国外基于遥感的滑坡灾害研究方法进展

《国外基于遥感的滑坡灾害研究方法进展》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第39卷第3期2015年9月地质学刊JournalofGeologyV01．39No．3September，2015doi：10．3969／j．issn．1674-3636．2015．03．495国外基于遥感的滑坡灾害研究方法进展吕鹏1⋯，牛琳3，张炜1⋯，李逸川1’2，李万伦1’2(1．中国地质图书馆，北京100083；2．中国地质调查局地学文献中心，北京100083；3．华东有色地质矿产勘查开发院，江苏南京210007)摘要：滑坡是世界上最严重的自然灾害之一，遥感技术可用于滑坡的识别、填图、监测和评价。与实地调查方法相比，遥感可以快速获取大区域数据

2、，减少野外工作量和成本。因此，它能更经济地了解较大范围的滑坡分布，评估滑坡灾情。目前，国外在滑坡调查中使用遥感技术的新进展主要有：利用合成孔径雷达、高空间分辨率的便携式无人机、多时相遥感数据、面向对象的图像处理方法等。通过对这些新方法及其实例介绍，分析这些滑坡调查新方法的进展以及未来发展方向。关键词：滑坡；遥感；识别；填图；敏感性；监测；国外中图分类号：P694；X87文献标识码：A文章编号：1674-3636(2015)03-0495-060引言滑坡是世界上最严重的自然灾害之一，滑坡灾害造成的人员伤亡以及经济和环境破坏日益严重。过去几十年，利用遥感进

3、行滑坡识别、编录、敏感性和危险眭分区技术的发展，使其成为改善土地利用规划、防治灾害、减少人员伤亡的有效和经济的技术手段。特别是计算机和卫星遥感技术的发展为分析、评估和确定滑坡的形成条件及其特征提供了重要信息。一般情况下，遥感技术，如航片解译、立体图像分析、干涉测量研究和激光探测及测距系统(LiDAR)可用于滑坡的识别、监测和分类。在评估边坡不稳定性的常规方法中使用遥感系统，可以快速便捷地获取、更新大区域数据，减少野外工作和成本(Aksoyetal，2012)。对已发生的滑坡灾害或滑坡敏感性填图研究通常使用传统的航空照片。20世纪90年代后期，立体航空照

4、片的解译是测绘和监测滑坡特征和触发因子最常见的遥感工具。过去十几年，研究人员对在滑坡评价中使用卫星图像的兴趣越来越大。这归因于SPOT一5HRG、ASTER、WorldView—II、QuickBird、IKONOS等卫星传感器的空间分辨率和立体分辨能力的提升，可以获取与航空照片的地形图像分辨率相近的二维和三维图像，并具有测绘覆盖面积大的优势。虽然航空拍摄的照片能够准确识别滑坡的细节特征，但难以及时获取世界范围内众多滑坡易发地区的照片，且往往需要进行耗时的目视分析。相反，卫星图像已经逐步成为替代数据源，因为它在评估较大滑坡受灾地区时更经济，特别是针对土

5、地覆盖的动态变化，同时对滑坡发生时的天气背景要求不高。近年来，国外在边坡稳定性调查中使用的各种遥感技术和分析方法取得了一些新进展，如利用合成孔径雷达(SAR)数据对地表形变的监测(Venturaetal，2011)、利用高空间分辨率的便携式无人机对滑坡进行填图(Niethammeretal，2012)、利用多时相遥感数据对滑坡进行研究(Yangetal，2010)、面向对象的图像处理方法应用于滑坡识别和分类(Aksoyetal，2012)等。通过对这些可行的新方法进行分析，总结这些方法的优势和在使用过程中值得注意的问题以及未来的发展方向。1滑坡识别与分

6、类使用遥感传感器数据，可以通过分类后比较法收稿日期：2015—06—12；编辑：陆李萍基金项目：中国地质调查项目“国外地质文献资料集成服务与分析研究(1212011220914)”作者简介：吕鹏(1979一)，男，高级工程师，博士，主要从事地质文献情报研究工作，E-mail：lvpeng@cgl，org．cn地质学刊2015焦(Post—classification)和分类前比较法(Pre—classifica—tion)来识别和绘制滑坡。前者已经颇为流行，它涉及到单个或多个时相图像的手动解译或自动分类。在一个面积比较大的范围内进行数字数据的处理时，自

7、动分类优于手工解译。目前已经开发出不同的图像处理和模式识别策略，使用监督、非监督或混合分类器对滑坡进行识别和分类。这些自动分类器显示出不同程度的成功率。分类后检测法的主要缺陷是很难将相似光谱的土地覆盖排除出去，如人类居住地、道路、河床或休耕土地。另外，分类后比较法需要使用大量的地面真实数据和其他数据，如数字高程模型和水流网络，以达到令人满意的结果(Yangetal，2010)。基于对象的图像分析(OBIA)及其扩展方法(如基于地理对象的图像分析)是常用的滑坡分类方法。这类方法是由知识驱动的，即可以通过专家知识整合对象的光谱、形态和环境识别特征(Akso

8、yetal，2012)。它允许用户针对分析对象应用局部差异策略，使光谱信息(色调、颜色)和空间