維與細致的技術(shù)方向，使得后來的學(xué)者可從多方位及定量的角度實現(xiàn)滑坡災(zāi)情的信息處理，同時也融合了計算機智能化運算屬性，通過引入數(shù)據(jù)挖掘的概念，賦予滑坡空間數(shù)據(jù)分析的能力[10-12]。本文以前人的研究作為基礎(chǔ)，構(gòu)建了融合遙感圖像處理技術(shù)和多維數(shù)據(jù)挖掘方法的穩(wěn)定性智能空間劃分過程，最后建模分析并完成了秭歸——巴東區(qū)內(nèi)滑坡易發(fā)性評估單元的分類預(yù)測。

1 研究區(qū)遙感多尺度分割處理

為了對滑坡遙感數(shù)據(jù)進行全面的分析，可通過面向?qū)ο蟮倪b感多尺度方法分利用單一或者多時相空間數(shù)據(jù)進行有效提取[13-17]。方法參考圖1，在分割開始前，一般需要對影像進行相應(yīng)的預(yù)處理。在同質(zhì)閾值預(yù)設(shè)干預(yù)下，首先確定所利用的對象因子，設(shè)置反復(fù)循環(huán)的流程，以此達到對其他對象因子的覆蓋；種子同時歸并最合適的鄰域，形成新的對象特征。這一過程以異質(zhì)性達到最小為標準，直到研究數(shù)據(jù)里的所有分割對象均參與了合并過程，并找到合適的對象域。由于其執(zhí)行效率和處理成果的一致性均比較突出，這種圖像多尺度分割技術(shù)理論在滑坡遙感監(jiān)測及易發(fā)性應(yīng)用評估領(lǐng)域已經(jīng)取得了一定的研究成果。

圖1 圖像多尺度分割原理示意圖Fig.1 Multi-scale image segmentation concept

本次試驗區(qū)域隸屬于著名的長江三峽庫區(qū)的秭歸——巴東沿段，從地理位置上來看，研究區(qū)東邊為湖北省宜昌市，西邊為重慶市巫山縣。延伸總距離大致為55 km，涵蓋區(qū)域面積為446 km2左右，總體地層走勢為盆地地形，具體發(fā)育情況可見圖2。

圖2 三峽庫區(qū)秭歸——巴東段地形地貌影像(三維地貌疊加Landsat-8 影像)Fig.2 Topographic image of Zigui——Badong area in Three Gorges Reservior

本文研究結(jié)合eCognition 軟件已有的數(shù)據(jù)處理功能，分析并獲取了秭歸——巴東段影像的光譜及紋理特征，經(jīng)大氣校正、裁剪、配準等預(yù)處理過程，同時利用研究區(qū)Landsat-8 影像中近紅外、紅、藍波段為原始遙感數(shù)據(jù)，其分辨率為30 m。模型引入相關(guān)性、對比度、能量、熵這4 個紋理參數(shù)作為評估因子，對研究區(qū)的植被覆蓋情況和滑坡形態(tài)特征的盡可能完整覆蓋。經(jīng)過多次實驗，對分割結(jié)果反復(fù)優(yōu)化和更新，最終確定將分割尺度、形狀異質(zhì)性參數(shù)、顏色異質(zhì)性參數(shù)分別設(shè)置為35，0.6，0.3，再把光滑度參數(shù)與緊湊度參數(shù)均設(shè)置為0.5 時即可達到實驗的精準性目的，研究區(qū)影像經(jīng)該算法運算并分割后成為了新的2 279 個區(qū)域（圖3）。

圖3 秭歸——巴東段面向?qū)ο蠖喑叨确指罱Y(jié)果Fig.3 Multi-scale texture segmentation results of Zigui——Badong area

2 地質(zhì)評價因子提取

相關(guān)研究表明，區(qū)域滑坡空間預(yù)測方法除利用相關(guān)已有遙感數(shù)據(jù)源參與建模外，還需要考慮實際的環(huán)境地質(zhì)因子，進行有針對性的綜合分析。通過查閱相關(guān)背景資料，研究區(qū)滑坡所在的地層巖性組合在很大程度上生成了空間孕災(zāi)的多種物理因素，詳情如表1所示[15]；整理相關(guān)資料，研究區(qū)坡度分布見圖4，同時本次研究也考慮到坡度這一典型滑坡承載應(yīng)力的分布特征，統(tǒng)一作為評價因子統(tǒng)一進行分級處理。

表1 秭歸——巴東工程巖組分類標準[18]Table 1 The classification standard of engineering rock group (Zigui-Badong)

圖4 研究區(qū)坡度分布圖Fig.4 Slope distribution map

本次研究的地質(zhì)數(shù)據(jù)均來自于三峽庫區(qū)地質(zhì)災(zāi)害防治工作指揮部，利用庫水位監(jiān)測指標、地形圖、30 m數(shù)字高程模型（DEM）和地質(zhì)底圖作為多結(jié)構(gòu)的基礎(chǔ)數(shù)據(jù)來源，同時在ArcGIS 軟件中提取影響滑坡空間穩(wěn)定性發(fā)育的主要地質(zhì)環(huán)境因素，根據(jù)三峽庫區(qū)已有歷史滑坡災(zāi)害數(shù)據(jù)庫的各項指標，融合不同類型多結(jié)構(gòu)數(shù)據(jù)的分箱處理流程和操作規(guī)范，對與空間易發(fā)性相關(guān)聯(lián)度較高的地質(zhì)評價因子進行專家分級處理，統(tǒng)一作為后續(xù)易發(fā)性挖掘規(guī)則的關(guān)聯(lián)規(guī)則前項因素，研究所形成的地質(zhì)評價因子結(jié)果見表2。

表2 地質(zhì)數(shù)據(jù)評級因子庫Table 2 Geological evaluation factors

3 滑坡易發(fā)性模型構(gòu)建及易發(fā)性區(qū)劃

對研究區(qū)已有滑坡信息進行充分調(diào)查，可發(fā)現(xiàn)巖質(zhì)與土質(zhì)滑坡是區(qū)域內(nèi)主要的兩種類別。從滑坡解譯的已有研究方法上來看，前者的解譯標志以是否出現(xiàn)明顯滑動面、孕災(zāi)的環(huán)境條件和庫水影響指標為主；后者的解譯多依賴于對易滑巖層、庫水浸泡和坡體動力學(xué)特征等標志的選擇。本文基于決策樹原理，將融合地質(zhì)因子分級指標特征，搭建秭歸-巴東段滑坡空間預(yù)測智能決策樹模型，并依據(jù)具體的分類結(jié)果進行區(qū)劃制圖，最后評價其精度。

在模型正式開始訓(xùn)練前，研究區(qū)域內(nèi)的影像數(shù)據(jù)已經(jīng)經(jīng)過面向?qū)ο蟮亩喑叨确指钐幚?，并形成? 279 個研究單元；為了驗證個體與總體的模型構(gòu)建精度，從研究區(qū)覆蓋均勻的角度出發(fā)，分別以180 個滑坡樣本及550 個非滑坡樣本單元作為訓(xùn)練樣本集，其中用0 表示穩(wěn)定區(qū)域，1 表示不穩(wěn)定的滑坡區(qū)域；本文將采用決策樹算法進行模型的構(gòu)建。

C5.0 決策樹屬典型分類算法，對數(shù)值型數(shù)據(jù)的分類化操作是主要核心操作，并將分類后的結(jié)果用于知識傳達。該算法以信息熵作為基本評估指標，分類結(jié)果和分類區(qū)間則以信息增益量(Information Gain)最大化達到結(jié)束狀態(tài)，同時這一過程將采用先驗分類的方法對原始數(shù)據(jù)進行預(yù)處理，以達到全局化最優(yōu)目的[13]。

決策樹其核心思想在于利用自上而下、分而治之的遞歸構(gòu)造函數(shù)形成中間結(jié)果分類。通過根目錄下子節(jié)點的多重分類和區(qū)間閾值設(shè)置，原始實驗數(shù)據(jù)集合將重復(fù)地被規(guī)劃為若干較小的子集合。本次研究以SPSS Clementine 軟件中的決策樹算法模型搭建流程為實現(xiàn)方式，對研究區(qū)實驗數(shù)據(jù)進行有目的性分析和知識發(fā)現(xiàn)，然后利用Boosting 方法細化原始數(shù)據(jù)集合及其子集合的分類精確度。該模型屬于近年來比較成熟的數(shù)據(jù)挖掘算法之一，本文采用的決策樹原理主要利用到信息增益函數(shù)指標，可表示如下：

式中：v——分枝數(shù)目；

Si——第i個分枝下記錄的數(shù)目。

利用決策樹算法模型的支持，在Clementine 軟件中進行實現(xiàn)。對這兩類數(shù)據(jù)預(yù)測效果進行匯總，模型精度評判詳情見表3，表4。

表3 訓(xùn)練集分類預(yù)測結(jié)果Table 3 Result of training set classification

表4 測試集分類預(yù)測結(jié)果Table 4 Result of testing set classification and prediction

從模型的總體評價結(jié)果中可看出：決策樹模型對研究區(qū)各對象訓(xùn)練單元的預(yù)測精度較好，總體正確率高達93.73%；Kappa 系數(shù)取值為-1 到1 之間，是一個用于一致性檢驗的指標，可用于衡量模型分類的效果，能夠直接反映正確分類的比例，文中則表明了C5.0 模型在滑坡穩(wěn)定性分區(qū)能力上的優(yōu)越性，這個數(shù)值在訓(xùn)練和測試樣本中分別達到了0.84 和0.51；通過分析論文中的滑坡易發(fā)性評估先驗分級因子，基于上述已通過測試的決策樹模型理論，對研究區(qū)分割后的每個對象加以應(yīng)用。同時考慮到數(shù)據(jù)的不同存儲結(jié)構(gòu)和應(yīng)用模式，分類模型呈現(xiàn)出兩種結(jié)果表達：針對離散數(shù)據(jù)，若結(jié)果為0，表示該單元為易發(fā)性較低的區(qū)域，1 則代表易發(fā)性程度較高的空間單元；針對數(shù)值型的連續(xù)數(shù)據(jù)，采用小于1 的小數(shù)表示各要素和影響研究區(qū)滑坡空間孕育的定量程度，認為該取值與滑坡空間易發(fā)性的概率呈正相關(guān)關(guān)系。綜上，通過融合離散與連續(xù)型數(shù)據(jù)的特征和分類模型特點，實驗采取自然裂點的方式將結(jié)果劃分為四個等級（表5）。

表5 秭歸——巴東段滑坡易發(fā)性分區(qū)總體結(jié)果Table 5 Landslide susceptibility classification prediction(Zigui——Badong)

根據(jù)上述模型生成的秭歸——巴東段滑坡易發(fā)性空間預(yù)測圖（圖5）。從易發(fā)性分類預(yù)測結(jié)果中可以看到，秭歸——巴東段滑坡空間預(yù)測情況總體呈現(xiàn)較為明顯的分類特征，不易發(fā)區(qū)和高易發(fā)區(qū)被劃分的對象單元較多，共有2 141 處單元被模型規(guī)劃，占總體的93.94%。從結(jié)果和最終制圖預(yù)測的效果表明，基于遙感影像多尺度分割與地質(zhì)因子評價的滑坡易發(fā)性制圖具有較好的分類特性（圖5）。

圖5 滑坡易發(fā)性預(yù)測區(qū)劃圖Fig.5 Landslide susceptibility prediction mapping

4 結(jié)論

從面向?qū)ο蟮倪b感影像多尺度分割和地質(zhì)因子專家分級的角度，本文構(gòu)建了基于遙感影像多尺度分割與地質(zhì)因子評價方法的易發(fā)性預(yù)測模型，對分割后秭歸-巴東段的2 279 個對象進行了滑坡空間易發(fā)性的預(yù)測分析和精度評價。決策樹模型對研究區(qū)各對象訓(xùn)練單元的預(yù)測精度較好，平均正確率高達91.64%；Kappa 系數(shù)在訓(xùn)練和測試樣本中分別達到了0.84 和0.51，表明了C5.0 模型在滑坡穩(wěn)定性分區(qū)能力上的優(yōu)越性；最后運用該分類模型結(jié)果建立秭歸——巴東段易發(fā)性規(guī)劃圖，預(yù)測結(jié)果表明應(yīng)著重關(guān)注長江干流及支流兩岸的滑坡孕育情況，且當工程巖組為侏羅系、志留系地層及巴東組、二疊系地層巖性的順向坡內(nèi)較易出現(xiàn)高易發(fā)性斜坡單元。綜上，基于滑坡所處研究區(qū)的地質(zhì)因子分級知識，利用影像多尺度分割與C5.0 決策樹模型的滑坡空間易發(fā)性模型預(yù)測結(jié)果是十分可靠的。