基于GDEM的泥石流灾害提取

曾成强

(1.兰州交通大学，甘肃兰州 730030； 2.兰州市勘察测绘研究院，甘肃兰州 730030)

基于GDEM的泥石流灾害提取

曾成强1，2∗

(1.兰州交通大学，甘肃兰州 730030； 2.兰州市勘察测绘研究院，甘肃兰州 730030)

利用高分辨率GDEM数据，通过arcgis软件提取沟壑矢量数据，设置阈值，提取泥石流灾害数据，通过叠加已有的地质灾害调查数据，进行数据正确性检验；应用TM影像经过数据预处理、辐射校正、几何校正、大气校正，提取植被覆盖度、植被指数数据，叠加已提取的泥石流灾害数据进行分析，研究泥石流灾害与植被覆盖度及植被指数之间的相关性，寻求其规律，降低泥石流灾害危害。

GDEM；TM；泥石流；植被覆盖度

1 引 言

GDEM全称ASTER Global Digital Elevation Map，是日本经济产业省和美国航空航天署合作使用ASTER数据生成的全球数字高程模型。GDEM数据为1°×1°方格，空间分辨率为30m，采用WGS-84或EGM96经纬度投影坐标系，整个数据覆盖了全球99%的陆地。

泥石流是斜坡上或沟谷中松散碎屑物质被暴雨或积雪、冰川消融水所饱和，在重力作用下，沿斜坡或沟谷流动的一种特殊洪流，具有爆发突然，历时短暂，来势凶猛和巨大破坏力等特点。

兰州市地处西北黄土高原，地貌破碎，沟壑纵横，地表植被稀少且主要为杂草，在夏、秋两季雨水较多时，泥石流频繁发作，造成重大经济损失和人员伤亡。采用人力实地调查费时、费力，且部分山区人力难以到达，不能达到普查地预期效果。

泥石流主要是从斜坡或沟谷发源，以水为动力源的一种地质灾害。从DEM直接提取沟壑，从而获取泥石流，具有高效省时，精度高等特点。GDEM高程精度为20 m，平面精度为30 m，完全可以满足提取泥石流灾害所需精度。

2 技术路线

利用GDEM提取泥石流灾害，实际上就是利用DEM提取地表沟壑，再依据汇水阈值判定该沟壑能否在降雨时发生泥石流以及其易发性。

利用DEM水文分析法提取沟壑，是一种高效、高精度的方法，现已有比较完备的算法。Band(1986)，Qian(1990)等提出的用一个矩形窗口扫描DEM矩阵来确定洼地，将位于洼地内的栅格单元标记为水系部分；还有O′Callaghan等提出的基于地表径流漫流模型，模拟地表径流在地表的流动来产生水系。

基于地表径流漫流模型的基本原理是根据DEM栅格单元与其相邻8个的单元格之间的最大坡度来确定水流方向，再计算每个单元格上游汇水面积，从而判定一个汇水面积阈值，大于该阈值的单元格标记为该水系的组成部分。该方法依据水文学汇流概念判别水流路径，有较好的模型基础，算法比较简单，能够模拟地表径流，并直接生成连续的流路，提取水系沟壑。

现已有兰州市全市域GDEM数据如图1所示，2003年5月10日130035TM影像如图2所示。2010年调查的1∶50 000兰州市地质灾害数据等资料。

图1 兰州GDEM

图2 兰州TM影像

由于GDEM数据坐标系统为WGS-84坐标系，大小为1°×1°方格数据；地质灾害数据坐标系统为1980西安坐标系，所以必须对数据进行预处理。本文采用ERDAS软件对GDEM数据进行预处理，将已有的几块数据镶嵌为一块，以地质灾害数据为基准，采用多项式算法，对GDEM数据和TM影像进行纠正，在纠正过程中采用Nearest Neighbor算法重采样，保持精度损失最小。

3 工作流程

3.1 洼地处理

洼地即局部区域中最低点，是影响地表流水过程的重要因素，对确定水流方向有重要影响。提取沟谷时首先要对洼地进行处理。

Martez和Garbrecht(1992)提出了一种洼地填充算法，首先标记属于洼地的集水区域单元格，再从已标记的单元格中找出潜在的出流点。潜在的出流点至少拥有一个高程比它低的为标记单元格。找出最低的潜在出流点后比较它和洼地单元格的高程。若出流点高程高，那么洼地是一个凹地，反之是一个平地。对于凹地，把洼地集水区域内所有低于出流点的单元格高程升至出流点高程，使得凹地变为平地。单格洼地与独立洼地如图3所示。

图3 洼地的处理

3.2 平地处理

Martz和Garbrecht(1992)用了高程增量叠加算法设定平坦格网内的水流方向。该算法的基本过程为:

(1)扫描经过洼地填充的DEM数据，搜寻8个邻域高程都不低于该栅格高程的栅格点，标记为平地单元；

(2)给搜索到的每一个栅格点都增加一个微小的高程增量(如栅格高程采样精度的十分之一、千分之一或万分之一)；

重复上述过程，直至再也搜索不到平地单元。

3.3 水流方向及水流累积量的确定

水流方向是水流离开此格网时的指向。确定水流方向的算法根据其基本思想可分为:单流向算法(SFD)、多流向算法(MFD)及其他算法。单流向算法是将某单元格上产生的径流都流向一个最低的相邻单元格，多流向算法将径流按一定的比例流向若干相对较低的相邻单元格。

泥石流实际就是较小沟壑地表径流不断汇集到较大沟壑中，当径流量超过一定阈值后形成的地质灾害，基于此种原因，采用单流向算法提取水流方向即可。

3.4 水道起始位置的确定

O′Callaghan和Mark(1984)提出了最小水道给养面积阈值(形成永久性水道所必需的集水面积)的概念，也称为汇流累计阈值。这种方法的假设是降雨产生的径流在流域分布是均匀的，并且径流所引起的地貌或是侵蚀反应对于沟谷形成来说是均匀的。

Martz和Garbrecht(1995)认为用水道给养面积阈值这一单个参数来反映河网发育的影响因子(诸如地形、地质、土壤和植被)相互作用的复杂关系，当其应用到相对均一的下垫面时可生成较合理的水系。

兰州市周边皆是黄土地貌，下垫层一致，沟谷地形基本是由径流侵蚀形成。采用汇流累计阈值即可完全满足确定水道起始位置的条件。

3.5 沟壑提取

沟壑提取实际上就是提取水系流域，主要是根据DEM栅格单元和相邻的8个单元格之间最大坡度来确定水流方向，计算每个单元格上游汇流能力，再判定一个汇水面积阈值，大于该阈值的单元格标记为该水系的组成部分，这种方法是由O′Callaghan和Mark两人于1984年提出，是种很好的沟壑流域提取方法。兰州市沟壑提取如图4所示。

图4 兰州市沟壑分布图

3.6 归一化植被指数NDVI

归一化植被指数是近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。NDVI是植被生长状态及植被覆盖度的最佳指示因子。

对经过辐射定标后的TM影像进行大气校正，在采用上述公式计算归一化植被指数NDVI，结果如图5所示。

图5 兰州市归一化植被指数

4 结果与精度分析

4.1 与地质灾害调查数据比较

从图4可以看出，汇流阈值设为100时，提取沟壑十分密集，并且伴有大量的伪沟谷存在，证明汇流阈值设置不正确。多次试验证明，汇流阈值设置为500时，伪沟谷量大大降低，提取的沟壑较为合理，与调查泥石流灾害数据叠加后完全吻合，结果如图6所示。

图6 提取泥石流数据与野外调查数据叠加

如图6所示，提取的泥石流数据与已有的1∶50 000兰州市泥石流数据叠加显示，提取的泥石流数据完全包含已有的1∶50 000泥石流灾害调查数据。由于1∶50 000泥石流灾害调查数据并没有调查边远地区未对村庄造成威胁的泥石流灾害，调查数据不够全面，并且调查数据为点数据，不能直观显示泥石流灾害的起源、径流、形状等相关信息。依据GDEM提取的泥石流数据是全面的囊括GDEM所有中沟壑数据，数据全面，显示直观，精度高。

4.2 与归一化植被指数关系

提取的泥石流数据与归一化植被指数NDVI、植被覆盖度分别叠加显示如图7、图8所示。

图7 提取泥石流数据与归一化植被指数叠加

图8 提取泥石流数据与植被覆盖度叠加

从图8、图9可以看出植被对泥石流灾害有一定的影响，但并不是泥石流灾害的决定因素，植被类型对泥石流灾害对如图9所示。

图9 不同区域的泥石流情况

图9中a区域为兰州市北山区域，植被稀疏，覆盖度较低，人口稀疏，雨水少；b区域为兰州市桃树坪、和平、定远、渝中等地区，气候湿润，农业灌溉用水充足，植被主要为农作物，覆盖度较高，人口聚集，主要从事农业生产；c区域为兰州市兴隆山区域，气候潮湿、雨量充足，植被丰富，主要是树木，覆盖度很高，但是人口稀疏，主要从事农业生产。

计算图9中三个区域沟壑密度如表1所示。

不同区域沟壑指数对照表 表1

通过计算图9中沟壑密度得知，b区域沟壑密度值最大，a区域中沟壑密度值居中，c区域中沟壑密度值最小。b区域虽然植被覆盖度较高，但是主要以农作物为主，对泥石流灾害抑制作用不大，相反人类活动加剧了泥石流灾害。a区域和c区域都是山区，c区域中植被覆盖度高，以树木为主，对泥石流灾害又较强的抑制作用，从沟壑密度对比中也可得出相同的结论。

5 总 结

利用GDEM提取泥石流灾害数据省时省力、数据全面、精度高，完全可以达到实用要求。但是还存在一些不足，提取泥石流没有一个明确、科学的阈值，主要是靠经验性测试；在本文中没有加入坡度和坡向对泥石流灾害进行分析，这也是一个遗憾。

应用DEM结合遥感影像提取泥石流灾害是一个科学而又高效的方法，综合坡度、坡向、植被、气象、人为因素等影响因子，准确提取、评估泥石流灾害将会是下一步的工作重点。

[1] 汤国安，刘学军，闾国年.数字高程模型及地学分析的原理与方法[M].北京:科学出版社，2006.

[2] 李志林，朱庆.数字高程模型[M].武汉:武汉大学出版社，2003.

[3] 赵英时.遥感应用分析原理与方法[M].北京:科学出版社，2005.

[4] 岳文泽.基于遥感影像的城市景观格局及其热环境效应研究[M].北京:科学出版社，2008.

[5] 毕华兴，谭秀英，李笑吟.基于DEM的数字地形分析[J].北京林业大学学报，2005，27(2).

[6] 唐川，张军，万石云等.基于高分辨率遥感影像的城市泥石流灾害损失评估[J].地理科学，2006，26(3).

[7] 赵文武，傅伯杰，陈立顶.陕北黄土丘陵沟壑区地形因子与水土流失的相关性分析[J].水土保持学报，2003，17 (3).

[8] 左文君，张金存，贾超.基于DEM的城市数字河网提取[J].水电能源科学，2010，28(2).

[9] 陈洪凯，唐红梅，刘丽等.地质灾害理论与控制[M].北京:科学出版社，2011.

Extracted debris Flow Hazards Based GDEM

Zeng Chengqiang1，2
(1.Lanzhou Jiaotong University，Lanzhou 730030，China；2.Lanzhou Institute of Prospecting and Mapping，Lanzhou 730030，China)

GDEM data which is a high-resolution data of DEM used to gully vector data through arcgis software.To set the threshold to extract the debris flow disaster data and checking the correctness of data by superposition existing geological disaster survey data；application of TM images after data preprocessing，radiometric correction，geometric correction，atmospheric correction，extraction of vegetation coverage，NDVI form TM image superimposed extracted debris flow disaster data analysis to study the correlation between the debris flow hazards and vegetation cover and NDVI，to seek its own rules and reduce the hazards of debris flow hazards.

GDEM；TM；debris flow；vegetation cover

1672-8262(2013)04-108-04

P231.1，TP751

A

2012—10—07

曾成强(1981—)，男，硕士研究生，工程师，主要从事RS、GIS技术的应用性研究等工作。