機載激光雷達技術在高隱蔽性地質災害隱患早期識別中的應用

黃 逢 徐許雄

(自然資源部第三大地測量隊, 四川 成都 610100)

0 引言

激光雷達測量(light detection and ranging,LiDAR)技術是一種高精度、快速、準確地獲取地面三維信息的新型對地觀測手段,具有透過植被縫隙到達地面的特點,能有效且精細化地表達地表地貌結構,反映斷層活動在地表留下的跡象[1-2]。四川西部高原地區地勢險峻,經歷了汶川地震、蘆山地震、九寨溝地震等多次強震影響,山體斜坡震裂松動,巖體裂隙普遍發育,松散物源區眾多,地質災害多發、易發、頻發,地質災害隱患具有高位遠程、點多面廣、隱蔽性強的特點[3]。為解決高隱蔽性地質災害隱患早期識別的問題,許強、葛大慶等地質災害專家分別提出了“三查”體系[4-5]和“三形”觀測[6]等理論,基于LiDAR技術開展地質災害遙感調查是其重要環節之一。

1 基于LiDAR的地質災害隱患識別技術路線

1.1 LiDAR技術特點

機載LiDAR技術作為一種新型的航空遙感技術,集合了激光測距、計算機技術、慣性導航系統、動態差分全球定位系統(global positioning system,GPS)定位技術等為一體,獲取地面三維激光點云坐標,具有全天候觀測、抗干擾強、短時間內獲取海量高精度三維點云的優勢[7],已經在地形測繪、城市三維建模、環境監測、工程建設、地球科學研究等領域廣泛應用。尤其是其透過植被縫隙達到地面的特點,能夠生成高精度的數字高程模型(digital elevation model,DEM),并開展地質災害定性或定量分析,LiDAR技術自21世紀以來便被引入地質環境領域,在滑坡、危巖體、活動斷裂等研究,在地質災害隱患早期識別、災害模擬和損失評估等方面發揮了重要作用,已經成為地質災害識別、分析、監測的一種重要技術手段。

1.2 基于LiDAR的地質災害隱患識別技術路線

機載LiDAR點云數據獲取時,同步獲取光學影像,為實現基于LiDAR點云數據、光學影像的高精度地質災害隱患識別,主要技術路線如圖1所示。

圖1 基于LiDAR的地質災害隱患識別技術路線圖

(1)收集測區1∶10 000、1∶50 000基礎地理信息數據,第一次全國地理國情普查數據,測區已有的地質災害隱患點、水文、地質、地形地貌、自然地理、交通等專業數據。

(2)制定航攝方案,獲取點云數據和光學影像數據。數據采集的飛行系統采用有人直升機平臺,平臺搭載的定位定姿系統(position and orientation system,POS)和激光雷達系統,POS系統采用雙頻航空型GPS接收機,激光雷達系統具備獲取激光測距數據和真彩色數碼影像的能力,結合實際場地的地形、地貌、起降場位置等具體情況和激光雷達系統自身特點,如航高、航速、相機鏡頭焦距及曝光速度、激光掃描儀的掃描角和掃描頻率及功率等,同時考慮航帶重疊度、激光點間距、影像分辨率等,選擇最為合適的航攝參數。

(3)利用地面衛星導航定位基準站GPS數據與機載GPS數據聯合差分解算,計算實時航跡數據,再利用點云數據處理軟件對飛機GPS航跡數據、飛機姿態角、激光測距數據、激光的掃描角數據、地面基站靜態數據、地面控制點數據進行聯合處理,消除航帶間的誤差,剔除噪點、飛點、云、霧、雨、雪等異常值,得到各個測點的(X,Y,Z)坐標數據,即為最終的las格式點云數據。

利用點云數據處理軟件加載las文件,通過人工精細化分類點云,濾除移動物體(如車輛、船舶等)和架空管線(如電力線、通信線等)后,構建可編輯的不規則三角網,并檢查和修正異常值,直到可編輯三角網地表自然過渡、無明顯凸點或凹點等情況出現為止,然后內插形成數字表面模型(digital surface model,DSM)成果。

利用已經處理好的DSM點云數據,建立點云分類圖層,按照地面點云濾波算法,濾波窗口設置20 m,自動分類地面點圖層,然后按照地面點分類要求進行人工精細點云編輯,著重保留微小地貌信息,彌補自動分類算法在地物、地表數據判別不準確的問題。然后利用人工精細化分類的點云數據構建不規則三角網,內插生成DEM數據。

利用基于后差分POS數據、地面點云、DEM成果和原始航片,將激光點云數據作為控制點,經過特征點云與影像特征點匹配,再經過正射糾正及拼接勻色,最后進行裁切分幅,得到分幅正射影像成果。

(4)綜合DSM、DEM、數字正射影像(digital orthophoto map,DOM)成果和區域地質、氣象、水文、地震等成果資料,結合地質災害領域專家經驗和以往地質災害資料,建立滑坡、崩塌、泥石流等地質災害類型的遙感解譯標志,開展地質災害解譯工作,對解譯出的疑似災害隱患點、威脅重大典型區域的災害點進行野外現場核查驗證。

(5)制作地質災害專題圖件,并基于解譯調查成果,編制地質災害重點防治區域LiDAR遙感調查報告書。

(6)成果資料檢查和整理入庫。在基于LiDAR的精細化DEM生產過程中,要注意保留小斜坡、石塊、小陡坎等微小地貌信息,點云捕獲的這些微小地貌是非常重要的成災前兆特征,在利用地面粗糙度、曲率、坡向、坡度、山體陰影等因子研究地質災害時,直接影響地質災害評價準確度[8-9]。

綜合利用DEM、DOM、DSM成果,建立地質災害解譯三維場景,注意消除拉花、形變、重影、色差等問題,以便在三維場景下結合地質災害專業知識,開展地質災害隱患識別、分析等工作。

2 應用實例

2.1 試驗區域

四川省阿壩州小金縣地處青藏高原邊緣的高山峽谷地帶,地質條件十分脆弱,本文選取小金縣35 km2范圍為例,獲取了點云密度優于10點/m2的機載激光雷達點云數據和優于0.2 m分辨率的光學影像數據,開展了基于LiDAR數據和光學影像的地質災害綜合解譯。

2.2 三維地質災害隱患解譯場景建立

利用預處理后的點云數據,濾除移動物體和架空線后,保存DSM點云圖層,構網生成格網DSM。利用點云地面點自動分類、人工精細化點云地面點分類等方法處理后(圖2),構建不規則三角網模型,進而生成高精度DEM。利用后差分高精度位置與POS數據、地面點云、DEM成果和原始航片,以激光點云數據作為控制點,經過特征點云與影像特征點匹配,再經過正射糾正及拼接勻色,形成DOM。基于Skyline軟件平臺,將DSM、DOM、DEM、山體陰影、區域地質圖、已知災害點坐標數據等各種數據進行坐標配準后輸入軟件平臺,搭建人機交互的三維地質災害解譯場景(圖3)。機載LiDAR數據能夠獲得區域地形信息,同時能夠在一定程度上穿過表面植被直達地面,利用LiDAR數據的多回波特征、山地陰影特征和粗糙度特征,能準確、客觀、真實地反映微小地貌信息,還可加載地質、氣象、水文等專題數據,服務地質災害專家開展多維、多視角下的地質災害解譯[10-12]。

(a)點云立體圖 (b)帶植被點云 (c)去植被點云

(a)DSM場景 (b)DEM場景 (c)DOM場景

2.3 三維場景下的地質災害解譯

在三維場景下,結合地質災害領域專家經驗,和LiDAR點云、DEM、DSM、DOM等成果數據反映局部區域的形狀、大小、色調、陰影、紋理等特征,建立遙感解譯標志。相比單一的光學遙感解譯標志,以LiDAR數據為主的遙感解譯標志不再僅通過色彩判別,而是以去植被后的DEM為載體進行地表損傷和地表堆積為主要判別標志,同時結合山體陰影、坡度、坡向、曲率、地面粗糙度、形態學因子和紋理信息、形態學信息、光譜信息等要素開展了地質災害識別研究,很好地克服了光學解譯中諸多不確定性和模糊性。最終,解譯發現地質災害隱患點20處,主要地質災害類型為滑坡、崩塌、泥石流。

2.3.1滑坡分析

典型的滑坡在三維模型上的一般判釋特征包括簸箕形(舌形、不規則形等)的平面形態、滑坡壁、滑坡臺階、滑坡舌、滑坡裂縫、滑坡鼓丘、封閉注地等。除了局部識別外,還應從大范圍的地貌形態進行判斷,如滑坡多在峽谷中的緩坡、分水嶺地段的陰坡、侵蝕基準面急劇變化的主、支溝交會地段及其源頭等處發育。DEM模型中滑源區的物質損失與堆積區的物質增加構成了滑坡最明顯的特征,在此基礎上,滑源區圈椅狀形態、堆積區邊界地形變化、滑源區表面光滑等均是該區域滑坡判釋的典型標志。

試驗區內共解譯出滑坡10處,以中小型為主,分布詳見圖4。

圖4 小金縣機載LiDAR測區滑坡分布圖

滑體外形多為階梯狀、微凸狀,后緣下錯臺坎明顯,一般呈圈椅狀,局部下錯變形甚至滑塌。部分變形體前緣見鼓丘,剪出口局部隆起鼓脹或坍塌凹陷。按空間分布分析,區內滑坡在地形高度上的分布主要集中于海拔2 300～3 000 m的高程地帶。

2.3.2崩塌分析

崩塌在三維影像上的一般表現為上部地形陡立、坡表巖體破碎、粗糙不平、基巖多裸露、堆積呈現三角錐形、處于地形低處、有顆粒分選。本次研究區主為典型的高山峽谷地區,崩塌災害多發育在地形陡峭之處,三維場景中可以看到崩塌坡體陡峭有部分內凹,同時堆積區坡度變緩,坡度變化交界明顯,堆積表面粗糙度更大,顆粒感突出。機載LiDAR采集數據時落在陡立面上的點通常較少,同時無法測得內凹地形,在室內處理點云數據構建DEM時,地形較陡部位往往由于點數量較少會出現拉花現象。

試驗區內共解譯出崩塌7處,以中小型為主,分布詳見圖5。

圖5 小金縣機載LiDAR測區崩塌分布圖

一般為墜落式崩塌,在降雨誘發和重力卸荷應力作用下產生。現場可見其發育多組陡傾裂隙,排列雜亂無章,在主裂隙的控制以及降雨的誘發下巖體裂隙進一步加長加寬,直至產生崩塌。由于境內巖體風化侵蝕作用嚴重,巖體破碎,在持續降雨過后,局部塊體失穩,順坡而下。崩塌發生時具有相當大的勢能,對下方居民、建筑物和公路造成極大威脅。按空間分布分析,區內崩塌均集中在海拔2 300 m～2 500 m高程處,斜坡陡,植被差,巖性脆弱,風化程度大的區域。

2.3.3泥石流分析

典型的泥石流溝道特征明顯,地形上具有一定坡度,堆積體多呈扇形分布,發育溝口部位。基于LiDAR的泥石流災害解譯,主要從泥石流發育地形、堆積扇和溝道范圍內的不良地質體作為人工判識,綜合這三方面的結果進行最終判斷。泥石流溝在地形上是有利于降雨匯聚入溝的平面負地形;同時溝道內不良地質體的存在為泥石流提供可流動物源;在一定降雨條件下可流動物源溝道內匯聚,高速流向溝口形成堆積扇。因此泥石流解譯最主要的判別對象是堆積扇與不良地質體。

試驗區內共解譯出泥石流3條,以中型為主,多為低頻泥石流,分布詳見圖6。

區內泥石流主要分布在山間溝谷地帶,高山林立、河流深切,溝內松散固體物源較豐富,上下游高差較大,一旦遭受暴雨作用,將有可能引發泥石流災害,對下方居民、建筑物和公路造成極大威脅。

2.4 成果驗證

經與收集到的已有地質災害資料對比分析,通過機載LiDAR技術解譯出來的20處疑似地質災害隱患點中,有15處與已有資料相符,剩余5處疑似地質災害隱患點經實地核查,均存在不同程度的地形形變和安全隱患,說明與傳統地質災害隱患調查識別手段相比,運用LiDAR技術解譯出來的疑似地質災害隱患點具有較好的可靠性,而且在一定程度上可以識別高位遠程、高隱蔽性、常規手段難以發現的地質災害隱患點。

圖7為新增疑似滑坡三維場景地質災害解譯圖和實地核查照片,通過測量分析,得出坡頂高程為2 650 m,坡底高程為2 330 m,坡高約320 m,主滑方向70°,坡度40°,整個滑坡形態上呈錐形,前緣堆積處較寬,滑坡后緣邊界較為明顯,兩側邊界沿沖溝及山脊發育,會威脅到下方居民安全和公路暢通。[13-16]

(a)滑坡三維實景模型 (b)滑坡數字高程模型

3 結束語

機載LiDAR技術透過植被縫隙直達地表,構建高精度、精細化數字高程模型,真實反映裸露地表的微小地貌的特性,在高位遠程、高隱蔽性的地質災害隱患識別中,既可以在形態學上進行定性分析,又可以通過測量手段進行定量分析,是一種較為可靠、適用的技術手段。但機載LiDAR數據僅能反映當前的地表形態,不能反映某一時間段內的地表形變速率等信息,更為準確有效的高隱蔽性地質災害隱患早期識別需要結合干涉雷達技術、物探技術進一步研究。