基于GDEM的泥石流災害提取

曾成強

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

基于GDEM的泥石流災害提取

曾成強1，2?

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

利用高分辨率GDEM數據，通過arcgis軟件提取溝壑矢量數據，設置閾值，提取泥石流災害數據，通過疊加已有的地質災害調查數據，進行數據正確性檢驗；應用TM影像經過數據預處理、輻射校正、幾何校正、大氣校正，提取植被覆蓋度、植被指數數據，疊加已提取的泥石流災害數據進行分析，研究泥石流災害與植被覆蓋度及植被指數之間的相關性，尋求其規律，降低泥石流災害危害。

GDEM；TM；泥石流；植被覆蓋度

1 引 言

GDEM全稱ASTER Global Digital Elevation Map，是日本經濟產業省和美國航空航天署合作使用ASTER數據生成的全球數字高程模型。GDEM數據為1°×1°方格，空間分辨率為30m，采用WGS-84或EGM96經緯度投影坐標系，整個數據覆蓋了全球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，沿斜坡或溝谷流動的一種特殊洪流，具有爆發突然，歷時短暫，來勢兇猛和巨大破壞力等特點。

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，泥石流頻繁發作，造成重大經濟損失和人員傷亡。采用人力實地調查費時、費力，且部分山區人力難以到達，不能達到普查地預期效果。

泥石流主要是從斜坡或溝谷發源，以水為動力源的一種地質災害。從DEM直接提取溝壑，從而獲取泥石流，具有高效省時，精度高等特點。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害所需精度。

2 技術路線

利用GDEM提取泥石流災害，實際上就是利用DEM提取地表溝壑，再依據匯水閾值判定該溝壑能否在降雨時發生泥石流以及其易發性。

利用DEM水文分析法提取溝壑，是一種高效、高精度的方法，現已有比較完備的算法。Band(1986)，Qian(1990)等提出的用一個矩形窗口掃描DEM矩陣來確定洼地，將位于洼地內的柵格單元標記為水系部分；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來產生水系。

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

現已有蘭州市全市域GDEM數據如圖1所示，2003年5月10日130035TM影像如圖2所示。2010年調查的1∶50 000蘭州市地質災害數據等資料。

圖1 蘭州GDEM

圖2 蘭州TM影像

由于GDEM數據坐標系統為WGS-84坐標系，大小為1°×1°方格數據；地質災害數據坐標系統為1980西安坐標系，所以必須對數據進行預處理。本文采用ERDAS軟件對GDEM數據進行預處理，將已有的幾塊數據鑲嵌為一塊，以地質災害數據為基準，采用多項式算法，對GDEM數據和TM影像進行糾正，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

洼地即局部區域中最低點，是影響地表流水過程的重要因素，對確定水流方向有重要影響。提取溝谷時首先要對洼地進行處理。

Martez和Garbrecht(1992)提出了一種洼地填充算法，首先標記屬于洼地的集水區域單元格，再從已標記的單元格中找出潛在的出流點。潛在的出流點至少擁有一個高程比它低的為標記單元格。找出最低的潛在出流點后比較它和洼地單元格的高程。若出流點高程高，那么洼地是一個凹地，反之是一個平地。對于凹地，把洼地集水區域內所有低于出流點的單元格高程升至出流點高程，使得凹地變為平地。單格洼地與獨立洼地如圖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定平坦格網內的水流方向。該算法的基本過程為:

(1)掃描經過洼地填充的DEM數據，搜尋8個鄰域高程都不低于該柵格高程的柵格點，標記為平地單元；

(2)給搜索到的每一個柵格點都增加一個微小的高程增量(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時的指向。確定水流方向的算法根據其基本思想可分為: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生的徑流都流向一個最低的相鄰單元格，多流向算法將徑流按一定的比例流向若干相對較低的相鄰單元格。

泥石流實際就是較小溝壑地表徑流不斷匯集到較大溝壑中，當徑流量超過一定閾值后形成的地質災害，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，也稱為匯流累計閾值。這種方法的假設是降雨產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對于溝谷形成來說是均勻的。

Martz和Garbrecht(1995)認為用水道給養面積閾值這一單個參數來反映河網發育的影響因子(諸如地形、地質、土壤和植被)相互作用的復雜關系，當其應用到相對均一的下墊面時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

溝壑提取實際上就是提取水系流域，主要是根據DEM柵格單元和相鄰的8個單元格之間最大坡度來確定水流方向，計算每個單元格上游匯流能力，再判定一個匯水面積閾值，大于該閾值的單元格標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NDVI

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

對經過輻射定標后的TM影像進行大氣校正，在采用上述公式計算歸一化植被指數NDVI，結果如圖5所示。

圖5 蘭州市歸一化植被指數

4 結果與精度分析

4.1 與地質災害調查數據比較

從圖4可以看出，匯流閾值設為100時，提取溝壑十分密集，并且伴有大量的偽溝谷存在，證明匯流閾值設置不正確。多次試驗證明，匯流閾值設置為500時，偽溝谷量大大降低，提取的溝壑較為合理，與調查泥石流災害數據疊加后完全吻合，結果如圖6所示。

圖6 提取泥石流數據與野外調查數據疊加

如圖6所示，提取的泥石流數據與已有的1∶50 000蘭州市泥石流數據疊加顯示，提取的泥石流數據完全包含已有的1∶50 000泥石流災害調查數據。由于1∶50 000泥石流災害調查數據并沒有調查邊遠地區未對村莊造成威脅的泥石流災害，調查數據不夠全面，并且調查數據為點數據，不能直觀顯示泥石流災害的起源、徑流、形狀等相關信息。依據GDEM提取的泥石流數據是全面的囊括GDEM所有中溝壑數據，數據全面，顯示直觀，精度高。

4.2 與歸一化植被指數關系

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

圖7 提取泥石流數據與歸一化植被指數疊加

圖8 提取泥石流數據與植被覆蓋度疊加

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

圖9 不同區域的泥石流情況

圖9中a區域為蘭州市北山區域，植被稀疏，覆蓋度較低，人口稀疏，雨水少；b區域為蘭州市桃樹坪、和平、定遠、渝中等地區，氣候濕潤，農業灌溉用水充足，植被主要為農作物，覆蓋度較高，人口聚集，主要從事農業生產；c區域為蘭州市興隆山區域，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，主要從事農業生產。

計算圖9中三個區域溝壑密度如表1所示。

不同區域溝壑指數對照表 表1

通過計算圖9中溝壑密度得知，b區域溝壑密度值最大，a區域中溝壑密度值居中，c區域中溝壑密度值最小。b區域雖然植被覆蓋度較高，但是主要以農作物為主，對泥石流災害抑制作用不大，相反人類活動加劇了泥石流災害。a區域和c區域都是山區，c區域中植被覆蓋度高，以樹木為主，對泥石流災害又較強的抑制作用，從溝壑密度對比中也可得出相同的結論。

5 總 結

利用GDEM提取泥石流災害數據省時省力、數據全面、精度高，完全可以達到實用要求。但是還存在一些不足，提取泥石流沒有一個明確、科學的閾值，主要是靠經驗性測試；在本文中沒有加入坡度和坡向對泥石流災害進行分析，這也是一個遺憾。

應用DEM結合遙感影像提取泥石流災害是一個科學而又高效的方法，綜合坡度、坡向、植被、氣象、人為因素等影響因子，準確提取、評估泥石流災害將會是下一步的工作重點。

[1] 湯國安，劉學軍，閭國年.數字高程模型及地學分析的原理與方法[M].北京:科學出版社，2006.

[2] 李志林，朱慶.數字高程模型[M].武漢:武漢大學出版社，2003.

[3] 趙英時.遙感應用分析原理與方法[M].北京:科學出版社，2005.

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

[5] 畢華興，譚秀英，李笑吟.基于DEM的數字地形分析[J].北京林業大學學報，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害損失評估[J].地理科學，2006，26(3).

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

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

[9] 陳洪凱，唐紅梅，劉麗等.地質災害理論與控制[M].北京:科學出版社，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(1981—)，男，碩士研究生，工程師，主要從事RS、GIS技術的應用性研究等工作。