汶川县威州镇高分影像滑坡信息提取及危险性评价研究

论文摘要

地质灾害特别是次生地质灾害,隐藏着巨大的灾害性,而滑坡又是次生灾害中影响最大的自然灾害之一。据统计我国每年都会发生上千起地质灾害,造成的损失不计其数,而且在各种因素的综合影响下,极易再次发生次生灾害。因此,滑坡信息的及时提取以及滑坡危险性的评价研究,对滑坡预警、防震减灾具有重要意义。2008年汶川县发生8.0级地震,死伤惨重,同时诱发了各种地质灾害,对当地造成了极其严重的影响,距离汶川地震已经十多年了,虽然已经对灾区进行了重建修缮,但次生灾害的影响仍在,并且还不断有地质灾害发生。本文对四川省汶川县威州镇进行了滑坡信息提取以及滑坡危险性评价研究。威州镇是汶川县的县城,也是5.12汶川地震中遭受严重破坏的乡镇之一,具有代表性。本文以2015年高分一号影像为数据源,采用基于像元的最大似然法分类（MLC）、支持向量机（SVM）、神经网络分类（NNC）、迭代自组织算法（ISODATA）以及K-均值分类（K-Means）法和面向对象的模糊分类方法进行滑坡信息提取,结合提取出来的滑坡信息以及选择的评价因子,使用30m*30m的网格作为评价单元,利用层次分析模型（AHP）和层次信息量模型分别评价滑坡危险性,并对评价结果进行验证。取得的成果主要有:（1）为了突出影像中的地物信息,消除大气等对影像信息的影响,需要对高分一号影像数据进行预处理,包括对数据的辐射校正、增强和裁剪,最后得到研究需要的基础数据。（2）从基于像元和面向对象两个方面分别提取汶川县威州镇的滑坡信息。首先根据高分一号影像的光谱特征,采用基于像元的监督分类和非监督分类对威州镇进行分类,其分类结果用混淆矩阵展开准确性评价。评价结果表明监督分类三种方法中最大似然法、神经网络以及支持向量机的分类精度分别为78.99%、80.07%以及80.11%,而非监督分类中的ISODATA和K-Means方法的分类精度分别为49.50%和41.22%;其次在eCognition软件平台上,将影像与高程和坡度数据结合,采用多尺度分割算法对研究区进行面向对象模糊分类,通过ESP2最优分割尺度工具选择分割尺度为38和54来建立分割层次,选择合适的对象特征集合,建立地物提取规则,最终提取到研究区域的滑坡信息。利用采集的339个滑坡样本点对提取的滑坡进行验证,同时用eCognition软件中的精度评价方法进行精度评价。结果表明面向对象方法提取的滑坡准确率为81.71%,符合遥感影像信息提取的要求,其提取结果的评价精度达到了92.60%,说明提取的效果很好。（3）选取层次分析模型（AHP）和层次信息量模型,结合提取的滑坡数据,对汶川县威州镇进行滑坡危险性评价。根据实际情况,选取高程、坡度、地形湿度指数（TWI）、地面粗糙度（TRI）、年降水量、增强型归一化植被指数（ENDVI）以及距水系距离7个评价因子,建立滑坡危险性评价体系;采用层次分析模型和层次信息量模型进行滑坡危险性评价,关键点是应用确定性系数方法结合ArcGIS,通过分析各个评价因子的变程确定其对滑坡的敏感性。通过这种方式,评价因子得到客观排序,敏感性排序结果为:降雨量>坡度>地面粗糙度（TRI）>高程>水网距离>ENDVI>地形湿度指数（TWI）,基于此排序利用层次分析模型建立评价矩阵并计算评价因子的权重值,得到各个评价因子的权重值分别为0.336,0.221,0.143,0.099,0.062,0.035,0.025;将评价因子与对应的权重值进行栅格计算,得到层次分析模型的滑坡危险性评价结果;在进行层次信息量模型评价时,结合计算出来的权重值,基于建立的评价模型,将信息量与权重进行计算,得出研究区的滑坡危险性评价结果图。（4）运用预测结果精度方法对两种危险性评价结果进行精度评价比较,结果表明,层次信息量模型的评价精度（81.86%）高于层次分析模型的评价精度（71.89%）,因此层次信息量模型对研究区的危险性评价更客观。应用面向对象方法可以更为准确且快速的提取出研究区域的滑坡信息,本文结合提取的滑坡数据,基于评价模型对汶川县威州镇进行了滑坡危险性评价并展开了分析,这对该区域的基础设施规划、次生灾害预警与防治等方面能提供一些参考价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 研究背景和意义
•   1.2 研究现状
•     1.2.1 遥感滑坡信息提取研究进展
•     1.2.2 滑坡危险性评价研究进展
•   1.3 研究内容
•   1.4 技术路线
•   1.5 研究成果
•   1.6 本章小结
• 第2章 研究区域概况
•   2.1 地理位置
•   2.2 地形地貌
•   2.3 气象水文
•   2.4 地质构造
•   2.5 地震
•   2.6 社会经济概况
•   2.7 本章小结
• 第3章 数据收集及预处理
•   3.1 研究区主要数据源
•     3.1.1 遥感影像数据
•     3.1.2 DEM数据
•     3.1.3 文本资料数据
•   3.2 GF-1 数据预处理
•     3.2.1 GF-1 影像辐射校正
•     3.2.2 GF-1 影像数据增强
•     3.2.3 GF-1 影像数据裁剪
•   3.3 本章小结
• 第4章 滑坡信息提取
•   4.1 基于像元的滑坡信息提取
•     4.1.1 基于像元的滑坡提取方法
•     4.1.2 基于像元的滑坡提取流程
•     4.1.3 基于像元的滑坡提取过程
•   4.2 面向对象方法的滑坡信息提取
•     4.2.1 面向对象的滑坡提取流程
•     4.2.2 影像分割
•     4.2.3 影像对象的特征分析
•     4.2.4 面向对象分类方法
•     4.2.5 面向对象滑坡信息提取过程
•     4.2.6 提取结果验证
•   4.3 滑坡信息提取结果评价分析
•     4.3.1 精度评价方法
•     4.3.2 面向对象和基于像元方法提取结果评价比较
•   4.4 本章小结
• 第5章 滑坡危险性评价
•   5.1 研究思路
•   5.2 滑坡危险性评价方法
•     5.2.1 层次分析模型
•     5.2.2 信息量模型
•   5.3 评价体系建立
•     5.3.1 评价因子选取
•     5.3.2 划分评价单元
•   5.4 滑坡危险性评价
•     5.4.1 层次分析法
•     5.4.2 层次信息量模型
•   5.5 两种评价方法的结果验证
•   5.6 本章小结
• 结论
• 致谢
• 参考文献
• 攻读学位期间取得学术成果

文章来源

类型: 硕士论文

作者: 李娟

导师: 苗放

关键词: 滑坡,危险性评价,确定性系数,威州镇

来源: 成都理工大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 地质学,地质学,工业通用技术及设备

单位: 成都理工大学

分类号: P642.22

DOI: 10.26986/d.cnki.gcdlc.2019.000433

总页数: 78

文件大小: 5550K

下载量: 125