遙感技術在提取滑坡背景環境因素的應用
——以湖北省房縣地區滑坡地質災害為例

陳　曦， 胥　兵，2, 陳愛明， 方　臣

(1.湖北省地質調查院,湖北 武漢　430034； 2.中國地質大學(武漢) 資源學院,湖北 武漢　430074)

0　引言

準確和有效地獲取滑坡信息是后續滑坡災害分析、評價和預測的基礎[1]。長期以來國內外普遍采用的信息獲取方法主要來自地面調查,但面對大面積、交通困難、高海拔、峽谷等不利因素的滑坡信息獲取,地面常規調查顯露出周期較長、人力成本較高、長期監測難度較大的困難[2],逐漸不能滿足中大比例尺的區域滑坡災害詳查的需要。

遙感技術由于能夠快速、準確、兼顧宏觀和微觀兩個方面獲取滑坡信息,在滑坡調查和研究中得到了廣泛的應用。中國的滑坡遙感調查起步于20世紀80年代初二灘水電站周邊的滑坡災害排查[3]。伴隨著遙感衛星的發展,出現了利用高分辨率衛星圖像替代早期航片進行滑坡信息的判讀[4-5]。這些高分辨率衛星數據既具有高分辨率的全色波段,又有多光譜數據,通過融合影像,可有效地提高滑坡識別水平[6]。在利用高空間分辨率遙感圖像進行目視解譯時,通常認為目視解譯滑坡的最小規模為高分影像最高空間分辨率的20～25倍[7],而使用空間分辨率<10 m的遙感影像進行滑坡判讀效果欠佳[8]。

目前,高空間分辨率遙感技術已被應用于滑坡識別、滑坡監測、堆積體定量計算、滑坡敏感地帶劃分等諸多研究方向[9]。2004年,Delacourt 等人通過對空間分辨率高于1 m 的航片和Quick Bird 影像進行光學變換,進行了2.5 ～20 m的滑坡運動制圖[10]。王治華提出了結合GIS技術的“數字滑坡技術”,能準確定性、定量地認識滑坡,展示滑坡信息[11-12]。“長江中上游(江津—宜昌段)1∶5萬航空遙感地質調查(地質災害部分)”應用航片精細解譯了危巖、崩塌、滑坡地質災害[13-14]。Nichol等應用IKONOS全色圖像,最小可識別滑坡達到了9～14 m[15]。楊紅日等人利用Quick Bird影像,結合野外GPS控制點進行滑坡前后對比解譯分析及定量研究[16]。在汶川地震發生以后,黃潤秋等利用汶川地震后的ALOS衛星影像數據排查了地震滑坡點[17]。日本京都大學的Chigira等利用ALOS衛星影像數據分析了滑坡分布的特征[18]。殷躍平、Dai、Van Westen等也從不同角度使用不同方法對地震滑坡進行了詳盡的研究[19-21]。

滑坡災害作為一種特殊的地貌過程現象,在遙感圖像上表現出其特殊的色調、形狀、陰影、紋理及圖形差異特征,這些特征的特定組合即滑坡識別的直接解譯標志;因為滑坡而形成的地形地貌、植被、水系的異常亦可為滑坡的判定形成佐證,稱為間接解譯標志。以往的滑坡判讀主要依靠地質人員根據經驗,結合解譯標志目視判讀。但由于滑坡遙感識別存在的復雜性,特別是地質環境條件不同、滑坡發生時間不同、滑坡規模與滑動距離不同、主導滑坡形成的影響因素不同均會使滑坡影像特征產生較大差別,難以建立統一的遙感解譯標志,增加了遙感判讀工作的經驗性,加大了滑坡判釋的難度。

如上所述,綜合應用遙感技術,根據滑坡災害的特點提取滑坡宏觀背景環境特征,圈定滑坡災害的重點區域,以縮小滑坡災害的遙感調查范圍;再結合微觀滑坡地貌環境特征,進行人機交互解譯,能明確滑坡災害的空間分布區域,減少解譯工作的強度。本文選取湖北省房縣的部分區域,以遙感技術提取滑坡背景環境特征為基礎,圈定滑坡災害的重點區域。在重點區域內,根據房縣滑坡的特點,利用遙感技術提取滑坡微地貌特征、光譜特征,最終人機交互圈定滑坡體,達到快速預判的目的。

本文使用的遙感數據為“高分一號”衛星多光譜和全色數據,及空間分辨率為30 m的ASTER GDEM數據。數據指標如表1。

表1　GF-1衛星有效載荷技術指標Table 1　GF-1 satellite payload technical indicators

1　宏觀易發環境分析與提取

滑坡是在一定的地質、地貌、地形等條件下形成的,是各種環境因素的特定組合共同形成的結果。宏觀來說,滑坡的穩定性取決于它的物質組成、地質構造、地形地貌、地表濕度、植被覆蓋等幾個重要方面。其中,物質組成、地質構造、地形地貌取決于滑坡體自身固有屬性,而地表濕度、植被覆蓋等為滑坡遙感可監測的外在表現。任何單一的條件都不足以確定一個滑坡,但根據不同條件的組合,可以提取特有的滑坡條件的組合,從而縮小滑坡遙感解譯的范圍,這個過程即為滑坡宏觀易發環境提取。

1.1　特定地表坡度提取

所謂“滑坡”,一個重要的決定因素即為“坡”。世界上絕大部分的滑坡位于山區。因為重力是滑坡形成的根本原因[22]。重力在自然界中是時刻存在的,在重力作用下并不是所有的斜坡體都會產生滑動,但當外界環境因素發生變化時,改變了原有的應力條件,便可以發生滑坡。

重力在宏觀地貌的表現形式就是斜坡,在遙感觀測角度表現為具有一定坡度。所以根據區域斜坡穩定性判別依據,提取特定坡度的區域,便可以從單一坡度因素宏觀圈定不穩定斜坡所處范圍。

在本次調查研究區——十堰市房縣,根據《十堰市(鄖西、竹山、竹溪、房縣)地質災害詳細調查實施細則》中的穩定性分級(表2),對應提取坡度的閾值劃分為坡度級別。以ASTER GDEM為遙感數據源進行坡度計算,使用決策樹分類提取以上特定坡度的區域。

1.2　特定地層巖性提取

“滑坡”還有一個重要的決定因素,就是“滑”。組成斜坡巖性的軟弱程度決定了斜坡的易滑動性,特定的地層和巖性組合是滑坡發生的物質基礎。在本次研究范圍內,便存在結構松散的沉積物(殘坡積物)、頁巖、泥灰巖、泥質板巖、千枚巖、泥質砂巖以及煤系地層。這些基巖組成的地層巖土力學強度較弱,抗剪、抗風化差,在流水或其他外部因素作用下易產生滑動,所以這些地層存在滑動潛質。通過區域“高分一號”衛星影像的分析和對比,發現這些易滑地層和特定巖性組合在高分辨率遙感影像上具有較高的區分度。

通過區域地質資料的收集和分析,建立了如表3所示地層巖性遙感影像解譯標志。

表2　斜坡、滑坡穩定性判別依據表Table 2　Stability of slopes and landslide discriminations

如表3所示的部分軟質巖解譯標志,解譯區內軟質巖,厘定軟質巖邊界,制作軟質巖空間分布圖,用以區別有滑動潛質的軟質巖與其它地層的關系,突出差別,縮小滑坡解譯范圍。

1.3　相關地質構造信息提取

工作區地質構造十分復雜,房縣南部為秦嶺—大別造山系與揚子陸塊之交接部位,一級構造分區斷裂青峰—襄樊—廣濟斷裂由房縣盆地以南呈近東西向延伸,二級構造分區斷裂——竹山斷裂位于竹山縣南西,青峰—襄樊—廣濟斷裂及竹山斷裂以北,為青白口紀武當山巖群淺變質巖分布區,以發育北東向斷裂為主,上述斷裂影像線性特征十分清晰,呈明顯的線性行跡。

表3　工作區地層巖性遙感影像解譯簡表Table 3　Summary table of remote sensing image interpretation on the work area

續表3

與滑坡相關的地質構造主要有區域大構造、褶皺的轉折端，也包括區域小構造。不論構造規模的大小,都會不同程度地影響斜坡的穩定性。斷裂造成巖體破碎,為滑坡提供了物質來源。因構造活動造成的裂隙、揉皺改變了基巖原有的結構特性,為滑坡產生提供了物質、結構基礎，為外部觸發儲備了條件。

一般而言,斷層的性質不同,其傾角也有一定差別。正斷層的傾角在60°左右,走滑斷層的傾角一般為90°左右,而逆沖斷層的傾角一般在30°左右。研究證明[23],斷裂傾角對滑坡分布起控制作用。隨著斷層傾角變陡,垂直于斷層走向方向上受到滑坡影響的范圍就會隨之變小。所以,就區內構造而言,以逆沖斷層和正斷層為代表的傾角相對較緩的斷層控制著更多滑坡的形成和發展。

在區域構造背景指導下,利用“高分一號”遙感衛星影像數據在1∶5萬的尺度下進行斷裂構造詳細解譯,建立該地區遙感構造解譯標志,根據解譯標志采用類比法解譯全區斷裂構造,得到區內斷裂構造遙感解譯圖。重點提取除走滑斷層外的低傾角斷層,受斷層控制和影響的區域與斷層傾角有負相關關系,與斷層規模呈正相關關系,但總體而言,影響范圍為沿斷裂走向線性展布的帶狀區域。根據與房縣臨近的竹山縣解譯的經驗,通過遙感解譯和地質資料,提取區內正斷層、逆沖斷層等構造信息,勾繪受這些斷層控制和影響的區域,作為下一步解譯的重點區域,從而大大縮小了解譯強度和解譯范圍。據此進行緩沖區分析,得到特定受構造影響,滑坡重點解譯區域圖(圖1)。

圖1　受斷裂構造影響的滑坡重點解譯區域圖Fig.1　The key areas affected by fault structure

1.4　地表濕度異常提取

降水是誘發滑坡的重要動力因素,主要通過四方面機制觸發滑坡:①降水和地表水進入巖土體后產生加載作用,增加巖土體的重量,在重力作用下易達到滑動臨界值,產生崩解、泥化現象,誘發滑坡;②在地表水的浸泡作用下,易滑地層易被軟化,層間泥質成分易產生滑動層,降低了層間抗剪力;③巖土體節理、間隙充水飽和,增加動水、靜水壓力的同時,減小其有效應力;④巖土體附水、失水的過程中裂隙更加發育,使巖土體結構進一步惡化。以上機制主要表現于地表水分含量以及巖土體附水性。通過對地表水分含量的監測，便可以劃分地表水分含量誘發滑坡的影響程度。

表4　Red-NIR光譜空間區分布特征簡表Table 4　Red-NIR spectral region of space distribution characteristics

地表水分含量的遙感監測手段較多,但考慮到房縣植被覆蓋率高,且本次使用的遙感數據——“高分一號”衛星屬寬波段多光譜傳感器,所以考慮使用高分一號數據的band3(紅光波段)、band4(近紅外波段)構建Red-NIR光譜特征空間[24],以區分巖土體的水分含量,定性、半定量的判斷地表巖土體的附水性。從表4可以看出,NIR-Red光譜特征空間具有良好的地物分辨能力。能較好的分辨水體、濕土、干土并對不同植被覆蓋下的裸土壤、低植被覆蓋混合像元、高植被覆蓋有良好的區分性。

通過“高分一號”衛星多光譜數據構建的Red-NIR光譜特征空間中,特征空間散點圖呈典型的三角形分布。存在清晰的土壤基線BC(圖2)。由土壤基線B端到C端呈現土壤由濕變干的特征。

在NIR-Red光譜特征空間上,過原點作土壤線BC的垂線L,從任何一個點到直線L的距離可以說明地表的干旱情況,即離L線越遠地表越干旱,反之亦然。

一般來說,接近于直線L的空間較為濕潤,反之,遠離的空間較為干燥。由此利用Red-NIR特征空間上點到直線L的距離便可以用以對土壤水分含量做定性以至定量描述。用以突出土壤水分含量的差異。據此建立垂直植被干旱指數PDI[26]:

圖2　垂直植被干旱指數原理示意圖[25]Fig.2　The PDI index theory

(1)

式中：M是Red-NIR特征空間的土壤線的斜率；Rred、RNIR分別是任意一點紅光和近紅外波段的反射率[27]。由式(1)可以方便地使用波段運算得到PDI的值加以分析。

PDI指數簡單易用,對土壤濕度評估迅速。在PDI的基礎上,受到植被對土壤含水量的影響,引入植被覆蓋率構建改進的垂直植被干旱指數MPDI。

改進的垂直植被干旱指數也是基于Red-NIR特征空間,其主要思想是將植物對PDI的影響通過線性反射率混合模型消除[24,28-31]。

首先在PDI指數基礎上消除植被影響信息,僅考慮土壤,建立理論公式[28]:

(2)

試通過線性混合模型分解混合像元反射率:

Ri=fvRi,veg+(1-fv)Ri,soil

(3)

式(3)中：fv為植被覆蓋率；Ri,veg為植被反射率；Ri,soil為土壤反射率。據此可以得到混合像元中土壤反射率為[29-31]：

(4)

所以將公式(4)帶入(2)中得到MPDI:

(5)

根據公式(5),結合“高分一號”數據就能獲得每個像元的MPDI值,區分土壤水分含量。

1.5　地表植被覆蓋程度提取

植被覆蓋度是判斷已產生滑動新、老滑坡的重要客觀指標。植被對水土具有良好的保持作用,滑坡體一般少有植被發育。特別是在房縣,地表植被覆蓋度整體較高,滑坡區域與非滑坡區域有一定的區分性。根據十堰市房縣西側竹山縣目視解譯的經驗,新、老滑坡體表面植被發育與背景植被存在異常,表現為:滑坡體表面植被稀疏或呈現裸土,基本不會覆蓋喬木,常覆蓋有灌木或被改造為農田。針葉林或針葉闊葉混交林表觀顯墨綠色,遙感觀測可見球狀、點狀冠層;而灌木林和農田顯淺綠色,農田更有較規則圖案,如表5所示:

表5　典型滑坡植被覆蓋異常表Table 5　Vegetable cover anomaly of typical landslide

所以,通過遙感手段,利用歸一化植被指數(式(6))對研究區植被覆蓋率進行劃分,可以從宏觀上就針葉闊葉混交林和滑坡體(闊葉林、農田)在植被覆蓋率上的差別,提取低植被覆蓋的區域。

(6)

根據歸一化植被指數求得植被覆蓋率:

(7)

式中：Fg為植被覆蓋率；NDVImin、NDVImax分別為該區域歸一化植被指數的最小值和最大值。利用高分一號數據便可以求得植被覆蓋率圖,從宏觀上區分針葉林與滑坡體上裸土、闊葉植被或農田。

1.6　宏觀易發環境綜合分析

控制滑坡的宏觀環境因素較多,也較為復雜。就十堰市房縣地區滑坡特征而言,使用遙感手段,從滑坡形成的內在條件:坡度、軟質巖、斷裂控制;滑坡形成的外在誘發條件:地表濕度;滑坡表觀特征:滑坡體植被異常;三個方面、五個指標綜合劃定遙感解譯重點區域,以減少單純遍歷型目視解譯的工作強度,力求做到有的放矢。

現實情況中的滑坡各具特點,往往不是簡單的五個指標的疊加,而是三兩或兩兩的特定組合。就災害詳查的要求而言,不適于簡單草率的使用疊加分析取交集法、簡單證據權法、層次分析法等簡單提取易發區域而忽略其他條件。所以,建議采用簡單模糊的疊加求和分析,擴大重點解譯區的范圍(圖3)。解譯過程以緩沖區(斷裂影響范圍)為軸線,逐步輻射擴大的方式,提高解譯效果。

圖3　滑坡宏觀易發環境遙感信息提取示意圖Fig.3　Remote sensing information extraction of landslide

根據三個方面、五個指標的信息提取,可以方便地將各要素層作簡單的疊加分析,縮小解譯區域,減少解譯工作量。對解譯區域的滑坡宏觀環境的組合了然于胸,對災害點的解譯有直接的指示作用。下面僅以區內某一個災害點為例作為宏觀環境五個指標的印證(表6)。

表6　宏觀易發環境滑坡印證表Table 6　Specific cases substantiation

2　微觀特征環境分析與提取

經過宏觀滑坡易發環境分析,并結合“高分一號”數據和GDEM數據進行區內宏觀易發因素的提取,能夠確定重點解譯區域,做到有重點、有方向的確定滑坡災害點。但指導思想僅僅是通過提取滑坡所處宏觀環境因素而縮小目視解譯范圍。總結已解譯的部分滑坡,在微觀地貌特征與微觀地表覆被特征有一定的相似性,通過在“宏觀重點解譯區域”(前文提取的宏觀易發因素確定)采用遙感手段,結合十堰市房縣滑坡地質災害特點,提取滑坡微觀地貌特征與微觀地表覆被特征,自動提取滑坡形態,達到圈定災害點的目的。

2.1　滑坡體邊界特征的確定

滑坡形成后在斜坡上往往會出現周圍較陡,中間較緩的圈椅形微地貌特征。一個發育完全的滑坡一般具有:滑坡體、滑坡周界、滑坡壁、滑坡臺階、滑坡舌、滑坡軸、滑坡鼓丘、滑坡裂縫、滑動面、滑動帶、滑床等要素。但現實中,滑坡形態各異,并不完全具備以上滑坡要素,但滑坡后壁、滑坡體、滑坡周界、滑動帶和滑床是所有滑坡都具備的。就遙感觀測而言,能解譯出的基本要素僅有表觀的滑坡后壁和滑坡周界兩項,如圖4。

圖4　滑坡微地貌(據王治華,2007)Fig.4　Landslide micro landform1.滑坡體;2.滑坡周界;3.滑坡壁;4.滑坡臺階;5.滑坡舌;6.滑坡軸;7.滑坡鼓丘;8.拉張裂縫;9.剪切裂縫;10.扇形裂縫;11.鼓張裂縫;12.破裂緣;13.后緣洼地;14.滑動面;15.滑動帶;16.滑坡床;17.剪出口;18.原始地面。

滑坡后壁和周界在微地貌形態上呈陡坎狀,陡坎的頂部邊界在滑坡體以及滑坡附近區域內為坡度與坡向變化較快的區域(圖4中紅色區域)。根據這個特

點,使用DEM遙感數據分別求取坡度、坡向，并在此基礎上求取坡度變化率和坡向變化率,陡坎部分在坡度變化率和坡向變化率均有突出的高值特征,所以可以使用這種高值特征勾繪滑坡后壁和滑坡邊界,下面是使用GDEM作為遙感數據源提取的滑坡后壁與滑坡周界效果,如表7。

由表中實例可見,對于后壁、周界具有陡坎形態特征的滑坡可以被以上方法檢測。但由于本次使用的GDEM空間分辨率(30 m)的限制,本次微地貌提取僅對規模較大的滑坡有效。若使用空間分辨率更高的DEM數據,則可以提取更小規模的滑坡,提高解譯效果。

2.2　滑坡體地表覆被異常范圍的圈定

實際解譯和實地考察過程中,部分滑坡體具有微觀地表覆被異常特征。實地可能見到馬刀樹、醉漢林等,且以低矮闊葉植被為多,有的滑坡體被改造為農田,造成滑體與背景植被覆蓋特征有較大差別。針對這些表觀特征,在遙感觀測角度可以較明顯地監測到植被種屬的區別。

常見的滑坡體與背景地表覆被異常組合有三種:滑坡體為裸土,背景為針葉林;滑坡體為闊葉植被,背景為針葉闊葉混交林;滑坡體為農田,背景為針葉林。表8是通過遙感分類方法區分滑體與背景。

表7　工作區滑坡形態特征提取簡表Table 7　Extraction of morphological features of work area of landslide

表8　基于遙感分類的滑坡覆被異常特征提取簡表Table 8　Extraction of landslide based on remote sensing classification

3　總結

本文利用“高分一號”遙感數據和ASTER GDEM數據對湖北省十堰市房縣滑坡宏觀易發環境進行了分析與提取,主要提取了特定坡度、軟質巖分布、斷裂構造分布、地表濕度異常、植被覆蓋度異常五方面指標,通過疊加分析確定了重點解譯區域。通過對滑坡周界微地貌特征和滑坡體地表覆被異常的遙感劃分,在重點區域內自動勾繪滑坡體輪廓,取得了較好效果。最終通過人機交互的方式在提取的重點區域內,結合通過微觀特征環境提取獲得的滑坡體輪廓信息,解譯全區滑坡災害點。

使用本文方法選取房縣青峰鎮幅、王家灣幅、土城幅、房縣幅四個1∶5萬標準圖幅,解譯滑坡災害點209處,多數能被本文提取的宏觀易發環境良好控制,微觀特征環境信息也有較好指示作用。相對以往的目視解譯,本文所用方法降低了工作強度,對滑坡災害點的空間分布特征能有足夠的預判,對災害點的解譯能做到有的放矢。但在重點解譯區內利用坡度變化率和坡向變化率分析滑坡微地貌特征時常常會受到線性溝谷、山脊線、河流、沖溝等起伏較大、線狀特征明顯的地物的影響。所以,在利用坡度變化率和坡向變化率指標時,需結合滑坡遙感目視解譯方法,參考坡度與坡向變化特征,進行人機交互解譯,達到避免線性地質體干擾的目的。

參考文獻：

[1]胡德勇,李京,陳云浩,等.GIS支持下滑坡災害空間預測方法研究[J].遙感學報,2007,11(6):852-859.

[2]王治華.滑坡遙感調查、監測與評估[J].國土資源遙感,2007(1):10-15.

[3]王治華.中國滑坡遙感及新進展[J].國土資源遙感,2007,19(4):7-10,32.

[4]王治華.滑坡、泥石流遙感回顧與新技術展望[J].國土資源遙感,1999(3):10-15.

[5]Leonhard Johannes B lesius.Leonardo:a satellite based methodology for land slid e susceptibility mapping incorporating geotechnical slope stability parameters[D].Bowa City:The University of Iowa,2002.

[6]李鐵鋒,徐岳仁,潘懋,等.基于多期SPOT-5影像的降雨型淺層滑坡遙感解譯研究[J].北京大學學報:自然科學版,2007,43(2):204-210.

[7]石菊松,吳樹仁,石玲.遙感在滑坡災害研究中的應用進展[J].地質論評,2008,54( 4):505-514.

[8]Burns B.Comparison of mapping techniques in the Portland hills pilot study area,Landslide Symposium 2007—New tools and techniques for develop in regional hazard maps and future risk management practices[EB/OL].( 2007-04-26)[2013-09-01].http://www.oregongeology.com/sub /landslide /symposium 2007/index.htm.

[9]魯學軍,史震春,等.滑坡高分辨率遙感多維解譯方法及其應用[J].中國圖像圖形學報,2014,19(1):141-149.

[10]Delacourt C,Allemand P,Casson B,et al.Velocity field of the“La Clapière”landslide measured by the correlation of aerial and Quick Bird satellite images[J].Geophysical Research Letters,2004,31(15):615-619.

[11]王治華.數字滑坡技術及其應用[J].現代地質,2005,19(2):157-164.

[12]王治華.大型個體滑坡遙感調查[J].地學前緣,2006,13(5):516-523.

[13]童立強,郭兆成.典型滑坡遙感影像特征研究[J].國土資源遙感,2013,25(1):86-92.

[14]王芳潔,陳曦.航空影像在滑坡調查與監測中的應用研究[J].城市勘測,2012(5):163-167.

[15]Nichol J,Wong M S.Satellite remote sensing for detailed landslide inventories using change detect ion and image fusion[J].International journal of remote sensing,2005,26(9):1913-1926.

[16]楊金中,楊日紅.遙感技術在三峽庫區千將坪滑坡研究中的應用[J].國土資源遙感,2007,19(4):85-89.

[17]黃潤秋,李為樂.“5·12”汶川大地震觸發地質災害的發育分布規律研究[J].巖石力學與工程學報,2008,27(12):2585-2592.

[18]Chigira M,Wu X,Inokuchi T,et al. Landslides Induced by the 2008 Wenchuan Earthquake,Sichuan,China[J].Geomorphology,2010，118(3):127-138.

[19]殷躍平,成余糧,王軍.汶川地震觸發大光包巨型滑坡遙感研究[J].工程地質學報,2011,19(5):674-684.

[20]Dai F C,Xu C,Yao X,et al.Spatial Distribution of Landslides Triggered by the 2008 Ms 8.0 Wenchuan Earthquake,China[J].Journal of Asian Earth Sciences,2010(4):10.

[21]Van Westen C,Gorum T,Fan X,et al.Distribution Patternof Earthquake-induced Landslides Triggered by the 12 May 2008 Wenchuan Earthquake[R].Vienna:EGU,2010.

[22]Skempton AW,Deilory FA.Stability of natural slopes in London clay[C]//Proceedings,4thInternational Comference on Sdl Mechenies and Foundation Engiceering,1957:378-381.

[23]陳曉利，惠紅軍，趙永紅.斷裂性質與滑坡分布的關系——以汶川地震中的大型滑坡為例[J].地震地質，2014(2)：358-367.

[24]陳曦,陳建國,王成彬,孫瀟,謝應波.福建武夷山植被覆蓋區遙感地質信息提取[J].地質學刊,2013(3):496-508.

[25]Q.QIN,A.GHULAM,L.ZHU et al.Evaluation of MODIS derived perpendicular drought index for estimation of surface dryness over northwestern China[J].International Journal of Remote Sensing,2008,29:1983-1995.

[26]Ghulam A,Qin Q,Kusky T,et al.A re-examination of perpendicular drought indices[J].International Journal of Remote Sensing,2008,29(20):6037-6044.

[27]詹志明,秦其明,阿布都瓦斯提·吾拉木,等.基于NIR-Red光譜特征空間的土壤水分監測新方法[J].中國科學(D輯:地球科學),2006(11):1020-1026.

[28]Ghulam A,Qin Q,Teyip T,et al.Modified perpendicular drought index (MPDI):a real-time drought monitoring method[J].ISPRS journal of photogrammetry and remote sensing,2007,62(2):150-164.

[29]Li Z,Tan D.The Second Modified Perpendicular Drought Index (MPDI1):A Combined Drought Monitoring Method with Soil Moisture and Vegetation Index[J].Journal of the Indian Society of Remote Sensing,2013:1-9.

[30]Zhang H,Chen H,Shen S,et al.The application of Modified Perpendicular Drought Index (MPDI) method in drought remote sensing monitoring[C].ISPRS journal of photogrammetry and remote sensing,2008,59(2):230-244.

[31]李震,陳權.MPDI在微波輻射計植被覆蓋區土壤水分反演中的應用[J].遙感學報，2006(1)：34-38.