国产高分卫星数据在地质灾害调查中的应用

刘 媛，于爱军，李 凡

(武警警种学院，北京 昌平 102202)

国产高分卫星数据在地质灾害调查中的应用

刘 媛，于爱军，李 凡

(武警警种学院，北京 昌平 102202)

本文通过分析国产高分卫星数据特征，论述了常用的地质灾害信息提取方法，并利用面向对象的方法进行遥感地质灾害信息提取，对国产高分卫星数据在遥感地质灾害调查中的应用进行了研究。

国产高分卫星；数据特征分析；地质灾害；面向对象

1 国产卫星数据特征分析

由于国外卫星数据成本过大且受数据获取、数据覆盖能力等限制，调查与监测时效性相对滞后，很难实现实时动态监测地质环境演变。随着天绘一号、资源三号(ZY3)、高分一号(GF-1)、高分二号等国产中高分辨率卫星的陆续发射，高分辨率遥感数据逐渐被应用于地质灾害调查研究中。为充分发挥国产卫星数据优势，综合利用遥感影像的光谱特征、空间特征等来提取地质灾害体，对国产卫星数据特征进行分析与评价。

遥感传感器决定着卫星影像的光谱分辨率。国产卫星数据ZY3和GF-1均有一个全色波段，四个多光谱波段(包括:蓝、绿、红、近红外)。GF-1卫星的全色波段光谱范围为0.45～0.9 μm，完全覆盖从可见光到近红外的波段范围。遥感影像的空间分辨率决定了遥感影像记录的地表、地貌状况的详细程度，也决定了遥感解译精度和成图比例尺。高分一号和资源三号数据在多光谱波段的空间分辨率高于SPOT-5对应波段空间分辨率，能满足1∶2.5万和1∶5万的成图要求。高分一号和资源三号卫星的辐射分辨率比以往国产卫星数据都高，辐射分辨率为l0 bit，地物亮度值范围为0～1 023，即量化级D为1 024，影像的信息量明显增加，有利于提高地质灾害信息的目视判读、自动分类和提取精度。卫星图像的时间分辨率反映了对同一目标序列成像的时间间隔。高分一号卫星侧摆时重访周期是4 d，不侧摆时的回归周期是41 d，资源三号卫星的回归周期是59 d，两者对同一地点进行采样的时间间隔均较短，可以及时有效地提取地质灾害信息，同时为灾后的救援工作提供了信息保障。

2 国产高分卫星数据预处理

2.1 辐射校正

辐射校正是消除或减弱辐射畸变的过程。引起辐射畸变的原因主要是传感器本身产生的误差以及大气对辐射的影响。其中，传感器产生的误差在数据生产过程中，由生产单位根据传感器参数进行校正。因此，在辐射校正中，主要考虑对大气影响造成的畸变进行校正，包含：辐射定标和FLAASH大气校正两部分。

2.2 图像融合

为了更有利于进行环境监测、地质灾害信息提取及土地利用分类等分析，可以选择同时具有高空间分辨率和高光谱分辨率的遥感影像。图像融合可以使图像获得较高的空间分辨率，又具有多光谱特征。利用高分一号全色波段与多光谱波段对数据源进行融合，既保证了地物的清晰度，相邻地物连贯，色彩保真度也相对较高。

2.3 几何校正

几何精校正是在系统校正的基础上进行的消除几何畸变的过程。通过选择地面控制点，利用几何校正模型进行计算，地面控制点选取的多少及质量将直接影响精校正的精度。

3 地质灾害信息提取

在进行遥感地质灾害信息提取与评估之前，首先要进行遥感地质灾害体与其他非目标地物的分类，其精度直接影响灾害识别与灾害损失评估的准确性。以滑坡为例，进行特征识别和信息提取方法分析。

3.1 滑坡灾害体特征识别

滑坡是部分斜坡上的土体或岩体受地震、人工切坡等综合因素影响，在重力作用下沿着斜坡内一个或数个面，整体或者分散地顺坡向下滑动的地质现象。在遥感影像上，可利用典型滑坡的基本要素、滑坡标志的判译以及DEM专题图来识别滑坡。从遥感影像上直接获取的滑坡特征信息包括：滑坡体、滑坡后壁和滑坡边界三项滑坡基本地形(形态)要素。

3.2 常用地质灾害信息遥感提取方法

3.2.1 人工目视解译

人工目视解译是指根据工作区区域地质资料，结合地物在遥感影像上的特征以及目标之间的相互关系，通过建立解译标志，运用地学相关知识和解译经验来识别地质灾害体。它是遥感图像解译的基本方法，由于解译速度相对较慢，不利于地质灾害发生后的快速提取，而且由于解译人员知识水平的限制也会影响目视解译的精度。

3.2.2 监督分类

监督分类是在影像中选择有代表性的训练场地作为样本，通过选择特征参数，建立判别函数，进行样本统计与训练，把与训练样本具有相似性质的非样本像元进行识别归类。监督分类方法通过目视采集样本数据，进行计算机自动分类，有效减少人工干扰且提高了地质灾害信息的提取效率。

3.2.3 变化检测信息提取

地质灾害具有突发性、动态性等特点，利用多时相遥感影像进行地质灾害信息的变化检测，可以得到较好的效果。利用变化检测地质灾害信息时，需要获取地质灾害发生前、后的遥感影像，国产高分卫星数据时间分辨率高，获取较方便，能够高效、精确且快速地应用于灾害预警、气象预报、军事勘察等领域。

4 面向对象遥感地质灾害信息特征提取

面向对象的图像分析技术是充分利用高分辨率的全色和多光谱数据，利用空间、纹理、光谱信息来分割和分类，设定分割尺度，进行特征提取。首先以较大的分割尺度进行分割，可以在较大的尺度上对影像进行初步分类，然后利用较小的分割尺度对非植被中的不同地物类型进行分割，从而提取地质灾害信息。

4.1 目标类别选择

选择具有典型地质灾害类型的国产高分遥感影像进行分析，提取遥感地质灾害体信息。根据地物类型，确定主要地质灾害类型为滑坡，其他类型如：植被、居民地、道路、水体等信息为辅助分类信息。

4.2 多尺度分割参数的确定

分割尺度在选择时应尽量做到分割准确，确保同质性，以提高地质灾害信息提取的精度。在研究中，先在小区域范围内进行裁剪分割，通过对比试验，确定分割尺度与异质性标准，然后应用于整个研究区。以滑坡为例，当分割尺度设置较小(20)时，地物类别划分过于破碎，不具备整体性，计算速度比较慢；当分割尺度设置较大(90)时，滑坡灾害体和一些道路会被分到一类对象中，解译精度也随之降低；当分割尺度设置为中间值(50)时，滑坡体可以和其他非灾害体区分出来，滑坡体相对独立，可达到提取地质灾害体的效果。

4.3 地质灾害体信息提取

A.植被信息提取。首先，通过NDVI值区分植被和非植被，去除植被地质灾害信息的影响。通过设置NDVI阈值，将影像中植被提取出来，只留下居民地、道路、水体和地质灾害体等非植被类别。B.水体信息提取。把DEM值低于阈值的地物归为一类，包含:地势较低的水体和居民地等。根据水体的光谱特征，其在红色波段和近红外波段吸收特别强，灰度值近乎为零，可用近红外波段和红色波段的DN值来提取水体信息。C.地质灾害信息提取。提取出植被、居民地和水体后，只剩下地质灾害体和部分地势相对较高的道路信息。在遥感图像上，滑坡一般会沿着强烈的陡坡发育，表现为高度的不对称性。滑坡后壁通常表现为强反射的浅色色调。利用面向对象分类方法，先提取出非灾害体信息，如：部分道路信息，再通过逐层剔除，最后得到地质灾害体信息，并且提取的各类别轮廓清晰，目视效果较好，错分、漏分情况较少。

5 结语

国产中高分辨率卫星数据，可以应用于地质灾害特征信息分体提取。面向对象遥感地质灾害信息特征提取的方法，可以有效识别区域地质灾害体，提取地质灾害信息。但自然界的地质灾害大多不典型，不同地区、不同岩类构造、不同发育阶段会形成多种不同形态的地质灾害，因此，接下来需要对国产高分卫星数据开展更大范围、更加系统的地质灾害遥感调查研究。

[1] 冯东霞，余德清.地质灾害遥感调查的应用前景[J].国土资源导刊，2002，(04)：314-318.

[2] 关元秀，程晓阳.高分辨率卫星影像处理指南[M].北京:科学出版社，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

刘媛(1986-)，女，工学硕士，助教。