國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)在地質(zhì)災(zāi)害調(diào)查中的應(yīng)用

劉 媛，于愛(ài)軍，李 凡

(武警警種學(xué)院，北京 昌平 102202)

國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)在地質(zhì)災(zāi)害調(diào)查中的應(yīng)用

劉 媛，于愛(ài)軍，李 凡

(武警警種學(xué)院，北京 昌平 102202)

本文通過(guò)分析國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)特征，論述了常用的地質(zhì)災(zāi)害信息提取方法，并利用面向?qū)ο蟮姆椒ㄟM(jìn)行遙感地質(zhì)災(zāi)害信息提取，對(duì)國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)在遙感地質(zhì)災(zāi)害調(diào)查中的應(yīng)用進(jìn)行了研究。

國(guó)產(chǎn)高分衛(wèi)星；數(shù)據(jù)特征分析；地質(zhì)災(zāi)害；面向?qū)ο?/p>

1 國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)特征分析

由于國(guó)外衛(wèi)星數(shù)據(jù)成本過(guò)大且受數(shù)據(jù)獲取、數(shù)據(jù)覆蓋能力等限制，調(diào)查與監(jiān)測(cè)時(shí)效性相對(duì)滯后，很難實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)地質(zhì)環(huán)境演變。隨著天繪一號(hào)、資源三號(hào)(ZY3)、高分一號(hào)(GF-1)、高分二號(hào)等國(guó)產(chǎn)中高分辨率衛(wèi)星的陸續(xù)發(fā)射，高分辨率遙感數(shù)據(jù)逐漸被應(yīng)用于地質(zhì)災(zāi)害調(diào)查研究中。為充分發(fā)揮國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)優(yōu)勢(shì)，綜合利用遙感影像的光譜特征、空間特征等來(lái)提取地質(zhì)災(zāi)害體，對(duì)國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)特征進(jìn)行分析與評(píng)價(jià)。

遙感傳感器決定著衛(wèi)星影像的光譜分辨率。國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)ZY3和GF-1均有一個(gè)全色波段，四個(gè)多光譜波段(包括:藍(lán)、綠、紅、近紅外)。GF-1衛(wèi)星的全色波段光譜范圍為0.45～0.9 μm，完全覆蓋從可見(jiàn)光到近紅外的波段范圍。遙感影像的空間分辨率決定了遙感影像記錄的地表、地貌狀況的詳細(xì)程度，也決定了遙感解譯精度和成圖比例尺。高分一號(hào)和資源三號(hào)數(shù)據(jù)在多光譜波段的空間分辨率高于SPOT-5對(duì)應(yīng)波段空間分辨率，能滿足1∶2.5萬(wàn)和1∶5萬(wàn)的成圖要求。高分一號(hào)和資源三號(hào)衛(wèi)星的輻射分辨率比以往國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)都高，輻射分辨率為l0 bit，地物亮度值范圍為0～1 023，即量化級(jí)D為1 024，影像的信息量明顯增加，有利于提高地質(zhì)災(zāi)害信息的目視判讀、自動(dòng)分類和提取精度。衛(wèi)星圖像的時(shí)間分辨率反映了對(duì)同一目標(biāo)序列成像的時(shí)間間隔。高分一號(hào)衛(wèi)星側(cè)擺時(shí)重訪周期是4 d，不側(cè)擺時(shí)的回歸周期是41 d，資源三號(hào)衛(wèi)星的回歸周期是59 d，兩者對(duì)同一地點(diǎn)進(jìn)行采樣的時(shí)間間隔均較短，可以及時(shí)有效地提取地質(zhì)災(zāi)害信息，同時(shí)為災(zāi)后的救援工作提供了信息保障。

2 國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)預(yù)處理

2.1 輻射校正

輻射校正是消除或減弱輻射畸變的過(guò)程。引起輻射畸變的原因主要是傳感器本身產(chǎn)生的誤差以及大氣對(duì)輻射的影響。其中，傳感器產(chǎn)生的誤差在數(shù)據(jù)生產(chǎn)過(guò)程中，由生產(chǎn)單位根據(jù)傳感器參數(shù)進(jìn)行校正。因此，在輻射校正中，主要考慮對(duì)大氣影響造成的畸變進(jìn)行校正，包含：輻射定標(biāo)和FLAASH大氣校正兩部分。

2.2 圖像融合

為了更有利于進(jìn)行環(huán)境監(jiān)測(cè)、地質(zhì)災(zāi)害信息提取及土地利用分類等分析，可以選擇同時(shí)具有高空間分辨率和高光譜分辨率的遙感影像。圖像融合可以使圖像獲得較高的空間分辨率，又具有多光譜特征。利用高分一號(hào)全色波段與多光譜波段對(duì)數(shù)據(jù)源進(jìn)行融合，既保證了地物的清晰度，相鄰地物連貫，色彩保真度也相對(duì)較高。

2.3 幾何校正

幾何精校正是在系統(tǒng)校正的基礎(chǔ)上進(jìn)行的消除幾何畸變的過(guò)程。通過(guò)選擇地面控制點(diǎn)，利用幾何校正模型進(jìn)行計(jì)算，地面控制點(diǎn)選取的多少及質(zhì)量將直接影響精校正的精度。

3 地質(zhì)災(zāi)害信息提取

在進(jìn)行遙感地質(zhì)災(zāi)害信息提取與評(píng)估之前，首先要進(jìn)行遙感地質(zhì)災(zāi)害體與其他非目標(biāo)地物的分類，其精度直接影響災(zāi)害識(shí)別與災(zāi)害損失評(píng)估的準(zhǔn)確性。以滑坡為例，進(jìn)行特征識(shí)別和信息提取方法分析。

3.1 滑坡災(zāi)害體特征識(shí)別

滑坡是部分斜坡上的土體或巖體受地震、人工切坡等綜合因素影響，在重力作用下沿著斜坡內(nèi)一個(gè)或數(shù)個(gè)面，整體或者分散地順坡向下滑動(dòng)的地質(zhì)現(xiàn)象。在遙感影像上，可利用典型滑坡的基本要素、滑坡標(biāo)志的判譯以及DEM專題圖來(lái)識(shí)別滑坡。從遙感影像上直接獲取的滑坡特征信息包括：滑坡體、滑坡后壁和滑坡邊界三項(xiàng)滑坡基本地形(形態(tài))要素。

3.2 常用地質(zhì)災(zāi)害信息遙感提取方法

3.2.1 人工目視解譯

人工目視解譯是指根據(jù)工作區(qū)區(qū)域地質(zhì)資料，結(jié)合地物在遙感影像上的特征以及目標(biāo)之間的相互關(guān)系，通過(guò)建立解譯標(biāo)志，運(yùn)用地學(xué)相關(guān)知識(shí)和解譯經(jīng)驗(yàn)來(lái)識(shí)別地質(zhì)災(zāi)害體。它是遙感圖像解譯的基本方法，由于解譯速度相對(duì)較慢，不利于地質(zhì)災(zāi)害發(fā)生后的快速提取，而且由于解譯人員知識(shí)水平的限制也會(huì)影響目視解譯的精度。

3.2.2 監(jiān)督分類

監(jiān)督分類是在影像中選擇有代表性的訓(xùn)練場(chǎng)地作為樣本，通過(guò)選擇特征參數(shù)，建立判別函數(shù)，進(jìn)行樣本統(tǒng)計(jì)與訓(xùn)練，把與訓(xùn)練樣本具有相似性質(zhì)的非樣本像元進(jìn)行識(shí)別歸類。監(jiān)督分類方法通過(guò)目視采集樣本數(shù)據(jù)，進(jìn)行計(jì)算機(jī)自動(dòng)分類，有效減少人工干擾且提高了地質(zhì)災(zāi)害信息的提取效率。

3.2.3 變化檢測(cè)信息提取

地質(zhì)災(zāi)害具有突發(fā)性、動(dòng)態(tài)性等特點(diǎn)，利用多時(shí)相遙感影像進(jìn)行地質(zhì)災(zāi)害信息的變化檢測(cè)，可以得到較好的效果。利用變化檢測(cè)地質(zhì)災(zāi)害信息時(shí)，需要獲取地質(zhì)災(zāi)害發(fā)生前、后的遙感影像，國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)時(shí)間分辨率高，獲取較方便，能夠高效、精確且快速地應(yīng)用于災(zāi)害預(yù)警、氣象預(yù)報(bào)、軍事勘察等領(lǐng)域。

4 面向?qū)ο筮b感地質(zhì)災(zāi)害信息特征提取

面向?qū)ο蟮膱D像分析技術(shù)是充分利用高分辨率的全色和多光譜數(shù)據(jù)，利用空間、紋理、光譜信息來(lái)分割和分類，設(shè)定分割尺度，進(jìn)行特征提取。首先以較大的分割尺度進(jìn)行分割，可以在較大的尺度上對(duì)影像進(jìn)行初步分類，然后利用較小的分割尺度對(duì)非植被中的不同地物類型進(jìn)行分割，從而提取地質(zhì)災(zāi)害信息。

4.1 目標(biāo)類別選擇

選擇具有典型地質(zhì)災(zāi)害類型的國(guó)產(chǎn)高分遙感影像進(jìn)行分析，提取遙感地質(zhì)災(zāi)害體信息。根據(jù)地物類型，確定主要地質(zhì)災(zāi)害類型為滑坡，其他類型如：植被、居民地、道路、水體等信息為輔助分類信息。

4.2 多尺度分割參數(shù)的確定

分割尺度在選擇時(shí)應(yīng)盡量做到分割準(zhǔn)確，確保同質(zhì)性，以提高地質(zhì)災(zāi)害信息提取的精度。在研究中，先在小區(qū)域范圍內(nèi)進(jìn)行裁剪分割，通過(guò)對(duì)比試驗(yàn)，確定分割尺度與異質(zhì)性標(biāo)準(zhǔn)，然后應(yīng)用于整個(gè)研究區(qū)。以滑坡為例，當(dāng)分割尺度設(shè)置較小(20)時(shí)，地物類別劃分過(guò)于破碎，不具備整體性，計(jì)算速度比較慢；當(dāng)分割尺度設(shè)置較大(90)時(shí)，滑坡災(zāi)害體和一些道路會(huì)被分到一類對(duì)象中，解譯精度也隨之降低；當(dāng)分割尺度設(shè)置為中間值(50)時(shí)，滑坡體可以和其他非災(zāi)害體區(qū)分出來(lái)，滑坡體相對(duì)獨(dú)立，可達(dá)到提取地質(zhì)災(zāi)害體的效果。

4.3 地質(zhì)災(zāi)害體信息提取

A.植被信息提取。首先，通過(guò)NDVI值區(qū)分植被和非植被，去除植被地質(zhì)災(zāi)害信息的影響。通過(guò)設(shè)置NDVI閾值，將影像中植被提取出來(lái)，只留下居民地、道路、水體和地質(zhì)災(zāi)害體等非植被類別。B.水體信息提取。把DEM值低于閾值的地物歸為一類，包含:地勢(shì)較低的水體和居民地等。根據(jù)水體的光譜特征，其在紅色波段和近紅外波段吸收特別強(qiáng)，灰度值近乎為零，可用近紅外波段和紅色波段的DN值來(lái)提取水體信息。C.地質(zhì)災(zāi)害信息提取。提取出植被、居民地和水體后，只剩下地質(zhì)災(zāi)害體和部分地勢(shì)相對(duì)較高的道路信息。在遙感圖像上，滑坡一般會(huì)沿著強(qiáng)烈的陡坡發(fā)育，表現(xiàn)為高度的不對(duì)稱性?；潞蟊谕ǔ１憩F(xiàn)為強(qiáng)反射的淺色色調(diào)。利用面向?qū)ο蠓诸惙椒?，先提取出非?zāi)害體信息，如：部分道路信息，再通過(guò)逐層剔除，最后得到地質(zhì)災(zāi)害體信息，并且提取的各類別輪廓清晰，目視效果較好，錯(cuò)分、漏分情況較少。

5 結(jié)語(yǔ)

國(guó)產(chǎn)中高分辨率衛(wèi)星數(shù)據(jù)，可以應(yīng)用于地質(zhì)災(zāi)害特征信息分體提取。面向?qū)ο筮b感地質(zhì)災(zāi)害信息特征提取的方法，可以有效識(shí)別區(qū)域地質(zhì)災(zāi)害體，提取地質(zhì)災(zāi)害信息。但自然界的地質(zhì)災(zāi)害大多不典型，不同地區(qū)、不同巖類構(gòu)造、不同發(fā)育階段會(huì)形成多種不同形態(tài)的地質(zhì)災(zāi)害，因此，接下來(lái)需要對(duì)國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)開(kāi)展更大范圍、更加系統(tǒng)的地質(zhì)災(zāi)害遙感調(diào)查研究。

[1] 馮東霞，余德清.地質(zhì)災(zāi)害遙感調(diào)查的應(yīng)用前景[J].國(guó)土資源導(dǎo)刊，2002，(04)：314-318.

[2] 關(guān)元秀，程曉陽(yáng).高分辨率衛(wèi)星影像處理指南[M].北京:科學(xué)出版社，2008.

Application of domestic high-resolution satellite data in the investigation of geological disasters

LIU Yuan, YU Ai-jun, LI Fan

(School of Armed Police Force, Changping 102202, China)

Through data features analysis, usual methods of information extraction were discussed and the method of object-oriented geological disaster information extraction was proposed to extract geological disasters using domestic high-resolution data in this paper.

Domestic high-resolution satellite; Feature analysis of data; Geological disasters; Object-oriented

P694

： A

： 1674-8646(2017)16-0022-02

2017-05-26

劉媛(1986-)，女，工學(xué)碩士，助教。