利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法技术

本发明专利技术涉及一种利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法，其采用数据前期处理、影像分区、植被覆盖度计算、图像增强、计算和分析植被覆盖度变化等步骤。依据遥感影像，计算和分析监测分区的植被覆盖度及植被覆盖度在不同时间和/或不同区域的变化，以便以植被覆盖度的时间变化状况和/或区域变化状况作为表征植被异常特征的参数，揭示植被的变化状况。本发明专利技术能够利用光学遥感技术的优势，与其他现有技术相结合，通过植被异常特征间接监测滑坡的蠕变情况，在一定程度上弥补GPS技术和InSAR技术在复杂地理环境中滑坡监测工作的不足，能够有效地节省人力物力，并可以实现长期监测，帮助预测滑坡的发生。

Identification of Vegetation Anomalies in Potential Landslide Stage Using Optical Remote Sensing Images

【技术实现步骤摘要】
利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法
本专利技术涉及一种利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法，属遥感图像处理

技术介绍
目前，常用的滑坡监测方式除地面常规仪器监测外，大多采用全球卫星定位系统GPS(GlobalPositioningSystem)技术与合成孔径雷达干涉测量InSAR(InterferometricSyntheticApertureRadar)技术。但是，在地势高、地形陡峭、植被覆盖茂密、人力难以到达的区域，常用的地面常规仪器监测、GPS技术，InSAR技术的观测条件也受到上述因素限制，通常难以开展。地势陡峻、植被覆盖茂密且具有高隐蔽性的高位滑坡灾害在我国频繁发生，自2008年汶川地震以来，这类滑坡活动加剧，已经多次发生因高位滑坡的启动触发碎屑流或泥石流的链式灾害，这使得寻找一种简便、有效、易实施的滑坡监测手段显得尤为重要。研究发现，在滑坡前的蠕变阶段出现的一系列前兆变化，将在一定程度上改变周边的水、土壤等环境条件，进而对滑坡体及滑坡体周边上覆植被的长势产生一定程度的影响。而光学遥感技术具有非接触、大范围、周期观测和数据存档多的优势，能够对坡体上覆植被的生长状况进行判识，因此，可以利用光学遥感技术的优势，对遥感影像上滑坡发生前坡体上覆植被的生长状况进行判识，间接监测滑坡的蠕变情况。
技术实现思路
为解决上述技术问题，本专利技术提供了一种利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法，以期利用光学遥感技术的优势，对遥感影像上滑坡发生前坡体上覆植被的生长状况进行判识，与其他现有技术相结合，通过植被异常特征间接监测滑坡的蠕变情况，在一定程度上弥补GPS技术和InSAR技术在复杂地理环境中滑坡监测工作的不足，有效地节省人力物力，并可以实现长期监测，帮助预测滑坡的发生。本专利技术的技术方案是：一种利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法，其依据遥感影像，计算和分析监测分区的植被覆盖度及植被覆盖度在不同时间和/或不同区域的变化，遥感影像上的任一像元的植被覆盖度Fc依下列公式计算：其中，NDVI为该像元的归一化植被指数(NormalizedDifferenceVegetationIndex)，NDVIsoil为该监测分区的纯净裸地(纯净裸地像元)的NDVI，NDVIveg为该监测分区的纯净植被(纯净植被像元)的NDVI，ρNIR为该像元的近红外波段反射率，ρR为该像元的红波段反射率。以植被覆盖度的时间变化状况和/或区域变化状况作为表征植被异常特征的参数，能够揭示植被的变化状况，适于预测或者辅助预测滑坡或潜在滑坡。例如，基于不同时间/不同时相的遥感影像计算获得植被覆盖度的变化状况，特别是在扣除已知植被生长条件(例如，相关时段的降水量)对植被生长状况及植被覆盖度的影响后的变化状况，分析监测分区或其置信区间内NDVI低于一定值的区域的年(或其他适宜周期或时间间隔，下同)变化量是否超出相应的预警值，或者分析植被覆盖度在监测分区或其置信区间内的均值的年差值或年变化率是否超出相应的预警值，或者分析其他能够体现植被变化状况的植被覆盖度相关量的年差值或年变化率是否超出相应的预警值。在超出预警值时，提示可能存在滑坡或潜在滑坡的风险，所述预警值可以依据历史数据、经验及理论分析等设定和调整。将植被覆盖度的变化状况与滑坡相关的其他数据相互印证，能够获得更准确的预测。可以对监测分区进行整体分析，也可以进一步将监测分区细分为若干监测小区，对监测小区进行分析，或者将若干具有相仿特性(地理特性和/或植被生长特性等)的相邻监测分区合为一个较大区域进行整体分析。可以依据NDVI值，在监测分区中设置置信区间，将NDVI值低于置信区间内的NDVI最小值的区域视为纯净裸地区域，将NDVI值高于置信区间内的NDVI最大值的区域视为纯净植被区域，以纯净裸地区域内最大值的NDVI作为NDVIsoil，以纯净植被区域内最小值的NDVI作为NDVIveg。可以依据坡度及地理信息(例如，泉眼、河流、断裂带、裂缝、节理面和裸地等)，按不同区域滑坡风险的高低，对遥感影像进行区域划分，获得一个或多个所述的监测分区。所述监测分区可以分为滑坡隐患区和潜在影响区，或者分为高滑坡风险区、中滑坡风险区和低滑坡风险区。依据实际情况，还可以包括或者不包括人类活动干扰区。在计算和分析监测分区的植被覆盖度及植被覆盖度在不同时间和/或不同区域的变化时，优选扣除因已知非滑坡因素(例如降水量、火灾、病/虫害、人为干扰等)导致的植被覆盖度变化，从计算获得的植被覆盖度变化量中减去因已知非滑坡因素导致的植被覆盖度变化量，或者剔除因已知非滑坡因素导致植被覆盖度明显变化的区域。将扣除因已知非滑坡因素导致的植被覆盖度变化后的植被覆盖度变化状况用于滑坡或滑坡风险的预测或辅助预测，提高了植被覆盖度变化与滑坡之间的关联性，有利于提高预测精度。在已发生滑坡导致植被覆盖度明显变化的情形下，因这些变化与所要预测的滑坡风险之间没有关联，视为因已知非滑坡因素导致的植被覆盖度变化，但由于滑坡往往会导致植被状况及地质、地貌的显著变化，通常对已发生滑坡的区域在植被恢复后再重新开始利用植被覆盖度的滑坡监测。可以设定植被覆盖度的变化量的预警值和/或植被覆盖度相关量的变化量的预警值，当植被覆盖度的变化量和/或植被覆盖度相关量的变化量达到或超过相应的预警值时，判断为植被异常，存在滑坡或潜在滑坡的风险。所述植被覆盖度相关量为能够体现一定区域植被覆盖度的变量，可以依据预测需要设定。例如，可以包括植被覆盖度置信区间的均值和/或置信区间内NDVI低于或不高于一定值的区域。本专利技术可以包括下列步骤：S1.数据前期处理：包括：S11.遥感影像前期处理：进行影像校正和融合，获得高分辨的融合影像，所述影像校正和融合通常可以包括影像辐射校正、影像正射校正、影像配准和影像空谱融合；S12.数字高程模型(DEM，DigitalElevationModel)数据处理：依据DEM数据计算坡度，形成或者不形成坡度图；S13.遥感影像和水文地质图判读：判读人类活动相关信息及地理信息，所述人类活动相关信息包括房屋和道路，所述地理信息包括道路、泉眼、河流、断裂带、裂缝、节理面和裸地；S2.影像分区：包括S21.排除人类活动因素干扰：依据人类活动信息，判断是否存在人类活动干扰区，在存在人类活动干扰区的情况下划分出人类活动干扰区，所述人类活动干扰区包括居民地和道路涉及的区域；S22.滑坡风险区初步分区：在存在人类活动干扰区时，对人类活动干扰区之外的区域，在不存在人类活动干扰区时，对全部区域，依据坡度数据，按照坡度越大滑坡风险性越高的原则，初步划分出若干风险等级的滑坡风险区，在不使用坡度数据的情况下，不进行初步分区，直接进入步骤S23；S23.滑坡风险区最终分区：依据不同地理状况对滑坡风险的影响，基于地理信息，在进行了初步分区的情况下，对初步划分出的若干风险等级的滑坡风险区的滑坡风险进行进一步判断，对初步划分出的滑坡风险区的范围进行调整和/或进行不同风险等级的滑坡风险区进一步细分，获得滑坡风险性从高到低的最终分区；在不进行初步分区的情况下，在存在人类活动干扰区时，对人类活动干扰区之外的区域，在不存在人类活动干扰区时，本文档来自技高网...

【技术保护点】
1.一种利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法，其依据遥感影像，计算和分析监测分区的植被覆盖度及植被覆盖度在不同时间和/或不同区域的变化，遥感影像上的任一像元的植被覆盖度Fc依下列公式计算：

【技术特征摘要】
1.一种利用光学遥感影像判识潜在滑坡阶段植被异常特征的方法，其依据遥感影像，计算和分析监测分区的植被覆盖度及植被覆盖度在不同时间和/或不同区域的变化，遥感影像上的任一像元的植被覆盖度Fc依下列公式计算：其中，NDVI为该像元的归一化植被指数，NDVIsoil为该监测分区的纯净裸地的NDVI，NDVIveg为该监测分区的纯净植被的NDVI，ρNIR为该像元的近红外波段反射率，ρR为该像元的红波段反射率。2.如权利要求1所述的方法，其特征在于依据NDVI值，在监测分区中设置置信区间，将NDVI值低于置信区间内的NDVI最小值的区域视为纯净裸地区域，将NDVI值高于置信区间内的NDVI最大值的区域视为纯净植被区域，以纯净裸地区域内最大值的NDVI作为NDVIsoil，以纯净植被区域内最小值的NDVI作为NDVIveg。3.如权利要求1所述的方法，其特征在于依据坡度及地理信息，按不同区域滑坡风险的高低，对遥感影像进行区域划分，获得一个或多个所述的监测分区。4.如权利要求1所述的方法，其特征在于在计算和分析监测分区的植被覆盖度及植被覆盖度在不同时间和/或不同区域的变化时，扣除因已知非滑坡因素导致的植被覆盖度变化，从计算获得的植被覆盖度变化量中减去因已知非滑坡因素导致的植被覆盖度变化量，或者剔除因已知非滑坡因素导致植被覆盖度明显变化的区域。5.如权利要求4所述的方法，其特征在于设定植被覆盖度的变化量的预警值和/或植被覆盖度相关量的变化量的预警值，当植被覆盖度的变化量和/或植被覆盖度相关量的变化量达到或超过相应的预警值时，判断为植被异常，存在滑坡或潜在滑坡的风险。6.如权利要求5所述的方法，其特征在于所述植被覆盖度相关量包括植被覆盖度置信区间的均值和/或置信区间内NDVI低于或不高于一定值的区域。7.如权利要求1-6所述的方法，其特征在于包括下列步骤：S1.数据前期处理：包括：S11.遥感影像前期处理：进行影像校正和融合，获得高分辨的融合影像；S12.数字高程模型数据处理：依据DEM数据计算坡度，形成或者不形成坡度图；S13.遥感影像和水文地质图判读：判读人类活动相关信息及地理信息，所述人类活动相关信息包括房屋和道路，所述地理信息包括道路、泉眼、河流、断裂带、裂缝、节理面和裸地；S2.影像分区：包括S21.排除人类活动因素干扰：依据人类活动信息，判断是否存在人类活动干扰区，在存在人类活动干扰区的情况下划分出人类活动干扰区，所述人类活动干扰区包括居民地和道路涉及的区域；S22.滑坡风险区初步分区：在存在人类活动干扰区时，对人类活动干扰区之外的区域，在不存在人类活动干扰区时，对全部区域，依据坡度数据，按照坡度越大滑坡风险性越高的原则，初步划分出若干风险等级的滑坡风险区，在不使用坡度数据的情况下，不进行初步分区，直接进入步骤S23；S23.滑坡风险区最终分区：依据不同地理状况对滑坡风险的影响，基于地理信息，在进行了初步分区的情况下，对初步划分出的若干风险等级的滑坡风险区的滑坡风险进行进一步判断，对初步划分出的滑坡风险区的范围进行调整和/或进行不同风险等级的滑坡风险区的进一步细分，获得滑坡风险性从高到低的最终分区；在不进行初步分区的情况下，在存在人类活动干扰区时，对人类活动干扰区之外的区域，在不存在人类活动干扰区时，对全部区域，划分出若干风险等级的滑坡风险区，获得滑坡风险性从高到低的最终分区；S3.植被覆盖度计算：包括S31.计算各滑坡风险区各像元的NDVI值；S32.对各滑坡风险区，分别进行NDVI值统计，获得NDVI值对应的累计频率分布表；S33.计算各滑坡风险区内的NDVI累积百分比a％，依据NDVI累积百分比，确定各滑坡风险区的置信区间amin％～amax％，其中amin％为置信区间的NDVI累积百分比的下限值，amax％为置信区间的NDVI累积百分比的上限值，累积方式为上累积；S34.以NDVI累积百分比≥amax％的区域为相应滑坡风险区的纯净植被区域，以NDVI累积百分比为am...

【专利技术属性】
技术研发人员：郭擎，郭忻怡，冯钟葵，李安，张洪群，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11