毕业论文遥感受灾分析

一、内容概述

遥感技术早在20世纪70年代末期就开始应用于地质灾害调查。国外开展得较好的有日本、美国、欧共体等。日本利用遥感图像编制了全国1∶5万地质灾害分布图；欧共体各国在大量滑坡、泥石流遥感调查基础上，对遥感技术方法做了系统总结，指出了识别不同规模、不同亮度或对比度的滑坡和泥石流所需遥感图像的空间分辨率。我国地质灾害的遥感调查起步于20世纪80年代初，起步较晚，但发展较快，是在为山区大型工程服务中逐渐发展起来的，并扩大到铁路及公路选线、山区城镇等区域（冯东霞等，2002）。自国土资源大调查工作开展以来，应用数字地质灾害技术，先后完成了长江三峡库区、青藏铁路沿线、喜马拉雅山地区、川东等地近40×104 km2 的地质灾害专项遥感调查工作；在2005年以来部署的黄土地区、西南地区、湘鄂桂地区等地质灾害危害严重地区127个县近40×104 km2 的1∶5万地质灾害详细调查中都广泛采用了遥感技术，以SPOT 5数据进行区域覆盖，重点区用1m以上高分辨率数据覆盖。

2008年以来，在“5·12”汶川特大地震灾害、“6·5”重庆武隆铁矿乡鸡尾山发生的山体崩塌特大灾害、“4·14”玉树地震灾害、“6·28”关岭滑坡特大灾害、“8·7”甘肃舟曲县特大泥石流灾害等地质灾害应急调查中，遥感技术都起到了非常重要的作用。特别是在“5·12”汶川地震灾区完成的“次生地质灾害航空遥感调查”项目，运用国内最先进的航空遥感技术装备及手段，开展了迄今为止最大规模的多平台、多传感器、多数据处理系统航空遥感应急灾情灾害调查，在最短的时间内为国务院抗震救灾总指挥部、国家相关部委及受灾地方政府提供了高清晰灾区影像和灾情灾害解译信息；获取的首张震后灾区航空遥感图像和映秀镇—汶川沿线高精度数字航空遥感图像，被抗震救灾前线指挥部的同志称赞为是对抗震救灾的“伟大贡献”。成果直接服务于国家抗震应急救灾有关部门，为指挥抗震救灾、防范次生地质灾害、开展灾后重建等工作提供了重要科学依据，在救灾与灾后重建决策中发挥了重要作用（王平等，2009；赵英时等，2003）。

地质灾害遥感调查监测技术特点如下：

1）滑坡等地质灾害体分布通常较为分散，成因机制复杂，而遥感技术可以从高空对大范围地区和个体全貌进行探测，获取该地区和个体全貌宏观的特征信息，进行全面调查研究。

2）地质灾害体大多位于交通、通讯十分不便的地区，遥感技术不受地面条件的限制，在自然条件恶劣的地区，如沙漠、沼泽、高山等，可以使用遥感技术替代人类去进行数据的采集与探测。

3）传统的地质灾害调查手段，数据汇交速度相对较慢，人工劳务成本较高，遥感探测能周期性、重复地对同一地区进行数据采集，从而能及时获取所经地区的各种自然现象的最新数据。根据数据的变化，对该地区的自然现象进行动态监测，动态反映地面事物的变化。

二、应用范围及应用实例

1.喜马拉雅山地区地质灾害遥感调查与监测

喜马拉雅山地区是我国地质灾害最严重的地区之一，20世纪初，航遥中心开展了喜马拉雅山地区地质灾害调查与监测，利用遥感技术在喜马拉雅山地区170000 km2 范围内共解译出175处滑坡、361条泥石流沟、17个崩塌严重区段、13个溃决冰川终碛湖、2个溃决堰塞湖，详细分析了区内地质灾害发育的区域环境特征、地质灾害发育的区域地质特征、地质灾害分布特征和滑坡区域、泥石流区域以及崩塌区域等的发育规律；着重评价了区内重大地质灾害隐患分布及可能影响的区域。研究发现喜马拉雅山地区重大地质灾害隐患主要有堵河堰塞湖溃决灾害隐患、冰湖溃决灾害隐患、滑坡灾害隐患、泥石流灾害隐患，其中堵河堰塞湖溃决灾害隐患和冰湖溃决灾害隐患区域广（图1），灾害隐患程度大。

图1 曲典错、直习错、金错、吓错溃决隐患评价图

2.汶川特大地震应急遥感调查

“5·12”汶川特大地震发生后，开展的航空遥感应急灾情灾害调查，共获取了北川等14个重灾县市43000km2 的高清晰航空遥感影像，完成了北川等14个重灾县市道路、房屋损坏等灾情和崩滑流及堰塞湖等次生灾害遥感调查，共解译出地震引发的崩滑流7226个、堰塞湖147个、灾害毁路1423处；圈定有危险的村镇264个（图2）、潜在危险道路1732处。成果直接服务于国家抗震应急救灾有关部门，为指挥抗震救灾、防范次生地质灾害、开展灾后重建等工作提供了重要科学依据，在救灾与灾后重建决策中发挥了重要作用（王平等，2009；童立强，2008）。

图2 北川县次生地质灾害潜在危险性遥感评价

3.舟曲泥石流遥感调查与监测

2010年8月7日晚11时左右，甘肃省舟曲县城东北部山区突降特大暴雨，降雨量达97mm，持续40多分钟，引发了三眼峪、罗家峪两条沟系特大山洪地质灾害，泥石流进入舟曲县城并涌入白龙江，形成堰塞湖，给群众的生命财产和生产生活造成了巨大的损失和重大困难。

泥石流主要发生在舟曲县城北部的三眼峪、罗家峪两个流域，两个流域皆系白龙江左岸一级支流，呈“瓢”状。

（1）泥石流特征遥感解译（图3）

三眼峪泥石流：泥石流流通区过流平均宽80m，出沟口进入三眼峪后由于地形变得平坦宽阔，沟道比降从144‰减小到88‰，因此形成长、平均宽260m的面流，并形成了5～2m厚的碎屑堆积；进入县城后由于建筑物的影响，泥石流收缩变窄为50m宽，运行320m后进入白龙江。泥石流可视流通区过流面积 km2，大峪沟可视流通区长度，小峪沟可视流通区；面流堆积区与冲刷堆积区面积，长度约2km，最宽处350m，平均宽200m，根据媒体报道估计该区平均淤积厚度在1m左右，估算碎屑堆积体积为41×104 m3。

罗家峪泥石流：泥石流流通区过流平均宽15m，出沟口进入罗家峪后由于地形变得平坦宽阔，沟道比降从224‰减小到110‰，泥石流影响区域变宽（100m），并逐步形成碎屑堆积，运行800m后到罗家峪附近，由于碎屑物质减少，泥石流影响宽度变窄（40m），又回到河道之中，运行后穿过城关镇进入白龙江。罗家峪沟口以上泥石流可视流通区过流面积，长；罗家峪沟口以下泥石流过流面积 km2，长，最宽处160m，平均宽70m，按平均厚度1m计算，碎屑堆积体积为16×104 m3。

图3 泥石流特征遥感解译

图4 泥石流灾情遥感影像图

白龙江泥石流碎屑物淤积带：面积，长，据报道碎屑物淤积带最厚达10m，按平均厚度4m计算，碎屑堆积体积为64×104 m3。碎屑物主要贡献者为三眼峪泥石流，按罗家峪泥石流占1/4、三眼峪泥石流占3/4计算，三眼峪泥石流在白龙江中的碎屑堆积体积为48×104 m3，罗家峪泥石流在白龙江中的碎屑堆积体积为16×104 m3。

综上所述，三眼峪泥石流形成的碎屑堆积物总量为89×104 m3，为巨型规模；罗家峪泥石流形成的碎屑堆积物总量为32×104 m3，为大型规模。

（2）泥石流灾情解译（图4）

舟曲县“8·7”特大泥石流灾害共掩埋、冲毁232座平房（低于3层）、22栋楼房，估计死亡人数接近2000人。本次泥石流形成的灾害为特大级地质灾害。

（3）三眼峪沟泥石流治理工程遥感解译评价

三眼峪泥石流沟在1999年完成了按50年一遇的标准设计的泥石流治理工程，以拦排工程为主，拦排结合，配以生物措施。三眼峪泥石流综合治理工程主要有：4座固沟稳坡坝；4座浆砌石护岸坝；11座拦沙坝（图5），坝高8～18m，其中主沟沟口有2座主坝，大峪沟5座拦沙坝，小峪沟4座拦沙坝；以及24道 m高的防冲槛。

从灾后影像图分析，拦沙坝工程对减轻本次灾害的严重程度有一定作用。如图6所示，每座拦沙坝上游拦截了大量碎屑物；小峪沟泥石流规模较小，其沟口的拦沙坝未冲坏，如图7所示，泥石流翻坝而出，拦截了大部分碎屑物。治理工程起到了减少了洪峰流量和泥沙冲出量的作用。

图5 大峪沟与小峪沟交汇处工程治理WorldView-1 影像图

图6 大峪沟与小峪沟交汇处泥石流后航摄影像图

图7 大峪沟与小峪沟交汇处泥石流后快鸟影像图

图8 关岭滑坡灾害发生前卫星遥感影像

图9 关岭滑坡发生后数字航摄影像图

4.关岭滑坡特大地质灾害遥感调查与监测

2010年6月28日14时30分贵州关岭县岗乌镇大寨村永窝组村民组因连续强降雨引发山体滑坡，也称之为关岭“6·28”特大地质灾害。此次滑坡共造成37户99人失踪或被掩埋，是一起罕见的滑坡碎屑流复合型特大灾害（图8，图9）。

（1）滑坡地形及灾害区特征解译

发生滑坡的山体为呈上陡下缓的“靴状地形”，滑塌区正好位于陡缓变化过渡区。滑塌区地形平均坡度为31°，滑坡体后方地形山坡平均坡度为46°，滑坡后缘高程1160m，剪出口高程1000m。碎屑流区沟道比降为175‰（图10）。

图10 二道岩—永窝地形剖面图

经过滑坡灾害前后影像图对比，滑坡灾害形迹十分清晰。如图11所示，灾害可以分为滑塌区、铲刮区、碎屑堆积区、后期泥石流堆积区、塌岸区，灾害影响区面积186775m2。滑坡由南向北偏西滑动，运行450m后，与大寨村永窝村民组所在的一个小山坡发生剧烈撞击，偏转80°后转化为总体向西的高速碎屑流，并铲动了沿沟的表层堆积体，最终形成了罕见的滑坡 碎屑流特大灾害，结合已有地形与地质环境资料，解译得大寨 永窝滑坡灾害影响区面积为186775m2。

图11 关岭大寨—永窝滑坡灾害区解译图

图12 关岭大寨—永窝滑坡灾害区地形剖面

图13 关岭大寨—永窝滑坡灾害区地形变化

（2）滑坡规模计算（图12，图13）

滑塌体规模：滑塌体长370m，平均宽166m，滑塌面积72500m2，最大滑塌厚度为55m，滑塌体积约×104 m3，为中型滑坡。

碎屑堆积规模：长960m，平均宽110m，面积114275 m2，最大堆积厚度为40m，体积为×104 m3。

（3）灾情解译评估

根据滑坡前后影像图对比，滑塌区大约80%区域为坡耕地，耕地面积约90亩；碎屑堆积区大约70%为耕地，耕地面积约120亩；大寨村（组）有16栋房屋被掩埋，永窝村（组）有17栋房屋被掩埋，下部沿公路有1栋房屋被掩埋。如解译图所示，下部近水库附近发育4处塌岸；由于塌岸影响，2栋居民房后发育裂缝，存在安全隐患。根据当地情况，由于有外出务工人口，估计每栋房屋居住3～5人，按最低值估计，被掩埋人数约为34×3，为102人，据此，确定本次灾害为一起特大灾害。

三、推广转化方式

会议交流、技术培训与技术咨询。

技术依托单位：中国国土资源航空物探遥感中心

联系人：葛晓立

通讯地址：北京市海淀区学院路31号航遥中心遥感方法技术研究所

邮政编码：100083

联系电话：

电子邮件：

随心所欲的写咯

可以完成的，还是比较专业的

有题目，有论文

洋河流域遥感图像土地利用分类方法研究 【摘要】遥感影像分类方法的确定是LUCC研究中的关键步骤。文章以洋河流域为研究区，分别进行了非监督分类和监督分类。针对监督分类结果中存在的误差，对水域、植被、城镇与工矿用地三种类型地物的提取分别选择了综合阈值法、植被指数法、DEM数据辅助分析法进行了改进，结果表明改进后的提取结果较监督分类直接得到的结果有了很大的改善。【关键词】遥感图像；监督分类；综合阈值法；植被指数法【中图分类号】TP79 【文献标识码】A【文章编号】1671-5969（2007）16-0164-03一、研究区域概况及图像资料（一）研究区域概况洋河流域是张家口经济发展的中心地带，水资源相对丰富。洋河发源于山西省阳高县和内蒙古兴和县，是永定河上游的一大支流，流域面积约14600km2 。在张家口市流域面积为9762km2，流经万全县、怀安县、张家口市区、宣化县、宣化区、下花园区、怀来县等，干流全长106 km，在朱官屯于桑干河汇合后流至官厅水库，是官厅水库的重要水源。洋河流域形状东西向较长，南北向较短，地形总趋势西北高、东南低。流域的东北、北部和西北沿坝头一带海拔高程1200～1500m之间，西部和南部边界海拔高程一般在500～1000m之间。流域内80％以上为丘陵山区，绝大部分为荒山秃岭。流域内大部分为黄色沙壤土，并有部分砂砾土及黄粘土，沿河川地层厚且较肥沃[1]。（二）信息源遥感信息源的选择要综合考虑其光谱分辨率、空间分辨率、时间分辨率等因素， 这是利用遥感图像进行土地利用分类的关键问题。美国的Landsat TM 图像是当前应用最为广泛的卫星遥感信息源之一，它可提供7个波段的信息， 空间分辨率为30～120m。TM数据源各波段各有特点，可进行不同地物类型的信息提取。相关资料表明TM遥感数据各波段间的信息相关关系为：TM1与TM2，TM5与TM7高度相关，相关系数达以上，信息冗余大，可以考虑不选取TM1波段。另外由于第6个波段的分辨率为120m，不利于地物信息的提取，所以亦不选取TM6波段。一般来说， 选择图像类型时，应考虑研究区域的大小、研究的目的，以及要达到的精度要求，另外不同时相遥感图像的选择对分类精度也具有很大的影响。为了能把水域、城市与工矿用地、林地、耕地、裸地区分开，以洋河流域1987年9月17日的TM图像为信息源进行研究。本文中所使用的遥感图像处理工具为美国ERDAS公司的ERDAS 软件，它是一个功能完整的、集遥感与地理信息系统于一体的专业软件，具有数据预处理、图像解译、图像分类、矢量功能、虚拟gis等多个功能。二、现有遥感图像土地利用分类的主要方法及其分析遥感图像土地利用分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的手段将特征空间划分为互不重叠的子空间，然后将图像中的各个像元划归到各个子空间中以实现分类[2]。按照是否有已知训练样本的分类数据，将其分为非监督分类和监督分类。它们最大的区别在于监督分类首先给定类别，而非监督分类则由图像数据本身的统计特征来确定。（一）非监督分类非监督分类是在多光谱特征空间中通过数字操作搜索像元光谱属性的自然群组的过程，这种聚类过程生成一副有m个光谱类组成的分类图。然后分析人员根据后验知识将光谱类划分或转换成感兴趣的专题信息类[3]。洋河流域内有很多山地，在图像上会产生大量的阴影，导致了像元灰度值的空间变化，这对分类结果有很大的影响。为此可以通过比值运算来去除阴影的影响，使向阳处和背阴处都毫不例外地只与地物的反射率的比值有关。常用算法：近红外波段（TM4）/红外波段（TM3），这样所得到的效果比较好，从原始图像和比值运算后的图像（图像略）中，可以清楚地看到山体阴面的阴影得到了有效的去除。经过比值运算后， 就可以对图像进行非监督分类。得到的分类结果如图1所示。非监督分类只根据地物的光谱特征进行分类，受人为因素的影响较少，不需要对地面信息有详细的了解，但由于“同物异谱、异物同谱”等现像的存在，其结果一般不如监督分类令人满意。比如官厅水库旁边的大量建筑物被分到水体一类。是因为在TM3波段上，水体和建筑物的灰度值相近， 同样在TM7波段上，裸山和建筑物的灰度值也相近。总之，在TM的6个波段上，无论采用哪个波段进行非监督分类，总有几种地物的光谱值接近，因此单纯依靠计算机自动分类取得很好的效果是非常困难的。