基于機載 LiDAR 技術(shù)植被茂密區(qū)小型滑坡識別與評價

而江蘇省溧陽地區(qū)為低山地貌，植被覆蓋度較高，滑坡規(guī)模小，受滑坡規(guī)模和植被覆蓋影響，該地區(qū)滑坡地質(zhì)災(zāi)害識別難度很大。溧陽地區(qū)滑坡多為小型，規(guī)模大多在500m2以下，如何應(yīng)用LiDAR數(shù)據(jù)識別植被茂密區(qū)小型滑坡是本文研究的目標(biāo)之一。

一、引言

遙感技術(shù)自20世紀(jì)興起，在各行各業(yè)中應(yīng)用頗為廣泛，地質(zhì)災(zāi)害調(diào)查與判別分析是遙感技術(shù)的重要應(yīng)用領(lǐng)域。20世紀(jì)90年代，遙感技術(shù)主要通過衛(wèi)星光學(xué)影像(以Landsat和SPOT為代表)開展大型工程中大型地質(zhì)災(zāi)害的調(diào)查。相比于傳統(tǒng)光學(xué)遙感和InSAR技術(shù)，LiDAR系統(tǒng)采用的是主動式直接測量方法，垂向精度高，能夠不受低光照、霧霾或云覆蓋的影響，全天候全天時工作，且能夠部分穿透植被，適宜于氣候多變、條件復(fù)雜、高植被覆蓋，且對高程精度要求較高區(qū)域的地形測量。因此，LiDAR技術(shù)在植被高覆蓋區(qū)域的地質(zhì)災(zāi)害調(diào)查與判別應(yīng)用中具有明顯優(yōu)勢。前人研究多集中在應(yīng)用LiDAR數(shù)據(jù)開展大型滑坡地質(zhì)災(zāi)害的識別，比如丹巴地區(qū)的滑坡、九寨溝震區(qū)滑坡、三峽庫區(qū)滑坡等，這些地質(zhì)災(zāi)害規(guī)模大、連片性好，多發(fā)育在高山峽谷區(qū)，有植被覆蓋，但覆蓋度有限，LiDAR識別效果好。而江蘇省溧陽地區(qū)為低山地貌，植被覆蓋度較高，滑坡規(guī)模小，受滑坡規(guī)模和植被覆蓋影響，該地區(qū)滑坡地質(zhì)災(zāi)害識別難度很大。溧陽地區(qū)滑坡多為小型，規(guī)模大多在500m以下，如何應(yīng)用LiDAR數(shù)據(jù)識別植被茂密區(qū)小型滑坡是本文研究的目標(biāo)之一。

研究區(qū)概況及數(shù)據(jù)源

2.1研究區(qū)概況

溧陽市西渚嶺位于常州溧陽市天目湖鎮(zhèn)(圖1)。研究區(qū)高程介于75.4 ~203 m，高差為127.6 m，為低山地貌。該區(qū)域西、南、東三面環(huán)山，山體斜坡成階梯狀分布，山脊渾圓，植被覆蓋度高。

圖1研究區(qū)地理位置示意

2.2數(shù)據(jù)源與處理

本次LiDAR數(shù)據(jù)采集飛行平臺使用無人機系統(tǒng)，測量采用高精度輕小型激光雷達(dá)測量系統(tǒng)，數(shù)據(jù)采集與處理技術(shù)流程如圖2所示。軟件相結(jié)合的人工檢查和手動濾波為輔助的混合方式，確保地面濾波結(jié)果的可靠性和準(zhǔn)確性。

圖2LiDAR 數(shù)據(jù)采集與處理流程

圖3(a)為掃描獲取的原始點云，其剖面如圖3(b)所示，采用軟件自動濾波能夠?qū)⑸喜棵黠@的非地面點濾除，再通過手工方式對錯誤分類點(包括將地面點錯分為非地面點和非地面點錯分為地面點2種情況)進(jìn)行修正，最終結(jié)果如圖3(c)。

圖3研究區(qū)原始點云及地面點提取效果

研究方法

3.1山體陰影分析

山體陰影圖能夠直觀高效地表示地形地貌特征，通過模擬光線對地表的照射獲取每個像元的照明值，并且綜合分析研究區(qū)的不同方位角山體陰影圖，能夠發(fā)現(xiàn)很多微地貌特征。山體陰影圖的計算主要有2個重要參數(shù)：太陽高度角(SEA)和太陽方位角(SAA)。為了模擬立體形態(tài)，SEA一般設(shè)置為45°，而不同方位生成的山體陰影圖具有不同的立體效果。基于單側(cè)光照下山體陰影圖中總有部分區(qū)域處于陰影區(qū)，本文將2種太陽方位復(fù)合制作出雙向山體陰影圖，光照方向為135°和315°，如圖4所示。

圖4雙向山體陰影圖和多向山體陰影圖中光線模擬方向

3.2彩色增強分析

山體陰影圖為黑白圖像，常見的8位數(shù)字灰度圖像256級中人眼能分辨的數(shù)量大概在40個左右，所以灰度圖像常有部分細(xì)節(jié)信息無法顯現(xiàn)出來。因此，把灰度圖像用偽彩色顯示，能使圖像中地物細(xì)節(jié)更好地被識別發(fā)現(xiàn)，本文采用了地形彩色渲染、影像函數(shù)增強法、圖像融合色彩增強、RRIM彩色增強法四種彩色增強顯示方法。

3.3NDVI滑坡因子分析

當(dāng)前滑坡易發(fā)區(qū)評價采用的方式主要是選擇與滑坡有關(guān)的因子，?；略u價的指標(biāo)因子主要有高程、坡度、坡向、地表起伏度、地層巖性、斷層構(gòu)造、地震活動、居民點、植被覆蓋度、道路和水系等 。在這些評價因子中，較大的空間尺度導(dǎo)致相關(guān)評價因子產(chǎn)生異質(zhì)化，如地形地貌、地質(zhì)條件、氣候條件等差異較大，評價結(jié)果也自然具有明顯的分區(qū)差異。本文區(qū)域?qū)儆谛^(qū)域大比例尺滑坡易發(fā)性評價，采用傳統(tǒng)評價方式難以確定滑坡易發(fā)區(qū)，小區(qū)域內(nèi)滑坡發(fā)育條件的差異性主要表現(xiàn)在地形條件的差異。研究區(qū)滑坡發(fā)育與高程、坡度和地表起伏度具有很好的相關(guān)性，滑坡發(fā)育高程位于77~130m 之間，水平距離10m 范圍內(nèi)地表起伏度介于8~12m 之間，滑坡后緣坡度在40°以上，中前緣坡度在20°~40°之間。

因此，本文采用高程、坡度和地表起伏度3個地形指標(biāo)來分析滑坡發(fā)育程度，三者組合構(gòu)成彩色圖像，采用遙感分類圈定滑坡易發(fā)區(qū)。

3.4支撐向量機模型

傳統(tǒng)馬氏距離、歐式距離等分類方法都是從數(shù)據(jù)類別統(tǒng)計的角度上來研究圖像分類 ，而本文滑坡易發(fā)區(qū)識別中，滑坡樣本數(shù)量少，樣本數(shù)量難以滿足傳統(tǒng)監(jiān)督分類。但支持向量機(SVM)適合有限樣本(小樣本)問題 。SVM的核心思想是把樣本非線性映射到高維特征空間，使其線性可分，然后以結(jié)構(gòu)風(fēng)險最小化為歸納原則，求解能夠?qū)⒂?xùn)練樣本集劃分為2類且?guī)缀伍g隔最大的一個分類超平面(圖5)。圖5中實心點和空心點代表2類樣本，H為分類線，H1和H2分別為過各類中離分類線最近的樣本且行分類線的直線，它們之間的距離即分類間隔。

圖5SVM 的基本思想示意圖

結(jié)果與分析

4.1山體陰影效果及彩色增強分析

圖6(a)和(b)分別為315°和135°這2個不同方位角下生成山體陰影圖，可以看出，1和6山體陰面地形起伏明顯，2和5山體陽面亮度過高，地形特征不明顯。這說明單側(cè)光線下的山體陰影圖中，完全陰影面和太陽直射面的細(xì)節(jié)丟失成為無法避免的問題，但地形效果又得益于陰影，沒有陰影就難以觀察地形起伏狀態(tài)。圖6(c)為SAA值為315°和135°復(fù)合的山體陰影圖，圖件整體偏亮，在陡坎處有陰影顯示地形起伏，這種方法避免了太陽直射方向的地形細(xì)節(jié)丟失，但在一些地形起伏小的區(qū)域細(xì)節(jié)丟失，如3處位置丟失地形起伏信息。在多向山體陰影圖中(圖6(d))，由于光線模擬方向的限制，該圖中坡向為22.5° ~157. 5°的區(qū)域陰影色調(diào)基本不變，導(dǎo)致這部分信息丟失。

圖6不同制作方式下的山體陰影圖

綜合來說，在單方向山體陰影圖中，直射光照面地形效果較差，非直射光照面地形效果好;在雙方向山體陰影圖中，各個區(qū)域地形效果相對平衡，整體效果較好，但也有局部細(xì)節(jié)信息丟失;在多方向山體陰影圖中，每個區(qū)域地形細(xì)節(jié)效果均弱于單方向山體陰影圖中非直射光照條件下的地形效果。因此，在遙感解譯過程中采用不同方向的單方向山體陰影圖配合使用，而成果展示采用雙方向或多方向山體陰影圖。

從4種彩色增強顯示方法成果(圖7)中可以看出，4種彩色圖既有地形起伏特征，又有色彩特征，視覺效果表達(dá)效果好。圖7(a)為雙向山體陰影與DEM透明疊合，圖中藍(lán)框中地形特征明顯，細(xì)節(jié)清晰，但由于彩色DEM采用透明方式，使圖件整體色調(diào)顯得比較灰暗。圖7(b)為影像函數(shù)色彩增強方法獲得，影像色調(diào)適中，但由于該方法模擬單向光源照射，形成的圖像在陽面地形特征不明顯，如圖中右側(cè)藍(lán)框地形特征不清晰。圖7(c)為圖像融合方法獲的，該圖像彩色鮮亮，地形特征比較明顯，但由于彩色過于飽和，部分地形細(xì)節(jié)不夠明顯。圖7(d)為RRIM方法計算獲得，在藍(lán)框中滑坡后緣明顯與周圍色調(diào)不同，能清晰反映邊界。

圖7彩色增強顯示效果圖

4.2滑坡遙感識別分析

根據(jù)前期野外踏勘，研究區(qū)為低山地貌，自然山坡坡度多位于15°~30°，山坡植被為竹林地，風(fēng)化層較厚，無基巖出露。區(qū)內(nèi)發(fā)育地質(zhì)災(zāi)害類型單一，為蠕變型滑坡，滑坡特征較明顯，表現(xiàn)為滑坡后壁清晰，呈現(xiàn)弧形形態(tài)，后壁坡度45°以上;滑坡中后部土體拉裂，拉裂縫長度不一，約20~ 90 cm，寬度約10~30cm，受地表竹林落葉及草類植被覆蓋而不明顯(圖8)。

圖8研究區(qū)野外踏勘滑坡照片

傳統(tǒng)的滑坡遙感解譯一般都是基于形態(tài)特征、色調(diào)特征和紋理特征等進(jìn)行解譯，例如滑坡體呈簸箕形、“U”型，高分圖像上可見滑坡壁、滑坡臺階、滑坡舌、滑坡裂縫、滑坡鼓丘等現(xiàn)象，色調(diào)、紋理與周圍明顯不同等 。這些標(biāo)志主要應(yīng)用于植被覆蓋少的大型滑坡區(qū)域，而植被覆蓋茂密區(qū)小型滑坡的識別與之不同，LiDAR技術(shù)解決了植被覆蓋對滑坡影響的問題，但小型滑坡的規(guī)模導(dǎo)致其細(xì)節(jié)信息難以表現(xiàn)，其判識尤為困難。結(jié)合野外踏勘情況，對本區(qū)域小型滑坡的解譯，主要依據(jù)有2個：一是滑坡整體形態(tài)特征和其紋理形態(tài)與周圍的差異性，尤其是滑坡后緣的弧形特征(圖9)，影像上表現(xiàn)為弧形的色帶彎曲與色帶變化;二是量測滑坡體滑向與垂直滑向方向的高程變化趨勢，如圖A—A′剖面高程變化明顯分為3段，由A—A′高程變化為緩和-急劇-緩和，表明滑坡后壁高程變化大，前緣臨空性好，滑坡前緣隆起后變緩;B—B′剖面特征表明滑坡發(fā)生后形成兩側(cè)高，中間低的地形特征。利用機載LiDAR數(shù)據(jù)結(jié)合彩色增強圖像及三維可視化場景模擬，在研究區(qū)范圍內(nèi)共識別和解譯出地質(zhì)災(zāi)害22處，經(jīng)野外調(diào)查最終確認(rèn)19處為滑坡地質(zhì)災(zāi)害，解譯精度為86.4%。

圖9小型滑坡遙感解譯特征

4.3基于SVM的滑坡易發(fā)區(qū)判別

研究區(qū)經(jīng)遙感解譯結(jié)合野外驗證查明滑坡地質(zhì)災(zāi)害19處，隨機選取 13處滑坡作為學(xué)習(xí)樣本，其他6處滑坡為檢驗樣本。經(jīng)SVM分類識別后的分類圖需要進(jìn)行碎小圖斑刪除合并等后處理，最終獲得滑坡易發(fā)區(qū)分布圖(圖10)。將6個滑坡檢驗樣本與基于SVM分類識別后的滑坡易發(fā)區(qū)進(jìn)行空間疊加分析，#1，#3，#9和#17全部位于滑坡易發(fā)區(qū)內(nèi)，#7和#13滑坡后緣位于滑坡易發(fā)區(qū)內(nèi)，而前緣并未在易發(fā)區(qū)范圍內(nèi)，滑坡識別精度為81.91%。經(jīng)過數(shù)據(jù)分析，滑坡識別錯誤的主要原因為滑坡前緣植被過于茂密，獲取的點云數(shù)量過少，在坡度及地表起伏度2個指標(biāo)中出現(xiàn)異常，但其后緣表現(xiàn)清晰，3項指標(biāo)能正確反映地形特征。研究證明，滑坡易發(fā)區(qū)能指示出與滑坡發(fā)生條件類似的區(qū)域，為下一步潛在滑坡的調(diào)查指明了方向。

圖10滑坡易發(fā)區(qū)分布

五、結(jié)論

本文利用無人機LiDAR技術(shù)獲取研究區(qū)點云數(shù)據(jù)，通過增強數(shù)據(jù)可視化方式并結(jié)合滑坡解譯標(biāo)志識別了滑坡，提出了基于遙感分類思想的滑坡易發(fā)區(qū)評價方法，為植被茂密的重點區(qū)域大比例尺地質(zhì)災(zāi)害識別與評價提供了新思路。主要結(jié)論如下：

研究區(qū)江蘇溧陽西渚嶺地區(qū)植被覆蓋茂密，機載 LiDAR 技術(shù)具有較強的植被穿透能力，可以通過獲取點云數(shù)據(jù)生產(chǎn)高分辨率 DEM，真實反映去除植被后的地形形態(tài)。應(yīng)用 LiDAR 技術(shù)穿透植被獲取點云數(shù)據(jù)，數(shù)據(jù)本身可視性較低，山體陰影分析是提高可視化程度的有效方法，該方法通過陰影體現(xiàn)地表起伏細(xì)節(jié)，陰影部分不可避免地丟失信息。不論是單向光源、雙向光源還是多向光源模擬山體陰影，不可能實現(xiàn)既保留地形細(xì)節(jié)又剔除陰影。在實際使用過程中，進(jìn)行遙感解譯可以采用多個單向光源下的山體陰影圖互為補充，而展示成果圖可以采用雙向光源或多向光源條件下形成的山體陰影圖。

彩色圖像相較于黑白圖像更具有可識別性，因此本文采用 4 種方法探討了如何在保留山體陰影地形信息情況下增加色彩。4 類方法各有特點，有的地形細(xì)節(jié)清晰，有的地形起伏明顯，有的色彩鮮明，有的符合眼睛視覺效應(yīng)。采用哪類色彩增強方法應(yīng)結(jié)合識別對象特點。本區(qū)滑坡規(guī)模小，圖像上主要通過滑坡整體形態(tài)特征和其紋理與周圍的不同而判別，采用符合視覺效應(yīng)的 RRIM 圖像和圖像融合色彩增強圖像初步解譯，然后結(jié)合具有地形細(xì)節(jié)信息的圖像進(jìn)行分析。利用機載 LiDAR 數(shù)據(jù)結(jié)合彩色增強圖像及三維可視化場景模擬，在研究區(qū)范圍內(nèi)共識別和解譯出地質(zhì)災(zāi)害 22 處，經(jīng)野外調(diào)查最終確認(rèn) 19 處為滑坡地質(zhì)災(zāi)害，解譯精度 86. 4%。

基于 LiDAR 衍生數(shù)據(jù)可以判識已有的滑坡地質(zhì)災(zāi)害，而那些易于滑動的區(qū)域，即潛在滑坡區(qū)根據(jù)相關(guān)數(shù)據(jù)難以判別，傳統(tǒng)的滑坡易發(fā)區(qū)評價方法又不適應(yīng)于小區(qū)域大比例尺的滑坡地質(zhì)災(zāi)害易發(fā)區(qū)圈定。

因此，本文基于野外踏勘，借鑒遙感圖像分類思維，以小區(qū)域內(nèi)滑坡地質(zhì)災(zāi)害與非滑坡區(qū)的差異因子作為波段，構(gòu)建了遙感圖像，而后考慮滑坡樣本少的特點，采用SVM方法進(jìn)行分類識別。經(jīng)滑坡檢驗樣本分析，滑坡識別精度為81.91%。實驗證明，該方法能夠?qū)崿F(xiàn)小區(qū)域內(nèi)滑坡易發(fā)區(qū)圈定，為滑坡地質(zhì)災(zāi)害易發(fā)區(qū)評價提供了一種新的解決思路。

推薦：

無人機高光譜成像系統(tǒng)iSpecHyper-VM100

iSpecHyper-VM系列無人機高光譜成像系統(tǒng)配合定制開發(fā)的高性能穩(wěn)定云臺，能夠有效降低飛行過程中無人機抖動引起的圖像扭曲與模糊。該系統(tǒng)與大疆M350RTK無人機完美適配，廣泛應(yīng)用于農(nóng)業(yè)、林業(yè)、水環(huán)境等行業(yè)領(lǐng)域，系統(tǒng)支持配件升級及定制化開發(fā)，為教育科研、智慧農(nóng)業(yè)、目標(biāo)識別、軍事反偽裝等行業(yè)高端應(yīng)用領(lǐng)域提供了高性價比解決方案。

審核編輯 黃宇