云南魯甸6.5級地震災區滑坡分布特征研判分析

和海霞，李素菊，劉　明，黃　河

(民政部國家減災中心 民政部衛星減災應用中心，北京 100124)

?

云南魯甸6.5級地震災區滑坡分布特征研判分析

和海霞，李素菊，劉明，黃河

(民政部國家減災中心 民政部衛星減災應用中心，北京 100124)

摘要:地震災區滑坡損毀房屋造成人員傷亡，損毀道路造成交通中斷，堵塞河道形成堰塞湖，這些嚴重威脅著災區人民的生命財產安全，所以滑坡分布特征研判對提高災害應急救援救助效率和開展災害損失評估具有重要的意義。為此，基于多源多尺度遙感影像和地震烈度數據，以決策樹分類為主，結合目視研判開展滑坡解譯和分布特征研判。結果表明，魯甸地震誘發滑坡604個，面積8.21 km2。其中，中型滑坡[崩滑面積>(100 m×100 m)]149個，共計7.18 km2，小型滑坡[崩滑面積<(100 m×100 m)]455個，共計1.03 km2。地震滑坡主要分布在道路兩側、居民地附近、河流兩側等孕災環境穩定性低和承災體脆弱性較高地區。

關鍵詞:滑坡；分布特征；決策樹；地震災區；云南魯甸

我國西南地區地震頻發，強震誘發大量滑坡[1-2]，滑坡損毀房屋造成人員傷亡，損毀道路造成交通中斷，堵塞河道形成堰塞湖，這些嚴重威脅著災區人民的生命財產安全。1933年8月25日四川疊溪7.5級地震誘發河流岸坡及河谷斜坡的崩塌與滑坡，摧毀了21個羌寨，造成6 895人死亡[3]；2008年5月12日汶川8.0級地震誘發滑坡4 372處[4]；2010年4月14日青海玉樹7.1級地震誘發滑坡2 036處，總面積約1.194 km2[5]；2013年4月20日四川蘆山地震誘發滑坡3 883處[6]。分析滑坡分布特征對有效進行災情特征和變化趨勢研判、提高災害應急救援救助效率和災害損失評估具有重要的意義。

國內外滑坡遙感研究主要集中在滑坡探測和識別、滑坡動態監測、滑坡空間分析和危險性預測[7]等方面?；绿綔y與識別主要目的是定量確定滑坡的大小(例如長度、寬度、厚度)、動力、坡度、分布、類型和特征[8]。童立強通過分析巫山大清坎滑坡、千將坪滑坡、武隆滑坡及西藏 102 滑坡群等典型滑坡影像特征，建立了包括滑坡體本身的形態、紋理、地形標志和色調特征在內的滑坡遙感識別標志[9]?；聞討B監測是在對比分析不同時期滑坡分布范圍、移動速度、表面地貌、土壤含水量等特性基礎上開展滑坡運動特征評價[10]。陳瑩等利用災前災后遙感數據開展地震災區河道滑坡變化檢測[11]。滑坡空間分析和危險性預測是滑坡危險性區劃的核心，重點關注影響滑坡的基礎要素和誘發要素?；A要素包括地質條件、坡度、坡向、高程、巖土類型、植被覆蓋等，誘發要素包括強降雨、冰川爆發、地震等[12-14]。王治華利用航空遙感技術解譯了關嶺滑坡特征，分析了滑坡產生的地層條件、軟弱結構面條件、地形，以及強降雨等觸發條件[15]?？偟膩碚f，遙感技術因其觀測范圍廣、重訪周期高、受地面環境影響小等特性在滑坡特征研判領域發揮著重要作用。近年來，我國衛星遙感事業蓬勃發展，寬覆蓋、中高分辨率衛星在滑坡研究領域發揮著重要作用。

由于地質孕災環境特征差異、植被覆蓋特征差異等原因，不同等級和破壞性的地震在不同地區引發的滑坡特征與分布差異較大。此外，滑坡在不同尺度遙感數據上存在較大特征差異。因此，本文基于多源多尺度遙感數據，建立滑坡解譯標志，開展不同烈度區內滑坡解譯、統計分析和分布特征研判。

1研究區概況及數據來源

1.1　研究區概況

據中國地震臺網測定，2014年8月3日16：30，云南省昭通市魯甸縣(27.1°N，103.3°E)發生6.5級地震，震源深度12 km。此次地震能量在短時間內集中釋放，造成的破壞極大，據民政部統計，此次地震共造成617 人死亡，112 人失蹤。災區活動斷裂密集發育，山體破碎疏松，造成滑坡等次生災害多發。根據中國地震局發布的地震烈度，此次地震災區最高烈度為Ⅸ度，等震線長軸總體呈北北西走向。Ⅸ度區面積為90 km2，Ⅷ度區面積為290 km2，Ⅶ度區面積1 580 km2，Ⅵ度區面積8 390 km2。鑒于Ⅵ度區滑坡較少，距震中較遠，因此本文選擇Ⅸ度區、Ⅷ度區、Ⅶ度區開展研究(圖1)。

表1　研究數據及基本參數

圖1　研究區地理位置示意圖

1.2　研究數據

本次滑坡解譯選擇環境減災衛星、實踐九號、高分一號、資源三號等多尺度國產衛星數據(基本參數如表1所示)為基本數據源。在進行幾何校正后，統一采用UTM投影。

2滑坡特征研判

2.1　滑坡特征分析及解譯標志建立

分析遙感影像特征的基礎上，輔助先驗知識信息，建立滑坡解譯標志。典型滑坡在不同尺度遙感影像上的特征如圖2所示。

圖2　典型滑坡在不同尺度遙感影像上的特征

(1)色調和顏色。滑坡體大多由松散的堆積物組成，具有強反射特征，呈相對淺色調，且與周圍地物背景顏色差別較大，具有明顯的邊界特征?；麦w內色調呈現多樣性和不均一性特征。

(2)形狀。形狀是地物的外部幾何輪廓在影像上的反映。人工地物相對于自然地物具有更為規則的形狀?；乱虮阑瑓^、大塊石堆積區、碎屑堆積區、撒落區等組成不同，與人工地物相比，形狀多樣且不規則。

(3)紋理。滑坡破壞原地物的整體性和均一性，造成紋理破碎、隨機性強。與周圍地物一致性紋理相比，明顯異常。滑坡體上顆粒狀明顯，多為點型。

(4)圖型。人工地物圖型相對于自然地物有更好的規律，圖型比較完整，有規律。滑坡因為廢墟和瓦礫較多，形狀和大小發生了嚴重的變化，因此圖型呈現出隨機特征，每處滑坡構成不同，不具有規則圖型。

2.2　滑坡特征提取方法

GF-1、HJ-1、SJ-9、ZY-3滑坡特征提取的技術流程和方法具有相似性。本文以GF-1 CCD數據為例，開展滑坡特征提取方法研究。

利用對數殘差法(Log Residuals)對GF-1 CCD數據開展輻射校正，得到相對反射率。根據解譯標志，選取滑坡、水體、植被等主要地物樣本，測定光譜值，得到光譜響應曲線(圖3)。

圖3　主要地物GF-1 CCD光譜特征

采用決策樹分類方法開展滑坡特征提取，基本思路如圖4所示。

圖4　滑坡識別流程圖

決策樹分類是一種分層處理的遙感圖像分類方法，其基本思想是通過一些判斷條件對原始數據集進行逐步二分和細化。

(1)滑坡、水體、植被三種地物光譜曲線存在較大差異，尤其是B3和B4波段關系變化明顯，植被在B4附近出現抬升，其他兩種地物在B4波段持續下降。因此可利用B3與B4的關系，采用歸一化植被指數(NDVI)，來區分植被和其它兩種地物。

NDVI=(B4-B3)/(B4+B3)，

(1)

式中：B4,B3分別代表利用內部平均法計算得到的GF-1 CCD數據第四波段和第三波段的相對反射率。根據樣本統計后確定，NDVI>-0.104 4為植被。

(2)滑坡和水體光譜響應曲線走勢大致相似。但在B4上，滑坡的相對反射率遠遠大于水體的相對反射率，利用該特征區分水體和滑坡。根據采樣統計確定閾值，確定NDVI≤-0.104 4且B4<0.71的地物為冰和道路，NDVI≤-0.104 4且B4≥0.71的地物為滑坡。

(3)使用ENVI軟件提供的分類后處理聚類(Clump)工具解決分類圖像中出現的斑點問題。運用形態學算子將臨近的類似分類區域聚類合并。變化核選擇2×2像素對分類圖像進行侵蝕操作。

圖5a表示GF-1 CCD 標準假彩色合成影像，圖5b、圖5c分別表示決策樹分類結果、聚類結果。在圖5c中，黃色區域是滑坡，藍色區域是水體，綠色區域是植被。

從圖5中可以看出，滑坡碎屑物堆積在水面上，該部分地物歸類為滑坡。因異物同譜和同物異譜造成的誤分、錯分內容(如圖5c標注所示)主要包括個別陰影被錯分為水體，零星居民地和空地被錯分為滑坡，部分滑坡被錯分為植被，這些需采用人工方法進行去除。總的來說，決策樹分類方法精度為98%，大大提高了滑坡提取效率，能夠滿足減災業務的需求。

圖5　決策樹分類結果

3滑坡分布特征與影響分析

3.1　滑坡分布特征

災區范圍大，云覆蓋較多，單一遙感數據無法有效覆蓋全災區。本文以HJ-1數據為主，充分利用SJ-9、ZY-3、GF-9等數據開展滑坡提取，有效數據分布如圖6所示。

圖6　多源有效數據分布圖

圖7　滑坡分布圖

縣名地震烈度小型滑坡中型滑坡小計面積/m2個數面積/m2個數面積/m2個數個數百分比/%魯甸縣IX528410249329323668382164631752.48VIII383483166143590036181938420233.44VII19692958299316602686254.14小計9315864245312129120624371554490.07巧家縣IX45322646030365056150.83VIII432841063265313675937233.81VII463431959270813639051325.30小計94158311871391291965549609.93總計102574445571835201498209264604100.00

(1)滑坡主要分布在Ⅸ烈度區內，約占全部滑坡的53.31%；Ⅷ烈度區滑坡數占全部滑坡的37.25%；Ⅶ烈度區滑坡數占全部滑坡的9.44%。滑坡主要分布在魯甸縣，占全部滑坡的90.07%(見表4)。

(2)滑坡分布與人類活動、地質條件關系密切，主要分布在道路、房屋、水體附近。從圖7可以看出，主要分布在牛欄江兩側、省道昭巧線附近、居民地附近。

(3)震中附近地質環境比較脆弱的地區滑坡分布較為集中，尤其是老滑坡集中區，誘發了大量新滑坡，造成新老滑坡相連，其他地區滑坡零星分布。

3.2　滑坡災害損失估算

(1)阻塞、損毀道路。VII度及以上地區省道(S101)損毀路段長度達11 543 m，損毀率為18.3%，其中，IX度區內損毀長度達5 615 m，損毀率為59.3%。震中所在地魯甸縣境內VII度及以上地區省道損毀率為29.5%，其中，嚴重損毀路段達3 111 m，占省道存量長度的11.4%。

(2)魯甸地震觸發了甘家寨大滑坡，掩埋了32戶房屋。

(3)受滑坡影響，農林用地損毀面積共1 226.4 hm2。

(4)滑坡誘發高危型堰塞湖。本次滑坡造成牛欄江堵塞形成紅石巖水電站堰塞湖，堰塞湖水位不斷上漲，對上下游人民的生命財產安全造成重大威脅。

4結語

本文基于多源多尺度遙感數據，采用決策樹分類結合目視解譯開展地震災區滑坡識別，揭示魯甸地震的滑坡空間分布特征。

(1)強烈破壞性地震空間影響范圍廣，但由于天氣和傳感器本身參數限制導致單一衛星遙感數據無法有效覆蓋全災區，多源多尺度國產衛星遙感數據綜合為全災區滑坡識別和空間分布特征分析提供有效的數據源。

(2)滑坡成因復雜、類型繁多、特征多樣，遙感自動識別方法難以識別所有特征，因此需結合目視解譯進行結果修訂。

(3)滑坡主要分布在牛欄江兩側、省道昭巧線附近、居民地附近等人類活動活躍、地質條件等孕災環境穩定性較差和承災體脆弱性較高地區?；路植季哂辛叶葏^越高，滑坡分布數量越多，總面積越大，分布越集中的特征。此外，老滑坡集中區易誘發新滑坡，造成新老滑坡相連。

總的來說，隨著我國一系列衛星相關重大專項的建設，國產衛星數據資源日益豐富，為滑坡等災害監測提供了重要保障，為災害損失評估提供了有力的支撐。

參考文獻：

[1]Keefer D K.Landslides caused by earthquakes [J]．Geological Society of America Bulletin, 1984,95(4):406-421．

[2]范一大，楊思全，王磊，等.汶川地震應急監測評估方法研究[J].遙感學報,2008, 12(6):858- 864.

[3]黃潤秋.20世紀以來中國的大型滑坡及其發生機制[J].巖石力學與工程學報,2007,26(3): 433-454.

[4]馬貴生,羅小杰.唐家山滑坡形成機制與堰塞壩工程地質特征[J].人民長江,2008, 22(39):46-47.

[5]許沖,徐錫偉,于貴華.玉樹地震滑坡分布調查及其特征與形成機制[J].地震地質,2012, 34(1):46-62.

[6]許沖,徐錫偉,鄭文俊，等.2013 年四川省蘆山 “4.20”7.0 級強烈地震觸發滑坡[J].地震地質,2013,35(3):641-660.

[7]Graciela M, Lorenz H, Radu G. Remote sensing of landslides:an analysis of the potential contribution to geo-spatial systems for hazard assessment in mountainous environments[J].Remote Sensing of Environment, 2005,8：284-303

[8]Singhroy V,Molch K.Characterizing and monitoring rockslides from SAR techniques[J]. Advances in Space Research,2004,33：290-295.

[9]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.

[10]Mantovani F, Soeters R, van Westen C.Remote sensing techniques for landslide studies and hazard zonation in Europe[J].Geomorphology, 1996,15：213-225.

[11]陳瑩,孫洪泉,趙祥，等.地震災區河谷滑坡檢測的遙感分析-以北川縣滑坡為例[J].自然災害學報,2011,20(1):97-104.

[12]Dai F,Lee C,Ngai Y.Landslide risk assessment and management: An overview[J]. Engineering Geology, 2002(64)：65-87.

[13]喬建平,蒲曉虹，王萌，等.大地震誘發滑坡的分布特點及危險性區劃研究[J].災害學,2009,24(2):25-29.

[14]李為樂,伍霽，呂寶雄.地震滑坡研究回顧與展望[J].災害學,2011,26(3):103-108.

[15]王治華,郭大海，鄭雄偉，等.貴州2010年6月28日關嶺滑坡遙感應急調查[J].地學前緣,2011,18(3):310-316.

許超，蔣衛國，萬立冬，等. 基于MODIS時間序列數據的洞庭湖區洪水淹沒頻率研究[J].災害學, 2016,31(1):96-101.[ Xu chao, Jiang Weiguo, Wan Lidong,et al. Research of Flood Submerged Frequency in Dongting Lake Region Based on Time Series Dataset of MODIS[J].Journal of Catastrophology, 2016,31(1)：96-101.]

Research on Landslide Spatial Distribution in Ludian Earthquake Disaster Area

He Haixia, Li Suju, Liu Ming and Huang He

(NationalDisasterReductionCenterofChinaandSatelliteDisasterReduction

ApplicationCenter,Beijing100124,China)

Abstract:Landslides in earthquake disaster area caused a lot of damaged and collapsed buildings, destroyed many roads, blocked the rivers and formed barrier lakes. Landslides result in enormous property damage and human casualties. Landslides spatial distribution analysis is significant to improve emergency rescue efficiency and to assess the disaster loss. We analyze landslides spatial distribution mainly using decision tree classification, combined with interpretation based on multi-source and multi-spatial remote sensing images and earthquake intensity. The results indicate that 604 landslides are caused by Ludian earthquake and the area is about 8.21 square kilometer. Among them, there are 149 middle landslides whose slump area is larger than 100 m×100 m and their total area is 7.18 square kilometer. There are 455 little landslides whose slump area is less than 100 m×100 m and their total area is 1.03 square kilometer. The landslides mainly lied in the place such as the sides of the road and river, or near the residents in that at these places the disaster-forming environment is not stable and the bearing body vulnerability is high.

Key words:landslide; distribution characters; decision tree; earthquake disaster area; Ludian inYunnan

作者簡介：和海霞(1980-)，女，河南焦作人，副研究員，主要從事空間技術減災應用研究.E-mail: hehaixia@ndrcc.gov.cn

基金項目：國家自然科學基金“冬小麥旱災致災因子危險性高光譜遙感定量診斷研究”(41401605)。

收稿日期：2015-06-03修回日期：2015-07-31

中圖分類號：X43;P642

文獻標志碼：A

文章編號：1000-811X(2016)01-0092-04

doi:10.3969/j.issn.1000-811X.2016.01.019