基于面向?qū)ο蟮脑颇嫌绖倏h金官盆地東緣古滑坡群識(shí)別

陶真鵬，徐宗恒，張 宇，牛福長(zhǎng)

（1.云南師范大學(xué)地理學(xué)部，云南昆明 650500；2.云南省高原地理過程與環(huán)境變化重點(diǎn)實(shí)驗(yàn)室，云南昆明 650500；3.云南省玉龍納西族自治縣氣象局，云南麗江 674100；4.北京師范大學(xué)地理科學(xué)學(xué)部，北京 100875）

引言

地處青藏高原東南緣的滇西北永勝-賓川地區(qū)位于滇西北地幔隆起的邊緣，緊靠川滇菱塊體西部邊界，是該塊體邊界上典型強(qiáng)震多發(fā)區(qū)［1］。發(fā)育于該區(qū)域的程海-賓川斷裂帶是一條古老而活動(dòng)強(qiáng)烈的斷裂帶，以左旋走滑拉張運(yùn)動(dòng)為主，同時(shí)伴隨垂直錯(cuò)動(dòng)，地質(zhì)構(gòu)造活躍，再加上該區(qū)山高谷深，滑坡、崩塌等地質(zhì)災(zāi)害發(fā)育較多。其中以程海-賓川斷裂帶為典型的區(qū)域活動(dòng)構(gòu)造在云南永勝-賓川沿線區(qū)域誘發(fā)了不同規(guī)模的滑坡群，高發(fā)的滑坡事件帶來的地質(zhì)災(zāi)害鏈時(shí)刻威脅著程海-賓川斷裂帶沿線生活的人民群眾生命和財(cái)產(chǎn)安全，利用一定技術(shù)手段對(duì)滑坡群進(jìn)行有效識(shí)別與判析，對(duì)區(qū)域防災(zāi)減災(zāi)具有重要意義。

傳統(tǒng)的滑坡識(shí)別主要以目視解譯和野外調(diào)查為主，此方法具有直接方便、漏判錯(cuò)判率低等優(yōu)勢(shì)，但又存在費(fèi)時(shí)耗力、效率低和主觀性強(qiáng)等缺點(diǎn)［2-4］，常不作為獨(dú)立方法對(duì)滑坡進(jìn)行識(shí)別。遙感對(duì)地觀測(cè)具有快速、覆蓋范圍廣和周期性等特點(diǎn)［5］，隨著傳感器的發(fā)展和遙感影像分辨率的不斷提高，越來越被廣泛運(yùn)用于滑坡的識(shí)別［6-7］。起初，國(guó)內(nèi)外研究者主要基于遙感影像像元光譜分類的方法對(duì)滑坡進(jìn)行識(shí)別并取得了一定成果［8-9］。但該方法處理單位為單個(gè)像元點(diǎn)，未考慮滑坡在遙感影像上的形態(tài)、紋理和空間特征等信息［10］，導(dǎo)致基于像元的滑坡識(shí)別具有一定局限性。近年來，隨著高分辨率遙感影像的廣泛使用，基于高分辨率遙感影像的面向?qū)ο蠓治龇椒☉?yīng)運(yùn)而生。面向?qū)ο蟮倪b感圖像分類方法于1999年由Baatz等［11］首次提出。該方法除依靠其豐富的紋理、幾何和空間等特征外，充分利用多源、多時(shí)相等遙感數(shù)據(jù)的結(jié)合比單個(gè)數(shù)據(jù)更能較好地識(shí)別滑坡。國(guó)內(nèi)外眾多研究者基于多源、多時(shí)相等遙感數(shù)據(jù)，采用面向?qū)ο蟮姆诸惙椒▽?duì)滑坡進(jìn)行識(shí)別提取，均取得了較好的研究成果［3，12-16］。不可否認(rèn)，遙感技術(shù)和識(shí)別方法的進(jìn)步為快速有效地獲取滑坡信息提供極大的便利，但如何提高滑坡識(shí)別效率和準(zhǔn)確率一直是國(guó)內(nèi)外研究者研究的重要內(nèi)容。

基于高分辨率遙感影像的面向?qū)ο蠓诸惙椒ㄔ谛禄律嫌休^好的運(yùn)用且效率較高。但古滑坡因年代久遠(yuǎn)，滑坡體有一定植被覆蓋，“滑傷疤”地表特征受人類活動(dòng)、氣候、地貌演化等影響已不明顯，以上因素限制了該方法在古滑坡研究上的運(yùn)用，研究成果相對(duì)較少。例如劉筱怡［17］，宿方睿等［18］采用該方法并結(jié)合目視解譯，提取了大渡河流域和川藏鐵路沿線的古滑坡；張路路等［19］提出一種基于DEM提取古滑坡的方法，并提取出四川理縣的3處古滑坡。針對(duì)古滑坡的識(shí)別和調(diào)查，僅依靠遙感影像是不夠的，往往還需要野外實(shí)地調(diào)查和其他技術(shù)相結(jié)合［20-22］，但有的滑坡位于山高谷深區(qū)又極大地限制了野外工作的開展。近年來，光學(xué)遙感與雷達(dá)遙感相結(jié)合對(duì)古滑坡的識(shí)別與監(jiān)測(cè)也取得了較好的成果［23-25］，該方法對(duì)小尺度范圍的古滑坡進(jìn)行“點(diǎn)對(duì)點(diǎn)”監(jiān)測(cè)，效率較高，但研究區(qū)較大時(shí)數(shù)據(jù)量大，處理困難，對(duì)計(jì)算機(jī)性能要求較高。文中在基于以往面向?qū)ο笞R(shí)別新滑坡的方法上探討古滑坡的識(shí)別思路和方法，建立識(shí)別特征規(guī)則集并用于區(qū)域古滑坡滑源區(qū)識(shí)別，為在大尺度范圍內(nèi)對(duì)潛在危害較大的古滑坡進(jìn)行細(xì)節(jié)特征深入剖析奠定基礎(chǔ)，可為古滑坡穩(wěn)定性評(píng)價(jià)、復(fù)活隱患判別和實(shí)時(shí)實(shí)地的精準(zhǔn)監(jiān)測(cè)預(yù)警等工作提供參考。

1 研究區(qū)概況

文中研究區(qū)位于長(zhǎng)江上游云南省西北部麗江市永勝縣城西北的金官盆地東緣山地地區(qū)（圖1）。金官盆地地處麗江市市區(qū)東南部，大理賓川縣北部，寧蒗縣南部和永勝縣城西北部，距縣城10 km左右，距市區(qū)約103 km。盆地東西兩側(cè)為山地地區(qū)，其地勢(shì)大致呈北西-南向型長(zhǎng)帶狀分布。盆地內(nèi)地形平坦、水資源豐富、土壤肥沃、氣候溫和，屬低緯山地季風(fēng)氣候，具有夏秋多雨、冬春干旱、干濕分明等特點(diǎn)，農(nóng)業(yè)生產(chǎn)條件較好。

金官盆地東緣山地地區(qū)地處程海-賓川斷裂帶北端，該斷裂帶發(fā)育古老且運(yùn)動(dòng)強(qiáng)烈，以左旋走滑拉張運(yùn)動(dòng)為主，并伴隨垂直錯(cuò)動(dòng)。程海-賓川斷裂帶總體呈NS走向，北起金官盆地最北端，向南延伸經(jīng)程海、期納鎮(zhèn)、賓川縣一帶，長(zhǎng)約130 km，寬約數(shù)公里至數(shù)十公里不等。程海-賓川斷裂帶從第三紀(jì)-第四紀(jì)期間經(jīng)歷了由擠壓-拉張的變形過程，在第四紀(jì)時(shí)期形成了諸如金官盆地、程海等一系列的張性盆地和斷陷湖泊［26］。金官盆地內(nèi)主要以沖積物和湖相堆積物為主，古環(huán)境信息豐富。在其東緣山地地區(qū)受斷裂帶兩側(cè)的擠壓、逆推與拉張等作用，形成較大規(guī)模的陡崖、飛來峰和推覆體，巖層大致向盆地內(nèi)傾斜，具有一定的臨空面，再加之該區(qū)地質(zhì)構(gòu)造活躍，地震多發(fā)，著名的“紅石崖天坑”古地震遺址發(fā)育在此。所以，內(nèi)外力條件的交互作用使得在該區(qū)形成了規(guī)模不一的滑坡群。

2 數(shù)據(jù)源及典型古滑坡遙感特征

2.1 數(shù)據(jù)源

文中采用來源于中國(guó)資源衛(wèi)星應(yīng)用中心（http：//www.cresda.com/CN/）的GF-2遙感影像數(shù)據(jù)（成像時(shí)間為：2019年1月4日）和來源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn/）下載的DEM（Digital Elevation Model）數(shù)據(jù)作為主要的基礎(chǔ)數(shù)據(jù)源。GF-2遙感影像包含全色波段（450～900 nm，空間分辨率為1 m）和4個(gè)多光譜波段（R：630～690 nm，G：520～590 nm，B：450～520 nm，NIR：770～890 nm，空間分辨率為4 m），星下點(diǎn)空間分辨率為0.8 m，具有亞米級(jí)空間分辨率、影像幅寬大等特點(diǎn)；通過輻射定標(biāo)、大氣校正、影像融合等預(yù)處理消除大氣對(duì)地物光譜的影響，并得到空間分辨率為1 m的多光譜遙感影像。其中，DEM數(shù)據(jù)空間分辨率為30 m。

2.2 典型古滑坡遙感特征分析

金官盆地東緣巨型古滑坡群受斷裂帶、地質(zhì)構(gòu)造、巖性、地形地勢(shì)、氣候以及人類活動(dòng)等因素的影響，主要發(fā)育大型-巨型古滑坡，在大型-巨型古滑坡之上又發(fā)育有一些小滑坡，多沿金官盆地東緣山區(qū)山體邊坡發(fā)育，滑坡災(zāi)害呈帶狀密集分布，具有群發(fā)性，且滑坡體滑面移動(dòng)方向大致與巖層產(chǎn)狀傾斜方向一致，滑動(dòng)方位角約200°，滑動(dòng)面傾角30°～50°之間。雖是古滑坡群，發(fā)生年代久遠(yuǎn)，但滑坡遺留痕跡依然比較明顯，無論從野外實(shí)地調(diào)查或從遙感影像上看，金官盆地東緣地區(qū)古滑坡群的滑坡色調(diào)較淺，滑坡體周界、形狀、滑坡后壁、紋理等特征清晰，滑坡體后緣斷壁高陡，拉裂特征明顯，多以弧狀、圈椅狀為主，易辨識(shí)，為其遙感識(shí)別奠定基礎(chǔ)。

由于金官盆地東緣巨型古滑坡群的滑前影像無法獲取，所以，掌握好目前滑坡的自身特征和在遙感影像上展現(xiàn)出的光譜、紋理、空間、形態(tài)特征以及地形特征等對(duì)滑坡的識(shí)別至關(guān)重要。通過對(duì)遙感影像采用假彩色組合方式可看出（圖2（a）、（b）），滑坡體后壁位于高陡邊坡的上部或頂部［27］，與兩側(cè)周界清晰，滑坡體內(nèi)色調(diào)、光譜等與周圍地物有一定差異，但滑坡體前緣周界由于常年耕作、采石、建筑房屋和修路等人類活動(dòng)已變得比較模糊，不易區(qū)分；從色調(diào)上看，滑坡體內(nèi)植被較稀疏，與周圍地物形成較鮮明的對(duì)比，呈淡灰黃色，形狀上多呈圈椅狀負(fù)地形。從兩個(gè)滑坡所呈現(xiàn)的地形剖面特征可看出（圖2（c）、（d）），滑坡的滑源區(qū)物質(zhì)主要以碳山坪組灰?guī)r、爛泥篝組白云質(zhì)灰?guī)r為主，程海-賓川斷裂帶主斷裂帶從滑坡滑移區(qū)位置穿過，滑坡堆積體的水平位移均大于堆積體垂直位移的2倍以上，具有水平方向遠(yuǎn)程滑動(dòng)的特點(diǎn)，同時(shí)方量巨大且受斷裂帶控制明顯。可推測(cè)金官盆地東緣巨型古滑坡群以地震滑坡為主，且受降水下滲侵蝕、斜坡坡面地貌特征［28］、巖性等的影響，產(chǎn)生震裂-順層滑動(dòng)-堆積的現(xiàn)象。同時(shí)，在滑坡體水平移動(dòng)距離為0～0.5 km左右，海拔參數(shù)變化較大，坡度較陡，且從遙感影像上可看出滑源區(qū)紋理相對(duì)光滑；在滑源區(qū)與滑移區(qū)交界處，由于各滑體運(yùn)動(dòng)速度不一在滑坡體上形成滑坡錯(cuò)臺(tái)（滑坡臺(tái)階）或中間低四周高的反坡地形（滑坡洼地）；在滑坡前部的堆積區(qū)地形坡度趨于平緩，常形成凸出的斜坡地形（滑坡舌）。

圖2 典型滑坡影像特征及剖面示意圖（GF-2，2019.01.04）（單位：m）Fig.2 Image characteristics and cross-sectional schematic diagram of a typical landslide（GF-2，2019.01.04）（Unit：m）

3 滑坡解譯方法

基于上述對(duì)金官盆地東緣巨型古滑坡群特征分析，文中以GF-2遙感影像數(shù)據(jù)和DEM數(shù)據(jù)為數(shù)據(jù)源，采用面向?qū)ο筮b感圖像分類方法，對(duì)研究區(qū)古滑坡群的滑源區(qū)進(jìn)行識(shí)別。首先，對(duì)GF-2遙感影像數(shù)據(jù)進(jìn)行大氣校正、輻射校正、幾何校正、圖像融合以及建立統(tǒng)一坐標(biāo)系和地圖投影等預(yù)處理，在此基礎(chǔ)上提取紋理、植被覆蓋度、地表粗糙度、地形起伏度和坡度等特征信息；其次，利用ESP尺度參數(shù)評(píng)價(jià)工具選取潛在的最優(yōu)分割尺度，后采用多尺度分割將遙感影像分割成多個(gè)同質(zhì)性較強(qiáng)且不重疊的對(duì)象，構(gòu)建古滑坡滑源區(qū)對(duì)象；然后結(jié)合分割對(duì)象的光譜、紋理、幾何和地形等特征，通過試驗(yàn)，選取最優(yōu)特征建立古滑坡群滑源區(qū)識(shí)別特征規(guī)則集；最后，在已得出的識(shí)別結(jié)果基礎(chǔ)上，通過目視解譯、野外實(shí)地調(diào)查對(duì)識(shí)別結(jié)果進(jìn)行檢查和驗(yàn)證，得出遙感識(shí)別古滑坡滑源區(qū)的精度評(píng)價(jià)分析，并完成制圖，總體技術(shù)路線圖如（圖3）所示。

圖3 古滑坡群滑源區(qū)遙感識(shí)別技術(shù)路線圖Fig.3 Map of remote sensing identification technology for landslide source areas of ancient landslide swarms

3.1 影像分割

影像分割是面向?qū)ο蠓诸惖年P(guān)鍵階段，其分割質(zhì)量與信息提取精度呈線性關(guān)系。由于金官盆地東緣的巨型古滑坡群滑源區(qū)單元各異，具有形態(tài)不一、結(jié)構(gòu)復(fù)雜、面積大小不一等特點(diǎn)，單一影像特征和單一分割尺度難以對(duì)復(fù)雜的滑坡群進(jìn)行正確描述和分割，以致于影響滑坡識(shí)別準(zhǔn)確性。基于此，文中采用eCognition軟件中的多尺度分割算法（Multiresolution Segmentation）對(duì)遙感影像進(jìn)行多層次分割。

多尺度分割算法是一種基于異質(zhì)性最小原則，采用自下而上的區(qū)域合并算法［29，30］。該算法從像元層開始，基于異質(zhì)性最小原則，逐步合并，其目的是為實(shí)現(xiàn)影像分割后，同一對(duì)象內(nèi)部特征和屬性等具有較高的同質(zhì)性，不同對(duì)象之間具有較高的異質(zhì)性。為選取能正確描述地物邊界與分割后的對(duì)象邊界基本一致的最優(yōu)分割尺度，本項(xiàng)研究借助Dragut等［31］基于eCognition軟件所提出的ESP（Estimation of Scale Parameter）尺度參數(shù)評(píng)價(jià)工具來自動(dòng)獲取地物潛在的最優(yōu)分割尺度參數(shù)，通過計(jì)算不同分割尺度參數(shù)下影像對(duì)象異質(zhì)性的局部變化（local variance，LV）為分割對(duì)象層的平均標(biāo)準(zhǔn)差，并以LV的變化率值ROC-LV（rates of change of LV）為基礎(chǔ)選擇影像的最優(yōu)分割尺度參數(shù)。經(jīng)多次試驗(yàn)后發(fā)現(xiàn)，當(dāng)ROC-LV出現(xiàn)峰值時(shí)所對(duì)應(yīng)的尺度即為遙感影像上某種地物潛在的最優(yōu)分割尺度。計(jì)算LV的變化率值（ROC-LV）如式（1）所示［31］：

式中：LV（L）為L(zhǎng)層的平均標(biāo)準(zhǔn)差，LV（L-1）是L層的下一層（L-1層）的平均標(biāo)準(zhǔn)差。

由于影像內(nèi)不同的地物具有不同的最優(yōu)分割尺度，則ESP計(jì)算得到的潛在最優(yōu)分割尺度就不止一個(gè)。經(jīng)多次分割試驗(yàn)對(duì)比后，文中在ROC-LV曲線上根據(jù)出現(xiàn)峰值時(shí)所對(duì)應(yīng)的尺度即為潛在最優(yōu)分割尺度的原則，并利用潛在最優(yōu)分割尺度進(jìn)行多次分割試驗(yàn)后，分別選取129、99和342為第1層、第2層、第3層，這3層次最優(yōu)分割尺度（圖4、圖5），形狀因子和緊致度因子分別為0.4和0.6。如圖5所示，結(jié)合這3個(gè)尺度得到影像分割結(jié)果，整體上可看出，分割尺度較小，其分割結(jié)果較破碎，分割后的對(duì)象面積小且數(shù)量較多，當(dāng)分割尺度較大時(shí)則反之；由于研究區(qū)地物類別較多，分布稀散，經(jīng)過多次試驗(yàn)后發(fā)現(xiàn)，當(dāng)分割尺度為99和129時(shí)比較適合區(qū)分水體和植被；當(dāng)分割尺度為342時(shí)，影像分割結(jié)果表現(xiàn)出的滑坡體滑源區(qū)邊界分割得較為清晰，古滑坡滑源區(qū)對(duì)象突出，有利于對(duì)目標(biāo)信息的提取。

圖4 ROC-LV變化曲線圖Fig.4 ROC-LV change curve

圖5 不同尺度分割結(jié)果對(duì)比Fig.5 Comparison of segmentation results at different scales

3.2 對(duì)象屬性特征選擇

不同地物都有其特定的屬性特征用以區(qū)分其他地物，選擇合適的地物屬性特征是有效區(qū)分目標(biāo)地物與其他地物的重要步驟。識(shí)別古滑坡滑源區(qū)的特征信息除了在遙感影像上待反演的特征，還有地形特征。童立強(qiáng)等［32］認(rèn)為對(duì)發(fā)生時(shí)間較長(zhǎng)的老滑坡或古滑坡進(jìn)行遙感識(shí)別時(shí)，滑坡體的紋理及色調(diào)與背景環(huán)境在宏觀上的不協(xié)調(diào)可成為重要的參考。雖然滑坡體在影像上不同于其他地物的色調(diào)、形狀、紋理等屬性特征對(duì)其識(shí)別固然很重要，但如果是識(shí)別發(fā)生年代較久遠(yuǎn)的老滑坡或古滑坡時(shí)，更應(yīng)從滑坡發(fā)生學(xué)上去考慮滑坡體的自身特征，如滑坡體的坡度分布、海拔變化參數(shù)、高差等特征。根據(jù)前述關(guān)于研究區(qū)古滑坡群特征的分析，文中選取運(yùn)用的光譜特征主要是對(duì)遙感影像進(jìn)行一系列預(yù)處理后計(jì)算得到的歸一化水指數(shù)NDWI（Normalized Difference Water Index）和植被覆蓋度FVC（Fractional Vegetation Cover）為主；紋理特征主要是用融合后的遙感影像計(jì)算出的灰度共生矩陣中的同質(zhì)性特征（GLCM-Homogeneity）；因研究區(qū)滑坡分布密集，體積面積較大且呈帶狀分布，長(zhǎng)寬比較小，所以幾何特征選則選取長(zhǎng)寬比（Length/width）特征為主；地形特征主要使用DEM數(shù)據(jù)經(jīng)預(yù)處理后，利用ArcMap空間分析功能生成的坡度（Slope）、海拔變化參數(shù)（Ls_shape）［15］、地形起伏度、地表粗糙度等地形特征。

3.3 植被覆蓋度計(jì)算

考慮到古滑坡群發(fā)生年代久遠(yuǎn)，植被、紋理等信息已恢復(fù)，且滑前影像無法獲得，采用前人們區(qū)分植被和非植被后進(jìn)行滑坡識(shí)別的方法不可行。結(jié)合野外實(shí)地調(diào)查發(fā)現(xiàn)，金官盆地東緣滑坡群的滑面、堆積體上雖普遍發(fā)育有植被，但植被覆蓋度較低，均以雜草、細(xì)小樹木為主，植被生長(zhǎng)高度大多為0～1.5 m左右。因此，文中提出一種基于植被覆蓋度區(qū)分出非植被與中低植被區(qū)、高植被與較高植被區(qū)后，再結(jié)合紋理、幾何以及古滑坡的地形地貌等特征對(duì)古滑坡群滑源區(qū)進(jìn)行識(shí)別的方法，從而降低對(duì)古滑坡的遺漏識(shí)別率。

植被覆蓋度是衡量地表植被生長(zhǎng)、覆蓋狀況的重要指標(biāo)。目前利用遙感技術(shù)監(jiān)測(cè)地表植被覆蓋度的方法較多，但大多操作復(fù)雜，效率較低，不易推廣。李苗苗等［33］于2004年提出的基于像元二分法模型利用NDVI估算植被覆蓋度，可在一定程度上彌補(bǔ)NDVI受氣候、同譜異物、植被類型等因素影響的不足而被廣泛使用。具體公式如下：

式中：FVC為植被覆蓋度；NDVIsoil為完全是裸土或無植被覆蓋區(qū)域的NDVI值；NDVIveg則代表純植被像元的NDVI值。

在沒有實(shí)測(cè)數(shù)據(jù)的情況下利用NDVI估算植被覆蓋度，常運(yùn)用NDVI值像元統(tǒng)計(jì)表確定致信區(qū)間后確定NDVIsoil值和NDVIveg值。通過計(jì)算，如圖6（a）所示為研究區(qū)窩棚滑坡滑源區(qū)局部植被覆蓋度拉伸圖，黃線區(qū)為滑源區(qū)目視解譯區(qū)域，結(jié)合野外實(shí)地調(diào)查（圖6（c）），圖中植被覆蓋度提取與實(shí)際植被分布基本一致，且滑源區(qū)內(nèi)具有一定的植被覆蓋。通過對(duì)植被覆蓋度進(jìn)行分類分級(jí)后，窩棚滑坡滑源區(qū)內(nèi)的植被覆蓋度度主要集中于0.4～0.6以下（圖6（b）），為后續(xù)區(qū)分非植被與中低植被區(qū)、高植被與較高植被區(qū)后，結(jié)合古滑坡相關(guān)地貌特征對(duì)其識(shí)別奠定了基礎(chǔ)。

圖6 窩棚滑坡植被覆蓋度Fig.6 Vegetation coverage of Wopeng landslide

3.4 建立識(shí)別規(guī)則集

由于研究區(qū)地物瑣碎復(fù)雜，采用單一尺度對(duì)遙感影像分割后利用對(duì)象屬性特征進(jìn)行目標(biāo)對(duì)象的識(shí)別存在一定難度，故而在建立古滑坡群滑源區(qū)的特征識(shí)別規(guī)則集中，采用多層次分類、閾值法分類和模糊分類的方法在eCognition軟件上建立金官盆地東緣古滑坡群滑源區(qū)的特征識(shí)別規(guī)則集合（圖7）。依據(jù)前文對(duì)研究區(qū)影像分割結(jié)果和滑坡對(duì)象屬性特征的分析，首先，第1層采用129的分割尺度對(duì)遙感影像進(jìn)行分割后，利用NDWI水體指數(shù)進(jìn)行模糊分類區(qū)分出水體和非水體。其次，第2層采用99的分割尺度對(duì)遙感影像進(jìn)行分割后，并將第1層的非水體類繼承至第2層，利用已計(jì)算出的植被覆蓋度將非水體類區(qū)分為非植被與中低植被區(qū)和高植被與較高植被區(qū)，同時(shí)在非植被與中低植被區(qū)利用坡度區(qū)分出滑坡易發(fā)坡度區(qū)和“非”滑坡易發(fā)坡度區(qū)。再次，在區(qū)分出滑坡易發(fā)坡度區(qū)后，將此類包含滑坡對(duì)象的類別進(jìn)行合并后再分割，采用342的較大尺度對(duì)合并后包含滑坡對(duì)象的地物進(jìn)行再分割；最后，使用同質(zhì)性、地表粗糙度、長(zhǎng)寬比、海拔變化參數(shù)、地形起伏度等特征提取出古滑坡群的滑源區(qū)對(duì)象。

圖7 古滑坡群滑源區(qū)識(shí)別規(guī)則集合Fig.7 A collection of rules for identifying the source area of ancient landslide swarms

如圖7所示的古滑坡群識(shí)別規(guī)則集中，第1層區(qū)分水體與非水體時(shí)以NDWI為提取特征，運(yùn)用模糊分類中的大于隸屬度函數(shù)進(jìn)行分類，當(dāng)對(duì)象的NDWI值越接近閾值0.935時(shí)，對(duì)象隸屬于水體的隸屬度就越接近1，當(dāng)對(duì)象的NDWI值越接近閾值0.893 3時(shí)，對(duì)象隸屬于水體的隸屬度就越接近0。在第2層區(qū)分非植被與中低植被區(qū)和高植被與較高植被區(qū)時(shí)，根據(jù)丁美青等［34］、譚清梅等［35］的研究成果，將植被覆蓋度大于0.5的閾值分為高植被與較高植被區(qū)，小于等于0.5的閾值則分為非植被與中低植被區(qū)。同時(shí)，為更準(zhǔn)確地劃定出滑坡候選對(duì)象的范圍，根據(jù)杜國(guó)梁等［36］對(duì)藏東南地區(qū)滑坡易發(fā)性評(píng)價(jià)的研究，該區(qū)滑坡主要發(fā)生在坡度大于10°以上的區(qū)域，且陳天博等［37］指出發(fā)生滑坡的坡度主要在30°～40°之間，基于此，文中在第2層已區(qū)分出的非植被與中低植被區(qū)中，將坡度大于等于10°的區(qū)域分為滑坡易發(fā)坡度區(qū)，而小于10°的區(qū)域則劃分為“非”滑坡易發(fā)坡度區(qū)。最后，在滑坡易發(fā)坡度區(qū)里根據(jù)研究區(qū)古滑坡的滑源區(qū)特征對(duì)其進(jìn)行提取。

4 解譯結(jié)果及野外驗(yàn)證

通過以上的方法與試驗(yàn)，得到金官盆地東緣古滑坡滑源區(qū)識(shí)別結(jié)果如圖8所示，共識(shí)別出金官盆地東緣古滑坡滑源區(qū)總面積為3.29 km2，主要密集分布于途經(jīng)金官盆地東緣的程海-賓川斷裂帶北端下盤，受拉張錯(cuò)動(dòng)（正斷）效應(yīng)明顯。結(jié)合野外實(shí)地調(diào)查和現(xiàn)場(chǎng)調(diào)研可得，滑坡點(diǎn)分布、滑源區(qū)邊界規(guī)模都具有較好的對(duì)應(yīng)，以窩棚滑坡（圖8（a））和龍?zhí)痘拢▓D8（b））為例，圈椅狀負(fù)地形特征明顯，滑坡后壁突出，二者滑坡后壁最大高程分別為2 215 m和2 360 m。其中，雖然窩棚滑坡滑源區(qū)上有一定植被覆蓋，但通過基于植被覆蓋度區(qū)分后的面向分類方法還是能較好地將該滑坡滑源區(qū)識(shí)別出來，證明文中提出的方法在識(shí)別植被、紋理等已恢復(fù)的古滑坡滑源區(qū)上具有一定可行性。

圖8 古滑坡滑源區(qū)識(shí)別結(jié)果圖Fig.8 Identification result of landslide source area of ancient landslide swarms

表1 古滑坡群滑源區(qū)識(shí)別結(jié)果精度Table 1 Accuracy of identification results of ancient landslide swarms sliding source area

在已得出的識(shí)別結(jié)果和野外實(shí)地調(diào)查基礎(chǔ)之上，精度評(píng)價(jià)指標(biāo)采用Lee等［38］的方法，通過目視解譯對(duì)識(shí)別結(jié)果進(jìn)行驗(yàn)證修正和識(shí)別精度的檢驗(yàn)，其精度評(píng)價(jià)結(jié)果如表1所示（序號(hào)（1）-（13）為自北向南識(shí)別出的滑源區(qū)）。由表1可看出，正確識(shí)別百分比（detection positive，DP）為91.54%，正確識(shí)別總面積為3.09 km2，即采用面向?qū)ο蠓诸惖姆椒蓪⒀芯繀^(qū)91.54%的古滑坡滑源區(qū)識(shí)別出來，質(zhì)量百分比（quality percentage，QP）為86.26%，分歧因子（Bf）和遺漏因子（Mf）分別為0.06和0.09，其中，識(shí)別出的最大滑源區(qū)是龍?zhí)痘拢娣e為0.71 km2，滑源區(qū)面積最小的為0.03 km2。為了對(duì)識(shí)別結(jié)果進(jìn)行較直觀的展示和更細(xì)節(jié)的探討，對(duì)識(shí)別結(jié)果的正確識(shí)別、錯(cuò)誤識(shí)別和遺漏識(shí)別進(jìn)行整合可看出（圖9），每一單體古滑坡滑源區(qū)上均存在一定的錯(cuò)誤識(shí)別和遺漏識(shí)別，可見影像的分割對(duì)古滑坡的提取至關(guān)重要，如能利用有效的分割尺度或分割方法對(duì)古滑坡邊界進(jìn)行較為準(zhǔn)確的分割，對(duì)古滑坡滑源區(qū)的識(shí)別效果和識(shí)別精度的提升將會(huì)有質(zhì)的飛躍。通過上述分析表明，該方法對(duì)識(shí)別古滑坡滑源區(qū)具有較高的識(shí)別精度，整體識(shí)別效果較好，能達(dá)到識(shí)別需求，具有可行性，可為類似古滑坡分布研究、復(fù)活隱患點(diǎn)識(shí)別等工作提供理論指導(dǎo)和技術(shù)支持。

圖9 古滑坡群滑源區(qū)識(shí)別結(jié)果細(xì)節(jié)圖Fig.9 Details of the identification results of the ancient landslide swarms sliding source area

5 結(jié)論

（1）文中利用融合后空間分辨率為1 m的GF-2遙感影像數(shù)據(jù)和DEM數(shù)據(jù)，提出了一種在面向?qū)ο蠓诸惖幕A(chǔ)上基于植被覆蓋度區(qū)分植被后的古滑坡滑源區(qū)快速識(shí)別的方法。利用植被覆蓋度將高植被與較高植被區(qū)剔除后，在非植被與中低植被區(qū)里得到古滑坡滑源區(qū)候選對(duì)象，后利用紋理特征、幾何特征以及DEM生成的各項(xiàng)地形特征，對(duì)各類非古滑坡滑源區(qū)對(duì)象進(jìn)行一一剔除，得到最終的需識(shí)別的目標(biāo)對(duì)象，并建立規(guī)則集合。

（2）運(yùn)用該方法，共識(shí)別出研究區(qū)13個(gè)古滑坡滑源區(qū)，經(jīng)野外實(shí)地調(diào)查和目視解譯驗(yàn)證后發(fā)現(xiàn)，古滑坡滑源區(qū)與滑坡點(diǎn)分布位置大體一致，主要沿金官盆地東緣程海-賓川斷裂帶北端下盤分布，古滑坡滑源區(qū)正確識(shí)別總面積為3.09 km2，正確識(shí)別精度達(dá)91.54%，識(shí)別質(zhì)量百分比為86.26%。研究表明，該方法盡可能從滑坡發(fā)生學(xué)的角度出發(fā)，基于較簡(jiǎn)潔的識(shí)別規(guī)則集，可快速有效地獲取古滑坡的分布位置、邊界等信息，為深入研究古滑坡的細(xì)節(jié)特征奠定基礎(chǔ)，為古滑坡復(fù)活隱患判別和穩(wěn)定性評(píng)價(jià)等工作提供參考。

（3）基于古滑坡群滑源區(qū)的識(shí)別結(jié)果評(píng)價(jià)來看，雖然文中識(shí)別的整體效果較好，但仍存在一些問題，在未來的研究中需要進(jìn)一步地改進(jìn)完善。如該方法對(duì)古滑坡滑源區(qū)的識(shí)別與古滑坡位置的確定效果較好，但是對(duì)整個(gè)古滑坡周界的提取仍是未來研究需完善的難題。此外，文中所建立的古滑坡滑源區(qū)識(shí)別方法仍為半自動(dòng)識(shí)別，未曾實(shí)現(xiàn)全自動(dòng)化識(shí)別，在如何構(gòu)建區(qū)分性更佳的識(shí)別規(guī)則集、實(shí)現(xiàn)基于計(jì)算機(jī)全自動(dòng)識(shí)別和結(jié)合雷達(dá)數(shù)據(jù)、深度學(xué)習(xí)、人工智能（AI）識(shí)別等方法進(jìn)行準(zhǔn)確有效的古滑坡識(shí)別研究還有待改進(jìn)和提高。