基于GDEM的泥石流災(zāi)害提取

曾成強(qiáng)

(1.蘭州交通大學(xué)，甘肅蘭州 730030； 2.蘭州市勘察測(cè)繪研究院，甘肅蘭州 730030)

基于GDEM的泥石流災(zāi)害提取

曾成強(qiáng)1，2?

(1.蘭州交通大學(xué)，甘肅蘭州 730030； 2.蘭州市勘察測(cè)繪研究院，甘肅蘭州 730030)

利用高分辨率GDEM數(shù)據(jù)，通過arcgis軟件提取溝壑矢量數(shù)據(jù)，設(shè)置閾值，提取泥石流災(zāi)害數(shù)據(jù)，通過疊加已有的地質(zhì)災(zāi)害調(diào)查數(shù)據(jù)，進(jìn)行數(shù)據(jù)正確性檢驗(yàn)；應(yīng)用TM影像經(jīng)過數(shù)據(jù)預(yù)處理、輻射校正、幾何校正、大氣校正，提取植被覆蓋度、植被指數(shù)數(shù)據(jù)，疊加已提取的泥石流災(zāi)害數(shù)據(jù)進(jìn)行分析，研究泥石流災(zāi)害與植被覆蓋度及植被指數(shù)之間的相關(guān)性，尋求其規(guī)律，降低泥石流災(zāi)害危害。

GDEM；TM；泥石流；植被覆蓋度

1 引 言

GDEM全稱ASTER Global Digital Elevation Map，是日本經(jīng)濟(jì)產(chǎn)業(yè)省和美國(guó)航空航天署合作使用ASTER數(shù)據(jù)生成的全球數(shù)字高程模型。GDEM數(shù)據(jù)為1°×1°方格，空間分辨率為30m，采用WGS-84或EGM96經(jīng)緯度投影坐標(biāo)系，整個(gè)數(shù)據(jù)覆蓋了全球99%的陸地。

泥石流是斜坡上或溝谷中松散碎屑物質(zhì)被暴雨或積雪、冰川消融水所飽和，在重力作用下，沿斜坡或溝谷流動(dòng)的一種特殊洪流，具有爆發(fā)突然，歷時(shí)短暫，來勢(shì)兇猛和巨大破壞力等特點(diǎn)。

蘭州市地處西北黃土高原，地貌破碎，溝壑縱橫，地表植被稀少且主要為雜草，在夏、秋兩季雨水較多時(shí)，泥石流頻繁發(fā)作，造成重大經(jīng)濟(jì)損失和人員傷亡。采用人力實(shí)地調(diào)查費(fèi)時(shí)、費(fèi)力，且部分山區(qū)人力難以到達(dá)，不能達(dá)到普查地預(yù)期效果。

泥石流主要是從斜坡或溝谷發(fā)源，以水為動(dòng)力源的一種地質(zhì)災(zāi)害。從DEM直接提取溝壑，從而獲取泥石流，具有高效省時(shí)，精度高等特點(diǎn)。GDEM高程精度為20 m，平面精度為30 m，完全可以滿足提取泥石流災(zāi)害所需精度。

2 技術(shù)路線

利用GDEM提取泥石流災(zāi)害，實(shí)際上就是利用DEM提取地表溝壑，再依據(jù)匯水閾值判定該溝壑能否在降雨時(shí)發(fā)生泥石流以及其易發(fā)性。

利用DEM水文分析法提取溝壑，是一種高效、高精度的方法，現(xiàn)已有比較完備的算法。Band(1986)，Qian(1990)等提出的用一個(gè)矩形窗口掃描DEM矩陣來確定洼地，將位于洼地內(nèi)的柵格單元標(biāo)記為水系部分；還有O′Callaghan等提出的基于地表徑流漫流模型，模擬地表徑流在地表的流動(dòng)來產(chǎn)生水系。

基于地表徑流漫流模型的基本原理是根據(jù)DEM柵格單元與其相鄰8個(gè)的單元格之間的最大坡度來確定水流方向，再計(jì)算每個(gè)單元格上游匯水面積，從而判定一個(gè)匯水面積閾值，大于該閾值的單元格標(biāo)記為該水系的組成部分。該方法依據(jù)水文學(xué)匯流概念判別水流路徑，有較好的模型基礎(chǔ)，算法比較簡(jiǎn)單，能夠模擬地表徑流，并直接生成連續(xù)的流路，提取水系溝壑。

現(xiàn)已有蘭州市全市域GDEM數(shù)據(jù)如圖1所示，2003年5月10日130035TM影像如圖2所示。2010年調(diào)查的1∶50 000蘭州市地質(zhì)災(zāi)害數(shù)據(jù)等資料。

圖1 蘭州GDEM

圖2 蘭州TM影像

由于GDEM數(shù)據(jù)坐標(biāo)系統(tǒng)為WGS-84坐標(biāo)系，大小為1°×1°方格數(shù)據(jù)；地質(zhì)災(zāi)害數(shù)據(jù)坐標(biāo)系統(tǒng)為1980西安坐標(biāo)系，所以必須對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。本文采用ERDAS軟件對(duì)GDEM數(shù)據(jù)進(jìn)行預(yù)處理，將已有的幾塊數(shù)據(jù)鑲嵌為一塊，以地質(zhì)災(zāi)害數(shù)據(jù)為基準(zhǔn)，采用多項(xiàng)式算法，對(duì)GDEM數(shù)據(jù)和TM影像進(jìn)行糾正，在糾正過程中采用Nearest Neighbor算法重采樣，保持精度損失最小。

3 工作流程

3.1 洼地處理

洼地即局部區(qū)域中最低點(diǎn)，是影響地表流水過程的重要因素，對(duì)確定水流方向有重要影響。提取溝谷時(shí)首先要對(duì)洼地進(jìn)行處理。

Martez和Garbrecht(1992)提出了一種洼地填充算法，首先標(biāo)記屬于洼地的集水區(qū)域單元格，再從已標(biāo)記的單元格中找出潛在的出流點(diǎn)。潛在的出流點(diǎn)至少擁有一個(gè)高程比它低的為標(biāo)記單元格。找出最低的潛在出流點(diǎn)后比較它和洼地單元格的高程。若出流點(diǎn)高程高，那么洼地是一個(gè)凹地，反之是一個(gè)平地。對(duì)于凹地，把洼地集水區(qū)域內(nèi)所有低于出流點(diǎn)的單元格高程升至出流點(diǎn)高程，使得凹地變?yōu)槠降亍胃裢莸嘏c獨(dú)立洼地如圖3所示。

圖3 洼地的處理

3.2 平地處理

Martz和Garbrecht(1992)用了高程增量疊加算法設(shè)定平坦格網(wǎng)內(nèi)的水流方向。該算法的基本過程為:

(1)掃描經(jīng)過洼地填充的DEM數(shù)據(jù)，搜尋8個(gè)鄰域高程都不低于該柵格高程的柵格點(diǎn)，標(biāo)記為平地單元；

(2)給搜索到的每一個(gè)柵格點(diǎn)都增加一個(gè)微小的高程增量(如柵格高程采樣精度的十分之一、千分之一或萬分之一)；

重復(fù)上述過程，直至再也搜索不到平地單元。

3.3 水流方向及水流累積量的確定

水流方向是水流離開此格網(wǎng)時(shí)的指向。確定水流方向的算法根據(jù)其基本思想可分為:單流向算法(SFD)、多流向算法(MFD)及其他算法。單流向算法是將某單元格上產(chǎn)生的徑流都流向一個(gè)最低的相鄰單元格，多流向算法將徑流按一定的比例流向若干相對(duì)較低的相鄰單元格。

泥石流實(shí)際就是較小溝壑地表徑流不斷匯集到較大溝壑中，當(dāng)徑流量超過一定閾值后形成的地質(zhì)災(zāi)害，基于此種原因，采用單流向算法提取水流方向即可。

3.4 水道起始位置的確定

O′Callaghan和Mark(1984)提出了最小水道給養(yǎng)面積閾值(形成永久性水道所必需的集水面積)的概念，也稱為匯流累計(jì)閾值。這種方法的假設(shè)是降雨產(chǎn)生的徑流在流域分布是均勻的，并且徑流所引起的地貌或是侵蝕反應(yīng)對(duì)于溝谷形成來說是均勻的。

Martz和Garbrecht(1995)認(rèn)為用水道給養(yǎng)面積閾值這一單個(gè)參數(shù)來反映河網(wǎng)發(fā)育的影響因子(諸如地形、地質(zhì)、土壤和植被)相互作用的復(fù)雜關(guān)系，當(dāng)其應(yīng)用到相對(duì)均一的下墊面時(shí)可生成較合理的水系。

蘭州市周邊皆是黃土地貌，下墊層一致，溝谷地形基本是由徑流侵蝕形成。采用匯流累計(jì)閾值即可完全滿足確定水道起始位置的條件。

3.5 溝壑提取

溝壑提取實(shí)際上就是提取水系流域，主要是根據(jù)DEM柵格單元和相鄰的8個(gè)單元格之間最大坡度來確定水流方向，計(jì)算每個(gè)單元格上游匯流能力，再判定一個(gè)匯水面積閾值，大于該閾值的單元格標(biāo)記為該水系的組成部分，這種方法是由O′Callaghan和Mark兩人于1984年提出，是種很好的溝壑流域提取方法。蘭州市溝壑提取如圖4所示。

圖4 蘭州市溝壑分布圖

3.6 歸一化植被指數(shù)NDVI

歸一化植被指數(shù)是近紅外波段與可見光紅波段數(shù)值之差和這兩個(gè)波段數(shù)值之和的比值。NDVI是植被生長(zhǎng)狀態(tài)及植被覆蓋度的最佳指示因子。

對(duì)經(jīng)過輻射定標(biāo)后的TM影像進(jìn)行大氣校正，在采用上述公式計(jì)算歸一化植被指數(shù)NDVI，結(jié)果如圖5所示。

圖5 蘭州市歸一化植被指數(shù)

4 結(jié)果與精度分析

4.1 與地質(zhì)災(zāi)害調(diào)查數(shù)據(jù)比較

從圖4可以看出，匯流閾值設(shè)為100時(shí)，提取溝壑十分密集，并且伴有大量的偽溝谷存在，證明匯流閾值設(shè)置不正確。多次試驗(yàn)證明，匯流閾值設(shè)置為500時(shí)，偽溝谷量大大降低，提取的溝壑較為合理，與調(diào)查泥石流災(zāi)害數(shù)據(jù)疊加后完全吻合，結(jié)果如圖6所示。

圖6 提取泥石流數(shù)據(jù)與野外調(diào)查數(shù)據(jù)疊加

如圖6所示，提取的泥石流數(shù)據(jù)與已有的1∶50 000蘭州市泥石流數(shù)據(jù)疊加顯示，提取的泥石流數(shù)據(jù)完全包含已有的1∶50 000泥石流災(zāi)害調(diào)查數(shù)據(jù)。由于1∶50 000泥石流災(zāi)害調(diào)查數(shù)據(jù)并沒有調(diào)查邊遠(yuǎn)地區(qū)未對(duì)村莊造成威脅的泥石流災(zāi)害，調(diào)查數(shù)據(jù)不夠全面，并且調(diào)查數(shù)據(jù)為點(diǎn)數(shù)據(jù)，不能直觀顯示泥石流災(zāi)害的起源、徑流、形狀等相關(guān)信息。依據(jù)GDEM提取的泥石流數(shù)據(jù)是全面的囊括GDEM所有中溝壑?jǐn)?shù)據(jù)，數(shù)據(jù)全面，顯示直觀，精度高。

4.2 與歸一化植被指數(shù)關(guān)系

提取的泥石流數(shù)據(jù)與歸一化植被指數(shù)NDVI、植被覆蓋度分別疊加顯示如圖7、圖8所示。

圖7 提取泥石流數(shù)據(jù)與歸一化植被指數(shù)疊加

圖8 提取泥石流數(shù)據(jù)與植被覆蓋度疊加

從圖8、圖9可以看出植被對(duì)泥石流災(zāi)害有一定的影響，但并不是泥石流災(zāi)害的決定因素，植被類型對(duì)泥石流災(zāi)害對(duì)如圖9所示。

圖9 不同區(qū)域的泥石流情況

圖9中a區(qū)域?yàn)樘m州市北山區(qū)域，植被稀疏，覆蓋度較低，人口稀疏，雨水少；b區(qū)域?yàn)樘m州市桃樹坪、和平、定遠(yuǎn)、渝中等地區(qū)，氣候濕潤(rùn)，農(nóng)業(yè)灌溉用水充足，植被主要為農(nóng)作物，覆蓋度較高，人口聚集，主要從事農(nóng)業(yè)生產(chǎn)；c區(qū)域?yàn)樘m州市興隆山區(qū)域，氣候潮濕、雨量充足，植被豐富，主要是樹木，覆蓋度很高，但是人口稀疏，主要從事農(nóng)業(yè)生產(chǎn)。

計(jì)算圖9中三個(gè)區(qū)域溝壑密度如表1所示。

不同區(qū)域溝壑指數(shù)對(duì)照表 表1

通過計(jì)算圖9中溝壑密度得知，b區(qū)域溝壑密度值最大，a區(qū)域中溝壑密度值居中，c區(qū)域中溝壑密度值最小。b區(qū)域雖然植被覆蓋度較高，但是主要以農(nóng)作物為主，對(duì)泥石流災(zāi)害抑制作用不大，相反人類活動(dòng)加劇了泥石流災(zāi)害。a區(qū)域和c區(qū)域都是山區(qū)，c區(qū)域中植被覆蓋度高，以樹木為主，對(duì)泥石流災(zāi)害又較強(qiáng)的抑制作用，從溝壑密度對(duì)比中也可得出相同的結(jié)論。

5 總 結(jié)

利用GDEM提取泥石流災(zāi)害數(shù)據(jù)省時(shí)省力、數(shù)據(jù)全面、精度高，完全可以達(dá)到實(shí)用要求。但是還存在一些不足，提取泥石流沒有一個(gè)明確、科學(xué)的閾值，主要是靠經(jīng)驗(yàn)性測(cè)試；在本文中沒有加入坡度和坡向?qū)δ嗍鳛?zāi)害進(jìn)行分析，這也是一個(gè)遺憾。

應(yīng)用DEM結(jié)合遙感影像提取泥石流災(zāi)害是一個(gè)科學(xué)而又高效的方法，綜合坡度、坡向、植被、氣象、人為因素等影響因子，準(zhǔn)確提取、評(píng)估泥石流災(zāi)害將會(huì)是下一步的工作重點(diǎn)。

[1] 湯國(guó)安，劉學(xué)軍，閭國(guó)年.數(shù)字高程模型及地學(xué)分析的原理與方法[M].北京:科學(xué)出版社，2006.

[2] 李志林，朱慶.數(shù)字高程模型[M].武漢:武漢大學(xué)出版社，2003.

[3] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社，2005.

[4] 岳文澤.基于遙感影像的城市景觀格局及其熱環(huán)境效應(yīng)研究[M].北京:科學(xué)出版社，2008.

[5] 畢華興，譚秀英，李笑吟.基于DEM的數(shù)字地形分析[J].北京林業(yè)大學(xué)學(xué)報(bào)，2005，27(2).

[6] 唐川，張軍，萬石云等.基于高分辨率遙感影像的城市泥石流災(zāi)害損失評(píng)估[J].地理科學(xué)，2006，26(3).

[7] 趙文武，傅伯杰，陳立頂.陜北黃土丘陵溝壑區(qū)地形因子與水土流失的相關(guān)性分析[J].水土保持學(xué)報(bào)，2003，17 (3).

[8] 左文君，張金存，賈超.基于DEM的城市數(shù)字河網(wǎng)提取[J].水電能源科學(xué)，2010，28(2).

[9] 陳洪凱，唐紅梅，劉麗等.地質(zhì)災(zāi)害理論與控制[M].北京:科學(xué)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

曾成強(qiáng)(1981—)，男，碩士研究生，工程師，主要從事RS、GIS技術(shù)的應(yīng)用性研究等工作。