_基于ASTER遥感影像武都区松散堆积物研究

第50卷第5期
兰州大学学报（自然科学版）Vol.50No.5文章编号:0455-2059(2014)05-0739-06
基于ASTER遥感影像武都区松散堆积物研究
崔志杰,郭鹏,熊木齐,庆丰,张毅,曾宇桐,孟兴民
兰州大学西部环境教育部重点实验室,兰州730000
摘要:以甘肃南部白龙江流域武都区段为例,判识孕育松散堆积物的特殊地层岩性,遴选出对地层岩性敏感的波段,并采用最大似然分类方法,解译、提取松散堆积物.结果显示:风化基岩、黄土的面积分别为657.48, 1180.95km2,两者占武都区总面积的39.68%;在松散堆积物密集分布区,已发生灾害272处,灾害点占武都区总灾害点的54%,在强降雨条件下,灾害易发性较大.
关键词:ASTER;泥石流;地层岩性;松散堆积物;武都区
中图分类号:P642.22文献标识码:A doi:10.13885/j.issn.0455-2059.2014.05.027
Research on loose deposits based on ASTER images in Wudu,Gansu CUI Zhi-jie,GUO Peng,XIONG Mu-qi,QING Feng,ZHANG Yi,
ZENG Yu-tong,MENG Xing-min
Key Laboratory of Western China’s Environmental Systems with the Ministry of Education,
Lanzhou University,Lanzhou730000,China
Abstract:Wudu,which is located in Bailong River catchment,was selected as the study area to identify the lithology that can produce loose material sediments,select better wavelengths that are sensitive to lithology and interpret loose materials by using maximum likelihood classification.The results indicated that the area of weathered bedrock and loess is657.48and1180.95km2,occupying about39.68%of the total Wudu area.In regions with rich loose material sources,272debrisflow events had occurred before,accounting for54%of the total number of debrisflow events in Wudu District,and such regions are much more prone to debrisflows when three is a heavy rainfall.
Key words:ASTER;debrisflow;lithology;loose material;Wudu District
泥石流因其复杂的形成过程、突发性、强大的破坏力而成为山区经济建设的一大灾害[1].全球许多城镇正面临泥石流灾害的威胁,新中国成立以来,甘肃省遭受泥石流灾害的城镇达数十座,其中包括兰州、武都、天水市,一次泥石流灾害的损失少则几十万元,多达上亿元[2].2010年8月7日23时许,舟曲北部三眼峪沟和罗家峪沟暴发特大泥石流,冲击掩埋沟口的居民区,并冲入白龙江堵塞河道形成堰塞坝,回水造成舟曲县大面积淹没,致使严重的人员伤亡及巨大的经济损失,破坏程度全国少有[3].
泥石流的性质和规模,受控于松散固体物质的储量、结构特征和补给形式[4],松散物质储量越大,发生泥石流的可能性及规模就越大.松散物质的结构特征主要体现在颗粒级配,颗粒级配范围决定了泥石流容重变化范围[5].松散物质是构造与气候共同作用的直接产物,构造运动及活动断裂带在运动速率和运动方向上的变化,易造成地表软弱岩石破碎.充沛的降水、强烈的太阳辐射、较大的温差则使破碎的岩石风化加剧.White 等[6]对花岗岩质化学风化速率与气候的关系研究中表明,高温和强降水条件下,化学风化加剧.然
而,相同的构造环境下,不同地层年代、不同岩性的岩石,抗风化能力不同,风化速度空间分布不均,岩性软弱的岩层或软硬相间的岩层相对于岩性均一的坚硬岩层更易风化,更利于松散物质形成.因此,地层岩性在泥石流形成中直接或间接地提供松散固体物质[7−8].
在较为丰富的物源条件下,泥石流物源的空间分布将成为地震灾区泥石流研究的重点之一.范建容等[9]以岷江流域上游地区映秀镇附近的5条泥石流小流域的SPOT遥感影像为基础,获取了“5.12”地震诱发的松散固体物质的空间分布并对其进行定量化参数的估算;杨成林等[10]通过对地震次生泥石流形成条件的分析,提出了一种基于泥石流物源数量,并结合GIS技术快速进行危险性评价的方法;姚兴荣等[11]对舟曲县南峪沟松散固体物源进行调查分析,旨在为该区的泥石流灾害预防及重点沟段的治理奠定基础.以上研究均以泥石流沟小流域为研究区,关于较大范围的泥石流物源空间分布的研究目前依然很欠缺.其主要原因体现在研究方法上,传统的目视解译和野外调查方法不适用于大范围区域,而利用多光谱或高光谱遥感影像解译地层岩性,提取易于产生松散物质的软弱岩层,进而圈定松散堆积物分布范围,为较大范围的泥石流物源空间分布的研究提供了可能性.目前国内利用多光谱或高光谱遥感影像解译地层岩性大多成功应用在植被稀少、岩体裸露的地区[12],如:宋晚郊等[13]在东昆仑造山带巴颜克拉山,通过对ASTER影像主成分分析及矿物指数的计算进行该区岩性段的划分;金剑等[14]基于WorldView-2数据在新疆乌鲁克萨依地区进行岩性识别研究,选用最佳波段进行合成后,使得岩浆岩、变质岩在一定程度上得到区分.但是,在中国南部或西南地区,植被覆盖状况远远优于西部裸露山区,从多光谱传感器上获得的地表信息中夹杂部分的非岩石信息,影响了纯净端元光谱信息的收集,给多光谱或高光谱数据岩性识别带来了许多困难.鉴于此,国内学者采用了一系列植被抑制技术,包括选用特定波段进行假彩色合成、波段比值、主成分分析、掩膜方法、分离方法等[15]来降低植被对岩性识别的干扰作用.
白龙江流域泥石流沟多、泥石流分布密度大、爆发频繁,是中国地质灾害重要分布区之一[16],泥石流在该流域的分布主要集中在迭部以东的中下游地区,特别是舟曲县城至武都城区段,此处软弱岩石集中、活动强烈的新构造运动密集,泥石流分布密度很大,且部分山区植被覆盖率比较高.
本文以陇南市武都区为例,从孕育松散堆积物的地层岩性这一角度出发,对ASTER可见光
红外区有3个波段,空间分辨率15m;SWIR(short
wave-length IR)子系统在短波红外区,有6个波段,
其分辨率为30m,波段范围1.5∼2.5um,具有黏土
吸收波谱特征,可以提高对黏土质的辨别能力[23].
利用ENVI软件对ASTER遥感影像进行几
何精纠正消除遥感影像在成像过程中发生的几
何畸变,以几何精纠正的结果为基础,采用ENVI
FLAASH模块进行大气纠正消除成像过程中大气
水蒸气、氧气、二氧化碳、甲烷和臭氧及气溶胶散
射对传感器的影响[24].
3结果与分析
3.1岩体及地层岩性
在迭部
110.99740.94030.99200.96280.96190.96130.95650.9540
20.997410.95680.98300.94350.94240.94170.93570.9327
30.94030.956810.90510.82470.82270.82140.81150.8066
40.99200.98300.905110.98590.98530.98490.98170.9800
50.96280.94350.82470.98591110.99970.9995
60.96190.94240.82270.98531110.99980.9996
70.96130.94170.82140.98491110.99980.9996
80.95650.93570.81150.98170.99970.99980.999811
90.95400.93270.80660.98000.99950.99960.999611
选择主成分分量进行分量组合并与地质图进行对比(图1).图1a中黄线表示不同岩性的边界.深蓝部分为岩石裸露区,绿色部分为植被盖度较高区域,此波段组合较好地区别了岩石和植被信息.图1b中明显的蓝色区域对比现有地质图,岩性信息为红色浅棕色砂质黏土,如红框所示.图1c中高亮部分沿河道分布,对比地质图,岩性信息解译为砂砾层、卵石、淤泥、粉砂土、亚砂土.图1d可识别出紫红色砂、砾岩.
由图1主成分分量合成影像的岩性识别结果,
表2ASTER VNIR-SWIR主成分分析统计结果
Table2Results of ASTER VNIR-SWIR principal component analysis
波段PC1PC2PC3PC4PC5PC6PC7PC8PC9
风化基岩1 1.5810 1.4900
黄土 1.58101 1.5952
非松散堆积 1.4900 1.59521
3.3.2松散堆积物自动分类
利用最大似然分类法提取松散堆积物.最大
似然分类的判别规则是基于概率的,它把每个具
有模式测度或特征的像元划分到很有可能出现特
征向量X的第i类中,即首先计算某个像元属于
一个预先设置好的m类数据,集中每一类的概率,
然后将该像元划分到概率最大的那一类中[30].最
大似然分类具体流程为:根据已掌握的地面知识
建立样本区,计算各类别的图像数据,得到各类别
的先验概率,然后将影像像元带入公式计算,得到概率最大的类别并归类.
对合成ASTER 影像进行最大似然分类,结果见图2.根据预留样本及实地调查结果,利用Confusion Ground Truth ROIs 工具进行计算,评价结果如表4.由于风化基岩与非松散堆积物的J-M 距离较小,可分离性较差,分类器将大量像元归并到非
松散物质,用户精度为62.7%,影像总体分类精度为79.46%,Kappa 系数为0.6819.
图2合成ASTER 影像提取结果
Figure 2Identify results of the complex ASTER image
表4
合成影像分类混淆矩阵
Table 4
Confusion matrix of the complex image classification
类型
非松散风化黄土
用户制图堆积物
基岩
精度/%
精度/%
近红外波段和短波红外波段)和经过主成分分析提取的9个主分量(PC1-PC9)分别进行了相关系数矩阵、最佳因子指数等信息量指标的识别.从中提取的若干最优波段/主分量组合在不同的岩性区和光谱区均具有良好的识别能力,但对岩性丰富、光谱信息多样的整个研究区识别能力有限,故在此基础上提出了原始影像波段与部分最优主成分分量组合作为松散堆积物提取的基础影像,结果证明该解译方式对松散堆积物的识别效果明显.
开展大区域尺度上松散堆积物的空间分布研究属首次,基于ASTER 影像,利用最大似然分类法提取松散堆积物ASTER 遥感解译.为研究泥石流物源分布及泥石流灾害易发性评价奠定基础.
陇南市武都区松散堆积物在城关镇、汉王镇一带大量分布,且主要位于沟道两侧,为该地区的泥石流发育提供了丰富的物质来源.加之当地多暴雨,使其成为泥石流灾害高发区,当地政府应加大监测预警和防治力度.
运用最大似然分类法对合成的ASTER 影像进行分类.风化基岩及未风化基岩的光谱相似性和植被覆盖均对识别精度有一定影响.文中仅专注于松散堆积物空间分布的研究,其结果尚不能反映其储量,因此今后在该方面需投注更多精力.
[1]唐邦兴,章书成.泥石流研究[J].中国科学院院刊,
1992,2(1):119−123.
[2]吴积善,田连权,康志成,等.泥石流及其综合治
理[M].北京:科学出版社,1993.
[3]王进聪,金治鹏,冯亚中,等.舟曲特大山洪泥石
流形成机制与治理方法[J].甘肃地质,2012,21(1): 67−74.
[4]关明芳.泥石流沉积物流变固结研究[D].重庆:重
庆交通大学岩土工程研究所,2006.
[5]舒安平,张志东,王乐.等.基于能量耗损原理的泥
石流分界粒径确定方法[J].水利学报,2008,38(3): 257−263.
[6]White A D,Blum A E.Effects of climate on
chemical weathering in watersheds[J].Geochimica et Cosmochimica Acta,1995,59(9):1729−1747.
[7]唐邦兴.中国泥石流[M].北京:商务印书馆,2000.
[8]王高峰,唐川,王洪德,等.基于RS和GIS的雅鲁藏
布江林芝−−加查段沿线泥石流源地物源分析[J].水土保持通报,2012,32(1):10−14.
[9]范建容,张怀珍,郭芬芬,等.基于小流域松散固体
物空间分布的泥石流堆积扇形态特征参数估算[J].
中国水土保持科学,2012,10(1):8−14.
[10]杨成林,陈宁生,邓明枫.基于物源数量的泥石流危
险性评估:以都江堰白沙河为例[J].水土保持研究, 2011,18(6):25−30.
[11]姚兴荣,张雁,张彦莉,等.舟曲县南峪沟松散固体
物源及其对泥石流的补给特征[J].地质灾害与环境保护,2012,23(4):46−51.
[12]徐元进.面向找矿的高光谱遥感岩矿信息提取方法
研究[D].武汉:中国地质大学资源学院,2009. [13]宋晚郊,张绪教,高万里,等.东昆仑造山带巴颜喀
拉山群ASTER岩性信息提取[J].现代地质,2013, 27(1):116−123.
[14]金剑,田淑芳,焦润成,等.基于地物光谱分析
的WorldView-2数据岩性识别:以新疆乌鲁克萨依地区为例[J].现代地质,2013,27(1):489−496. [15]俞乐.多源遥感信息快速处理与岩性信息自动提取
方法研究[D].杭州:浙江大学浙江大学,2010. [16]宿星,吴玮江,叶伟林,等.甘肃舟曲县龙江新村滑
坡特征及稳定性[J].兰州大学学报:自然科学版, 2014,50(1):7−14.[17]中国科学院兰州冰川冻土研究所,甘肃省交通科
学研究所.甘肃泥石流[M].北京:人民交通出版社, 1982.
[18]谭龙,陈冠,曾润强,等.人工神经网络在滑坡敏感
性评价中的应用[J].兰州大学学报:自然科学版, 2014,50(1):15−19.
[19]唐永仪.新构造运动在陇南滑坡泥石流形成中的
作用[J].兰州大学学报:自然科学版,1992,28(4): 152−160.
[20]庞茂康.白龙江流域滑坡发育特征及其成因的地质
环境条件研究[D].成都:成都理工大学地质灾害防治与地质环境保护国家重点实验室,2011.
[21]董耀刚,杨军,严耿升.甘肃武都区泥石流的分布发
育特征研究[J].甘肃科技,2011,27(6):50−54. [22]徐磊,严耿升,邱宽红.甘肃武都地区滑坡的分布发
育特征[J].甘肃科技,2012,28(21):50−52.
[23]余健,张志,何文熹,等.西昆仑阿勒塔什地
区ASTER影像岩性划分方法研究[J].大地构造与成矿学,2013,36(4):634−641.
[24]郝建亭,杨武年,李玉霞,等.基于FLAASH的多光
谱影像大气校正应用研究[J].遥感信息,2008,(1): 78−81.
[25]彭建.ASTER影像提取植被信息的NDVI与SAVI
法比较:以广州花都区为例[J].热带地理,2008, 28(5):419−422.
[26]武文波,刘正纲.一种基于地物波谱特征的最佳波
段组合选取方法[J].测绘工程,2008,16(6):22−24.
[27]张亮.基于PCA和SVM的高光谱遥感图像分类研
究[J].光学技术,2008,34(S1):184−187.
[28]杨桄,张柏,王宗明,等.基于多源信息空间的遥感
影像自动解译研究[J].东北师范大学学报:自然科学版,2006,38(1):132−135.
[29]刘衡秋,胡瑞林.大型复杂松散堆积体形成机制的
内外动力耦合作用初探[J].工程地质学报,2008, 16(3):291−297.
[30]喻小倩,刘娜,李红,等.基于线性光谱结合分解和
最大似然分类相结合的土地覆被分类:以红寺堡灌区为例[J].国土资源遥感,2010(1):97−100. [31]柳金峰,黄江成,欧国强,等.甘肃省陇南武都区
泥石流易发性评价[J].中国地质灾害与防灾学报, 2010,21(4):8−13.
(责任编辑:王春燕)。