基于IRS-P6衛星影像的高原地貌分類與信息提取

張兵， 崔希民， 韋銳， 宋保平， 趙旭陽

(1.石家莊學院資源與環境科學學院，石家莊　050035； 2.中國礦業大學(北京)地球科學與測繪工程學院，北京　100083)

基于IRS-P6衛星影像的高原地貌分類與信息提取

張兵1,2， 崔希民2， 韋銳1， 宋保平1， 趙旭陽1

(1.石家莊學院資源與環境科學學院，石家莊050035； 2.中國礦業大學(北京)地球科學與測繪工程學院，北京100083)

摘要：利用遙感影像進行地形地貌制圖，因其成圖周期短、制圖精度高、修改方便和更新快捷等優勢，現已成為中小比例尺地貌制圖的主要方法。利用高分辨率的IRS-P6衛星影像對青海省天峻縣的高原地貌進行分類與信息提取，并制作大比例尺地貌圖。采用遙感(remote sensing,RS)和GIS技術對遙感數據和不同來源的輔助數據進行處理，將其統一到同一GIS平臺，在此基礎上詳細闡述了地貌分類、信息提取的技術流程和地貌圖制作的方法。研究表明，基于高分辨率遙感影像數據，采用RS和GIS相結合的技術，可以大大降低地貌分類的難度，提高地貌信息提取與制圖的速度和效率。

關鍵詞：IRS-P6； GIS； 遙感； 天峻縣； 高原地貌； 信息提取

0引言

地貌是指地球表面各種高低起伏的形態，我國的陸地表面形態多種多樣，通常將其劃分為平原、丘陵、山地、高原和盆地5大地貌形態類型。還可以按照地貌形成的內外動力的不同，劃分出許多地貌成因類型，如流水地貌、風沙地貌和冰川地貌等。地貌圖是研究地貌的重要工具，在社會、經濟和國防建設中有著廣泛而重要的應用。隨著現代科技的不斷發展，將全球定位系統(GPS)、地理信息系統(GIS)和遙感(remotesensing,RS)集成的“3S”一體化技術已經成為地理地貌制圖及遙感圖像處理等領域的重要技術手段。近年來已有不少學者研究利用衛星遙感影像進行不同類型地貌信息提取的方法，如姚永慧等[1]曾利用LandsatTM遙感影像及相關輔助地圖數據對1∶100萬昌都圖幅(H47)進行了地貌制圖，研究了基于遙感影像的地貌制圖快速更新技術，并分析了利用遙感影像地貌制圖與傳統地貌制圖方法的異同，為全國1∶100萬地貌圖的編制提供了技術參考。但目前研究人員在進行不同區域地貌遙感解譯與制圖時，大多采用30m空間分辨率的TM/ETM多光譜數據[2-3]，利用IRS-P6衛星等高空間分辨率的遙感數據進行高原地貌分類、信息提取并制作大比例尺地貌圖的研究仍相對較少。

本文以GIS和RS技術為基礎，基于IRS-P6遙感影像，以青海省天峻縣部分地區為研究區，探討了遙感數據與多種數據源的集成應用方法，對該區地貌的分類、成因與分布特征進行了研究，最后以MapGIS為平臺制作了研究區地貌圖。

1研究區概況

研究區位于青海省海西蒙古族藏族自治州天峻縣境內(圖1)，地理坐標介于E98°27′～99°30′，N37°00′～37°31′之間，面積約1 300km2。區內高山縱橫，山脈呈SE-NW走向，以山地為主，高山、中低山、山谷和山間盆地相間分布，最高海拔5 826.8m，最低海拔2 850m，相對高差近3 000m，天峻縣縣城新源鎮海拔3 406m。布哈河自西北向東南流經縣境南部，疏勒河自東南向西北流經縣境北部。研究區地處青藏高原東北部，屬于祁連山系中段南坡，祁連山與青海南山對峙，形成了盆地與山岳相間的地形輪廓，主要的地貌類型有山岳地貌及平原地貌； 氣候上屬高原寒帶氣候。

圖1　研究區位置示意圖

2數據與方法

2.1數據源及其預處理

本次研究使用的IRS-P6衛星影像，采集時間為2009年12月。該衛星發射于2003年10月17日，采用近極地太陽同步軌道，軌道高度817km，傾角98.69°，重復周期為24d。衛星搭載了3個傳感器：LISS-Ⅲ，LISS-IV和AWiFS。本文使用傳感器LISS-IV的多光譜影像，該傳感器有全色(MN)和多光譜(MX)2種工作模式，全色幅寬70km，多光譜幅寬23.9km，星下點幾何分辨率為5.8m，波譜頻段為2(綠光)、3(紅光)和4(近紅外)。中國遙感衛星地面站從2005年4月22日起正式分發IRS-P6衛星數據。除此之外，本次研究還搜集了1∶5萬及1∶10萬研究區地形圖等輔助資料。為了消除影像采集過程中由于傳感器高度和姿態角的變化、大氣折光、地球曲率及地形起伏等因素所引起的擠壓、伸展、扭曲或偏移，利用1∶5萬地形圖對遙感影像進行了幾何糾正，并將所有遙感影像數據統一到同一坐標系下[4-5]。

2.2技術方法與工作流程

由于研究區范圍較大，涉及那兒宗(J47E016011)、鉛礦(J47E015011)和關角(J47E017012)等12幅1∶5萬地形圖。為了方便應用，本研究先將12幅1∶5萬地形圖進行拼接，使其能與遙感影像區域相匹配； 另外，由于收集的1∶5萬地形圖的等高線比較密集，使用前先對其進行了抽稀處理，然后利用處理好的地形圖與遙感影像圖進行配準，生成分層疊加的研究區用圖。本次研究所采用的GIS平臺是MapGIS，首先建立地貌解譯標志，對研究區地貌進行分類，再進行人機交互式的地貌信息初步提取； 然后進行野外實地驗證，并依據驗證結果進行地貌詳細解譯，修正初步提取的地貌信息； 最后生成1∶5萬地貌圖。工作流程如圖2所示。

圖2　地貌信息提取與制圖工作流程

3地貌分類與信息提取

3.1地貌分類

依據區內的絕對高程、相對高差和地貌成因，結合遙感影像特征及1∶5萬和1∶10萬地形圖資料，將研究區分成構造剝蝕山區和構造堆積沖洪積平原區2大地貌類型[6]。前者主要分布在研究區南部和北部，地勢高聳，地形切割強烈； 后者位于研究區中部東西向的狹長地帶。布哈河自西向東流經該研究區，全區地勢總體上由南北兩側向中心地帶傾斜，高地位于研究區南部和北部，海拔達4 500m以上，低地位于布哈河谷地帶，海拔在3 300m以下。

3.1.1構造剝蝕山區特點

根據成因和高程的不同，本研究又將構造剝蝕山區分為侵蝕構造高山區和侵蝕構造低山丘陵區。

1)侵蝕構造高山區(Ⅰ1)。侵蝕構造高山區的遙感影像特征見圖3。高山是本區山地的重要地貌類型，具有連續大片分布的特點，山體雄偉，山坡陡峻，山脊多為尖峭狀，山谷多呈“U” 形，主要是由冰川作用形成； 區內巖石風化嚴重，山坡有細粒松散物和植被覆蓋。該區地質現象或災害主要分布于青海南山主脊的關角日吉山一帶，海拔高度集中在3 800～4 500m，切割深度300～600m，山勢高聳挺拔，山脊多為鋸齒狀或刀脊狀，走向為NW-SE，與區域構造線大致吻合。

圖3　侵蝕構造高山區影像特征

2)侵蝕構造低山丘陵區(Ⅰ2)。侵蝕構造低山丘陵區的遙感影像特征見圖4。

圖4　侵蝕構造低山丘陵區影像特征

該區主要分布于大通山南坡及海西山一帶，由下古生界淺變質巖，二疊系、三疊系碎屑巖及侵入巖構成的低矮山體，山體也大致呈NW-SE展布，本區內海拔高程多在3 600m以下，相對高差一般小于300m，山體多呈壟崗狀，新構造運動使山區一直處于相對抬升夷平狀態，山頂呈渾圓，略有起伏，總的趨勢向青海湖方向傾斜。

3.1.2構造堆積沖洪積平原區特點

根據成因的不同，本研究又將構造堆積沖洪積平原區分為沖洪積山前傾斜平原區、沖洪積緩傾斜平原區和沖洪積河谷平原區。

1)沖洪積山前傾斜平原區(Ⅱ1)。沖洪積山前傾斜平原區的遙感影像特征見圖5。沖洪積扇由山口向山前傾斜，扇頂部坡度5～10°，遠離山口處為2～6°，扇頂與扇邊緣高差可達數百m。河流大多具有山區間歇性洪流特點，由于山地基巖機械風化作用強烈，提供了大量粗粒碎屑物，河流出山口后水流分散形成許多支叉，因氣候干旱，分散的水流更易蒸發和滲透，于是水量大減甚至消失，因此其所攜帶的物質大量堆積，形成坡度較大的沖洪積扇形堆積體。

圖5　沖洪積山前傾斜平原區影像特征

這些堆積體的扇頂物質一般較粗，主要為砂礫。沖洪積扇常沿山麓形成一片，構成山前傾斜平原。本區主要分布于大通山南麓和青海南山北麓的山前地帶，大小不等的坡洪積或沖洪積扇連成一片，呈條帶狀平行分布于河谷兩側，海拔多在3 400m左右，寬度0.5～2km，主要由上更新統洪積砂礫石層、砂土層組成，一般以3～5°的地形坡度由山區向谷地傾斜，相對高差40m左右。

2)沖洪積緩傾斜平原區(Ⅱ2)。沖洪積緩傾斜平原區的遙感影像特征見圖6。

圖6　沖洪積緩傾斜平原區影像特征

本區主要分布于大通山南麓與青海南山北麓山前陡傾斜平原區與下游沖洪積河谷平原區之間的過渡地帶。相對于沖洪積山前傾斜平原區，其海拔較低，大多在3 400m以下，地形坡度相對較緩，由山區向谷地傾斜，也呈條帶狀平行于河谷分布，由上更新統洪積砂礫石層和亞砂土層組成。

3)沖洪積河谷平原區(Ⅱ3)。沖洪積河谷平原區的遙感影像特征見圖7。

圖7　沖洪積河谷平原區影像特征

該區主要分布于布哈河及其支流河谷中，皆由上更新統—全新統沖洪積礫石、礫卵石組成，呈NW-SE向條帶狀順河谷分布，北以大通山，南以青海南山為界，谷寬約6～8km，局部大于10km，可見Ⅰ—Ⅲ級階地。其中Ⅰ級階地前緣高出河水位1～1.5m，階面寬度上、下游不等，一般為100～300m； Ⅱ級階地在布哈河南岸較發育，北岸斷續分布，前緣以1～2m的陡坎與Ⅰ級階地相連，或以2～4m的陡坎直接與河床相接，階面寬處達4km，窄處僅幾十m； Ⅲ級階地主要分布于布哈河南岸，局部為基座式假階地，后緣與洪積扇相接，階地前緣陡坎高出Ⅱ級階地2～10m，階面寬度多在100～150m之間。

3.2地貌信息提取

地貌類型劃分后，利用預處理后分層疊加的地形圖和遙感影像圖在MapGIS平臺上分類提取地貌信息。主要工作包括初步解譯、實地驗證和詳細解譯等步驟。初步解譯的主要任務是掌握解譯區域特點，確立典型解譯樣區，建立目視解譯標志[7-8]，探索解譯方法，為詳細解譯奠定基礎。初步解譯主要采用人機交互的方式，以遙感影像為工作底圖，1∶5萬和1∶10萬地形圖為輔助資料，形成初步解譯地貌圖。接著以初步解譯地貌圖為依據進行野外實地驗證，認真檢查解譯標志是否正確，解譯推理是否合理，已解譯的地貌是否準確，獲得可靠的實地資料。然后在此基礎上進入詳細解譯階段。詳細解譯的原則是統籌規劃、由表及里、分區判讀、循序漸進。主要技術方法有3種： ①根據影像形狀、大小、色彩、色調、陰影、紋理和圖案的直接判讀法； ②通過將不同數據源的信息進行疊加的對比分析法； ③根據地理環境中各種地理要素之間相互制約、相互依存關系的綜合推理法。在實際工作中，通常綜合應用這3種方法才能真正做到快速高效、科學合理地獲得地貌信息[9-12]。最后生成研究區地貌圖，并按1∶5萬標準圖幅進行裁剪。圖8是從制作的地貌總圖上截取的部分地區地貌示意圖。

圖8　部分地區地貌示意圖

3.3地貌信息統計

以各個地貌子區的邊界線為依據，用MapGIS軟件將各邊界線所構成的區域進行拓撲造區，然后利用MapGIS軟件的面積統計工具，查詢各區的面積，最后統計匯總，并認真檢查各項統計數據是否正確[13]，得出各地貌子區的最終面積，具體見表1。

表1　各地貌子區面積統計表

從統計結果看，侵蝕構造低山丘陵區在整個區域內所占的面積最大，為445.193km2，沖洪積河谷平原區所占面積最小，為264.018km2，這與研究區所處的地理位置較吻合。為了使數據更加直觀，根據統計資料制作了各地貌區所占面積的柱狀圖，并計算各自所占的比例，如圖9所示。

圖9　各地貌子區所占百分比及面積柱狀圖

地貌信息的分類、統計及制圖對指導研究區內土地利用規劃與評價、土地整理開發、城市建設和農牧業生產等都具有實用價值。

4結論

利用IRS-P6衛星遙感數據，在GIS平臺下，結合已有的地形圖等輔助數據進行地貌信息的分類、提取與大比例尺地貌制圖，相較于傳統的基于大比例尺實測地形圖進行編繪的制圖方法具有以下明顯優勢：

1)由于IRS-P6衛星遙感影像具有5.8m的空間分辨率，利用該影像對復雜地區地貌進行分類并制作1∶10萬甚至1∶5萬的大比例尺地貌圖能夠滿足精度要求。如果結合該區域的已有地形圖資料，可以進一步提高制圖精度。

2)利用GIS平臺將不同數據源進行匹配、疊加，從而將不同數據源統一到同一GIS平臺。在地貌信息提取時，參考地形圖數據，按照地貌分類標準，在影像圖上可以快速地確定不同地貌類型的邊界線，大大提高了制圖效率。

3)利用遙感影像數據制作地貌圖，需要經歷“初步解譯-野外驗證-詳細解譯-最終成圖”等流程，并且這些過程常常需要反復進行。因此，采用RS與GIS技術平臺可為后續的圖件快速修改、更新提供便利，并且可以方便地對制圖要素進行統計分析。

參考文獻(References)：

[1]姚永慧,周成虎,孫然好,等.基于多源數據的山地地貌數字解譯[J].山地學報,2007,25(1):122-128.

YaoYH,ZhouCH,SunRH,etal.Digitalmappingofmountainlandformsbasedonmultiplesourcedata[J].JournalofMountainScience,2007,25(1):122-128.

[2]吳文戩,田永中,熊祥強,等.數字地貌解譯與地貌圖的應用[J].安微農業科學,2006,34(9):1774-1776.

WuWJ,TianYZ,XiongXQ,etal.Digitalphysiognomyandapplicationofgeomorphologicmap[J].JournalofAnhuiAgriculturalScience,2006,34(9):1774-1776.

[3]王睿,劉志輝,李誠志,等.哈密盆地土地鹽漬化、沙漠化遙感解譯標志及影像特征[J].新疆農業科學,2012,49(5):950-953.

WangR,LiuZH,LiCZ,etal.Remotesensinginterpretationsignsandimagingcharacteristicsoflandsalinity,desertificationintheHamibasin[J].XinjiangAgriculturalSciences,2012,49(5):950-953.

[4]徐麗燕.基于特征點的遙感圖像配準方法及應用研究[D].南京:南京理工大學,2012.

XuLY.ResearchonRemoteSensingImageRegistrationAlgorithmsBasedonFeaturePointsandApplications[D].Nanjing:NanjingUniversityofScienceandTechnology,2012.

[5]馬志江,韓用兵,趙冬,等.余姚及附近地區斷裂構造的遙感解譯[J].科技通報,2011,27(6):912-916.

MaZJ,HanYB,ZhaoD,etal.InterpretationoffaultstructureinYuyaoandadjadjacentareasbyremotesensingtechnique[J].BulletinofScienceandTechnology,2011,27(6):912-916.

[6]姜繼珍,丁文捷.寧夏固原清水河谷地區地質地貌遙感解譯初探[J].寧夏工程技術,2013,12(4):300-302.

JiangJZ,DingWJ.PreliminarygeologicalandgeomorphologicalinterpretationofremotesensingforQingshuivalleyinGuyuanCity,Ningxia[J].NingxiaEngineeringTechnology,2013,12(4):300-302.

[7]楊舒程,李智,萬波,等.遼寧地區主要斷裂構造衛星遙感解譯特征及其與地震關系研究[J].防災減災學報,2014,30(2):13-21.

YangSC,LiZ,WanB,etal.ApreliminarystudyofthesatelliteremotesensingcharacteristicsofthemainfaultsinLiaoningPro-vinceandtherelationshipwithearthquakes[J].JournalofDisasterPreventionandReduction,2014,30(2):13-21.

[8]王琰,舒寧,龔龑.高分辨率遙感影像土地利用變化檢測方法研究[J].國土資源遙感,2012,24(1):43-47.doi:10.6046/gtzyyg.2012.01.08.

WangY,ShuN,GongY.Astudyoflandusechangedetectionbasedonhighresolutionremotesensingimages[J].RemoteSensingforLandandResources,2012,24(1):43-47.doi:10.6046/gtzyyg.2012.01.08.

[9]程維明,周成虎,柴慧霞,等.中國陸地地貌基本形態類型定量提取與分析[J].地球信息科學學報,2009,11(6):725-736.

ChengWM,ZhouCH,ChaiHX,etal.Quantitativeextractionandanalysisofbasicmorphologicaltypesoflandgeomorphologyinchina[J].JournalofGeo-InformationScience,2009,11(6):725-736.

[10]李世平,武文波,康停軍,等.基于遙感影像的礦區地形圖更新方法與精度分析[J].遼寧工程技術大學學報:自然科學版,2008,27(2):198-201.

LiSP,WuWB,KangTJ,etal.Updatingmethodandaccuracyanalysisoftopographicmapsforminingdistrictbasedonremotesensingimagery[J].JournalofLiaoningTechnicalUniversity:NaturalScience,2008,27(2):198-201.

[11]孟紅,趙海霞,曾小平,等.基于MapGIS制作地質圖的一些技巧[J].青海科技,2010(2):67-68.

MengH,ZhaoHX,ZengXP,etal.SomeskillsofmakinggeologicalmapbasedonMapGISsoftware[J].JournalofQinghaiScienceandtechnology,2010(2):67-68.

[12]張東明,李劍鋒,田貴維,等.基于GIS和RS的重慶市滑坡遙感解譯[J].自然災害學報,2011,20(2):56-60.

ZhangDM,LiJF,TianGW,etal.RemotesensinginterpretationoflandslideinChongqingbasedonGISandRStechnologies[J].JournalofNaturalDisasters,2011,20(2):56-60.

[13]李井春,夏立福,李紅,等.地理國情遙感解譯樣本質量控制與檢查初探[J].測繪與空間地理信息,2014,37(6):203-207.LiJC,XiaLF,LiH,etal.Qualitycontrolandcheckforremotesensinginterpretationsampleinnationalgeographicconditionsurvey[J].GeomaticsandSpatialInformationTechnology,2014,37(6):203-207.

(責任編輯： 陳理)

ClassificationandinformationextractionofplateaulandformbasedonIRS-P6satelliteimage

ZHANGBing1,2，CUIXimin2，WEIRui1，SONGBaoping1，ZHAOXuyang1

(1. School of Resource and Environmental Science, Shijiazhuang University, Shijiazhuang 050035, China; 2. College of Geoscience and Surveying Engineering, China University of Mining and Technology, Beijing 100083, China)

Abstract:Compiling geomorphologic map by using remote sensing image has become a main method in the production of medium and small scale map because of its short period, high precision and the fact that it’s easy to modify and quick to update. The purpose of this paper is to classify the plateau landform, extract the landform information and compile geomorphologic map by using higher resolution IRS-P6 satellite image in Tianjun County, Qinghai Province. Firstly, RS and GIS technology are used to process the remote sensing image and various sources reference data in order to unify them to the same GIS platform. Secondly, technological methods of the plateau landform information classification and the geomorphologic map compilation with large scale are illustrated in detail. Experiments and practice show that using RS and GIS technology platform can greatly reduce the difficulty of landscape classification and improve the speed and efficiency of landform information classification and map compilation.

Keywords:IRS-P6； GIS； remote sensing; Tianjun County； plateau landform； information extraction

doi:10.6046/gtzyyg.2016.02.19

收稿日期：2014-11-17；

修訂日期：2015-02-05

基金項目：國家自然科學基金青年科學基金項目“地理空間與網絡空間的耦合機理研究”(編號： 41101125)資助。

中圖法分類號：TP 79

文獻標志碼：A

文章編號：1001-070X(2016)02-0120-06

第一作者簡介：張兵(1979-),男,講師,博士研究生,主要從事遙感應用及礦山開采沉陷等方面的研究。Email： zhbing1020@126.com。

引用格式： 張兵,崔希民,韋銳,等.基于IRS-P6衛星影像的高原地貌分類與信息提取[J].國土資源遙感,2016,28(2):120-125.(ZhangB,CuiXM,WeiR,etal.ClassificationandinformationextractionofplateaulandformbasedonIRS-P6satelliteimage[J].RemoteSensingforLandandResources,2016,28(2):120-125.)