衛星遙感在滑坡識別中的應用

韓健楠 孫增慧

（1陜西省土地工程建設集團有限責任公司 陜西西安 710075 2陜西地建土地工程技術研究院有限責任公司 陜西西安 710075 3國土資源部退化及未利用土地整治重點實驗室 陜西西安 710075 4陜西省土地整治工程技術研究中心 陜西西安 710075）

引言

滑坡作為最危險的自然災害之一，一般被定義為巖土體或其他人工材料在重力作用下的失穩破壞。全球范圍內由于滑坡導致的人員傷亡和財產損失數量巨大，我國作為受滑坡災害影響最為嚴重的國家之一，滑坡問題已在學界被廣泛關注。對于滑坡這類自然災害而言，傳統上，由于其發生往往具有不可預見性，加之空間分布較為分散，因此難以系統性地進行識別。近些年遙感技術高速發展，各類衛星遙感影像變得越來越便于取得，衛星遙感數據開始被應用于滑坡的識別中，并取得一些成果。本文對此進行綜述，針對應用于滑坡識別的衛星遙感技術及其特點的進行了歸納總結，并對未來的研究發展趨勢進行了展望。

1 衛星遙感

衛星遙感作為一門新興的對地觀測手段，始于二十世紀末，是當時的“對地觀測系統EOS”計劃的主體[1]。近些年來，遙感技術迅速進步，遙感影像空間分辨率正在逐漸提高。1999年IKONOS衛星的發射，標志著遙感影像分辨率首次完成了米級的突破。隨著之后如QuickBird、Pleiades等衛星的相繼發布，衛星遙感全面進入了一個高分辨率時代。這一進程加強了衛星遙感對地面物體能識別能力，加速了衛星遙感數據在各個行業應用中的普及。

2 滑坡識別

傳統的滑坡識別主要依賴于地面的調查數據，往往費時費力，且容易造成統計遺漏。而衛星遙感由于其覆蓋面廣，相較傳統的地面調查法具有低成本、高效率的優勢。并且基于衛星遙感的識別能提供地面調查數據無法完全提供的光譜數據，有利于對滑坡的進一步分析，因此在近些年來被廣泛應用[2,3]。

目前對于滑坡的識別主要有兩方面的數據輸入，一是光學影像（optical image）數據、二是合成孔徑雷達（SAR）數據。

2.1 光學影像

利用光學影像數據對滑坡體識別按照識別方式可以分為手動和自動兩種。手動識別是指通過光學影像，依據專家評價法，對影像中的滑坡點進行視覺解譯。而自動解譯是指利用特定的圖像分類算法對圖像中的地物進行自動分類，從而識別滑坡體的位置與展布。傳統的自動解譯算法（如支持向量機、人工神經網絡）一般是基于影像中單個像元的光譜信息[4]，2000年后基于對象的圖像識別算法（object-based image analysis,OBIA）出現，并開始逐漸應用于滑坡識別[5]。一些研究表明，相比傳統基于單個像元的圖像識別算法，基于對象的識別算法能有效提高識別準確率[6,7]。

2.2 合成孔徑雷達

衛星雷達是指衛星上搭載的一種對地發射電磁波并接受地面反射的一種主動遙感裝置。合成孔徑雷達發明于上世紀50年代，其利用多普勒效應對傳統雷達進行了改進，從而提升了圖像的分辨率。合成孔徑雷達具有穿透性強，不受云層覆蓋條件影響的優點，但由于電磁波與地面介質交互的復雜性，其解譯結果并不如傳統的光學影像直觀。但隨著差分干涉雷達技術的普及，大大提高了合成孔徑雷達在滑坡識別上的能力，因此近些年是滑坡研究的熱點問題[8]。

結語

由于衛星遙感技術的飛速發展，遙感數據來源變得越發的多樣化，其對滑坡進行觀測與識別的手段也在不斷進步。一些新技術的引入如合成孔徑雷達，使得衛星遙感的識別能力大幅提高。總體而言衛星遙感對滑坡識別能力的進步源于兩個方面：首先是衛星及所搭載傳感器本身的創新，諸如亞米級遙感影像的出現，合成孔徑雷達的應用等技術創新無疑是滑坡識別領域的首要推動力；其次是圖像識別算法的創新，一些來源于計算機視覺、機器學習理論的新算法的出現使得圖像識別由傳統的人為識別發展至今天的基于像元與面向對象的自動或半自動識別，這一轉變意味著識別效率的提升。在未來的研究中，這兩方面仍將作為創新的重點，推動衛星遙感對滑坡識別能力的進步。