Remote Sensing Interpretation of Large Landslides Along Sichuan-Tibet Railway Based on Object-oriented Classification Method

Abstract

Abstract:

The Sichuan-Tibet Railway is located in the Middle and East of the Tibetan Plateau, where the landforms and geological structures are very complicated. The large scale landslides are densely developed in this area, and they have caused serious human life casualties and losses of major projects. Based on the zonal remote sensing image data, taking the example of Chashushan landslide, 102 Daoban landslide, Nujiang landslide and Luanshibao landslide along the Sichuan-Tibet Railway, this study takes the method of object-oriented classification to analyze the remote sensing information of landslides by use of high resolution WorldView-2 and Landsat TM remote sensing image data on the ENVI5.1 and eCognition software platforms. The result shows that the key information and target area can be extracted by object-oriented classification method, and combined with visual interpretation the details of landslides can be obtained, which can improve the success rate of landslide interpretation. It is of great significance to the landslide survey in the complicated geological conditions along Sichuan-Tibet Railway. Finally, this study combined the grey-level co-occurrence matrix (GLCM) and normalized difference vegetation index (NDVI) to discuss the identification of the ancient landslide and the reactive landslide, and on this basis supposed to put forward the GVI model and constructed the mass function I_GVI of GVI model. The results of statistical samples show that the I_GVI value of the ancient landslide is lower than that of the reactive landslide, indicating that the GVI model proposed in this paper can provide a basis for identifying the ancient landslide and the reactive landslide.

Key words: Tibetan Plateau, object-oriented classification, large landslide, high resolution remote sensing image, landslide extraction

CLC Number:

P642.2
P627

SU Fangrui, GUO Changbao, ZHANG Xueke, SHEN Wei, LIU Xiaoyi, REN Sanshao. Remote Sensing Interpretation of Large Landslides Along Sichuan-Tibet Railway Based on Object-oriented Classification Method[J]. Geoscience, 2017, 31(05): 930-942.

Figures/Tables 15

References 48

[1]	崔鹏, 苏凤环, 邹强, 等. 青藏高原山地灾害和气象灾害风险评估与减灾对策[J]. 科学通报, 2015(32):3067-3077.
[2]	张永双, 郭长宝, 姚鑫, 等. 青藏高原东缘活动断裂地质灾害效应研究[J]. 地球学报, 2016, 37(3):277-286.
[3]	黄润秋. 20世纪以来中国的大型滑坡及其发生机制[J]. 岩石力学与工程学报, 2007, 26(3):433-454.
[4]	XU Q, SHANG Y J, VAN Asch T, et al. Observations from the large, rapid Yigong rock slide-debris avalanche, southeast Tibet[J]. Canadian Geotechnical Journal, 2012, 49: 589-606. DOI URL
[5]	YIN Y P, XING A G. Aerodynamic modeling of the Yigong gigantic rock slide-debris avalanche, Tibet, China[J]. Bulletin of Engineering Geology and the Environment, 2011, 71: 149-160. DOI URL
[6]	殷跃平. 西藏波密易贡高速巨型滑坡概况[J]. 中国地质灾害与防治学报, 2000, 11(2):100.
[7]	梁京涛, 成余粮, 王军, 等. 2013年7月10日四川省都江堰三溪村五里坡特大滑坡灾害遥感调查及成因机制浅析[J]. 工程地质学报, 2014, 22(6):1194-1203.
[8]	许强, 李为乐. 汶川地震诱发大型滑坡分布规律研究[J]. 工程地质学报, 2010, 18(6):818-826.
[9]	温铭生, 方志伟, 王阳谷. 都江堰市五里坡特大滑坡灾害特征与致灾成因[J]. 现代地质, 2015, 29(2):448-453.
[10]	郭长宝, 杜宇本, 佟元清, 等. 青藏高原东缘理塘乱石包高速远程滑坡发育特征与形成机理[J]. 地质通报, 2016, 35(8):1332-1345.
[11]	廖秋林, 李晓, 董艳辉, 等. 川藏公路林芝—八宿段地质灾害特征及形成机制初探[J]. 地质力学学报, 2004, 10(1):33-39.
[12]	王治华. 大型个体滑坡遥感调查[J]. 地学前缘, 2006, 13(5):516-523.
[13]	陈曦, 胥兵, 陈爱明, 等. 遥感技术在提取滑坡背景环境因素的应用——以湖北省房县地区滑坡地质灾害为例[J]. 资源环境与工程, 2014(6):950-959.
[14]	石菊松, 吴树仁, 石玲. 遥感在滑坡灾害研究中的应用进展[J]. 地质论评, 2008, 54(4):505-514.
[15]	张雪峰, 何政伟, 薛东剑, 等. 汶川地震大型单体滑坡遥感调查与危险性评价[J]. 遥感信息, 2011(3):50-54.
[16]	徐宜保. 二滩水电站库区滑坡的航片判读[J]. 水力发电, 1987(10):29-33.
[17]	殷志强, 秦小光, 赵无忌, 等. 基于多元遥感影像数据的黄河上游滑坡发育特征研究[J]. 工程地质学报, 2013, 21(5):779-787.
[18]	邓辉. 高精度卫星遥感技术在地质灾害调查与评价中的应用[D]. 成都: 成都理工大学, 2007.
[19]	童立强, 郭兆成. 典型滑坡遥感影像特征研究[J]. 国土资源遥感, 2013, 25(1):86-92.
[20]	刘凤山, 吴中海, 张岳桥, 等. 青藏高原东缘新构造与活动构造研究新进展及展望[J]. 地质通报, 2014, 33(4):403-418.
[21]	ACHACHE J, FRUNEAU B, DELACOURT C. Applicability of SAR interferometry for monitoring of landslides[J]. Ers Applications, 1996, 383:165.
[22]	张洁, 胡光道, 罗宁波. INSAR技术在滑坡监测中的应用研究[J]. 工程地球物理学报, 2004, 1(2):147-153.
[23]	MOLLARD J D. Regional Landslide Types in Canada.[M]. Colorado: The Geological Society of America, 1962:1-10.
[24]	韩岭, 苗放, 刘学工, 等. 基于高清遥感影像的滑坡自动解译方法探索[J]. 人民黄河, 2010, 32(12):33-34.
[25]	吴忠芳. RS和GIS技术支持下的武隆县大型滑坡遥感解译及其危险性评价[D]. 重庆: 西南大学, 2009.
[26]	丁辉, 张茂省, 李林. 基于多特征面向对象区域滑坡现象识别[J]. 遥感技术与应用, 2013, 28(6):1107-1113.
[27]	鲁学军, 史振春, 尚伟涛, 等. 滑坡高分辨率遥感多维解译方法及其应用[J]. 中国图象图形学报, 2014, 19(1):141-149.
[28]	杨文涛, 汪明, 史培军, 等. 基于地形因子分割、分类的面向对象滑坡快速识别方法[J]. 自然灾害学报, 2015(4):1-6.
[29]	MARTHA T R, KERLE N, JETTEN V, et al. Characterizing spectral, spatial and morphometric properties of landslides for semi-automatic detection using object-oriented methods[J]. Geomorphology, 2010, 116(1/2):24-36. DOI URL
[30]	BAATZ M, SCHAPE M. Multiresolution segmentation-An optimization approach for high quality multi-scale image segmentation[M]// STROBLJ, BLASCHKET, GRIESEBNERG. Angewandte Geographische Informations-Verarbeitung XII. Karlsruhe: Wichmann Verlag, 2000:12-23.
[31]	LAHOUSSE T, CHANG K T, LIN Y H. Landslide mapping with multi-scale object-based image analysis:a case study in the Baichi watershed, Taiwan[J]. Natural Hazards & Earth System Sciences, 2011, 11(10):2715-2726.
[32]	FRANKLIN S E. Classification of soil-and bedrock-dominated landslides in British Columbia using segmentation of satellite imagery and DEM data[J]. International Journal of Remote Sensing, 2005, 26(7):1505-1509. DOI URL
[33]	胡德勇, 李京, 赵文吉, 等. 基于对象的高分辨率遥感图像滑坡检测方法[J]. 自然灾害学报, 2008, 17(6):42-46.
[34]	王岩, 王晓青, 窦爱霞. 面向对象遥感分类方法在汶川地震震害提取中的应用[J]. 地震, 2009, 29(3):54-60.
[35]	明冬萍, 骆剑承, 沈占锋, 等. 高分辨率遥感影像信息提取与目标识别技术研究[J]. 测绘科学, 2005, 30(3):18-20.
[36]	曹宝, 秦其明, 马海建, 等. 面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例[J]. 地理与地理信息科学, 2006, 22(2):46-49.
[37]	王赛. 基于多源遥感数据的汶川地震型滑坡信息提取研究[D]. 北京: 中国地质大学(北京), 2015.
[38]	LAINE A, FAN J. Frame representations for texture segmentation[J]. IEEE Transactions on Image Processing: A Publication of the IEEE Signal Processing Society, 1996, 5(5):771-780. DOI URL
[39]	GORTE B. Probabilistic segmentation of remotely sensed images[D]. Wageningen: Wageningen Agricultural University, 1998.
[40]	易文斌, 唐宏, 杨晋科. 面向对象的灾害信息遥感提取框架及其应用[J]. 自然灾害学报, 2009, 18(5):157-162.
[41]	BAATZ M, SCHAPE A, SCHMIDT G, et al. Cognition Network Technology: Object orientation and fractal topology in biomedical image analysis[M]. Birkhauser Basel: Method and Applications, 2005:67-73.
[42]	张毅, 谭龙, 陈冠, 等. 基于面向对象分类法的高分辨率遥感滑坡信息提取[J]. 兰州大学学报(自然科学版), 2014(5):745-750.
[43]	白永健, 郑万模, 李明辉, 等. 川藏公路茶树山滑坡特征及成因机制分析[J]. 工程地质学报, 2010, 18(6):862-866.
[44]	龙维, 陈剑, 王鹏飞, 等. 金沙江上游特米大型古滑坡的成因及古地震参数反分析[J]. 地震研究, 2015, 38(4):568-575.
[45]	张晓刚, 王成华, 孔纪名, 等. 川藏公路“102”滑坡群的基本特征[J]. 山地学报, 1998, 16(2):151-155.
[46]	何兵, 张小刚. 川藏公路102滑坡遥感调查及发展趋势分析[J]. 中国地质灾害与防治学报, 2015, 26(4):99-105.
[47]	李同录, 赵剑丽, 李萍. 川藏公路102滑坡群2^#滑坡发育特征及稳定性分析[J]. 灾害学, 2003, 18(4):40-45.
[48]	杨全忠. 西藏滑坡地质灾害及防治对策[J]. 中国地质灾害与防治学报, 2002, 13(1):94-97.

数据类型	光谱特征	空间分辨率/m	可解译范围	优、缺点	相关应用
Landsat	多光谱7个波段全色1个波段	全色影像15 多光谱30	植被覆盖区与裸露区大型滑坡灾害	价格较低处理方便空间分辨率低	大型滑坡遥感解译研究^[25]
Spot-5	多光谱4个波段全色1个波段	全色影像2.5 多光谱10	中、小型滑坡城镇房屋、道路等	价格较低覆盖范围较大空间分辨率适中	滑坡灾害定性分析与定量监测^[26]
QuickBird	多光谱4个波段全色1个波段	全色影像0.61 多光谱2.4	滑坡体上大型冲沟道路、房屋	价格较高覆盖范围小空间分辨率高	灾害体定量分析^[27]
WorldView-2	多光谱4个波段全色1个波段	全色影像0.5 多光谱2.0	岩性识别对象纹理特征	价格昂贵覆盖范围小空间分辨率极高	基于地形因子的面向对象滑坡识别^[28]

数据类型	光谱特征	空间分辨率/m	可解译范围	优、缺点	相关应用
Landsat	多光谱7个波段全色1个波段	全色影像15 多光谱30	植被覆盖区与裸露区大型滑坡灾害	价格较低处理方便空间分辨率低	大型滑坡遥感解译研究^[25]
Spot-5	多光谱4个波段全色1个波段	全色影像2.5 多光谱10	中、小型滑坡城镇房屋、道路等	价格较低覆盖范围较大空间分辨率适中	滑坡灾害定性分析与定量监测^[26]
QuickBird	多光谱4个波段全色1个波段	全色影像0.61 多光谱2.4	滑坡体上大型冲沟道路、房屋	价格较高覆盖范围小空间分辨率高	灾害体定量分析^[27]
WorldView-2	多光谱4个波段全色1个波段	全色影像0.5 多光谱2.0	岩性识别对象纹理特征	价格昂贵覆盖范围小空间分辨率极高	基于地形因子的面向对象滑坡识别^[28]

重点研究区域	采用数据类型	数据标识	影像获取时间 (年/月/日)
茶树山滑坡	Landsat-7	LE71320392006264PFS00	2006/09/21
茶树山滑坡	WorldView-2	054047621040_01	2012/12/30
102道班滑坡	Landsat-7	LE71350392000125SGS00	2000/05/04
102道班滑坡	WorldView-2	054047621020_01	2006/10/30
八宿怒江滑坡	Landsat-8	LC81340392013225LGN00	2013/08/13
八宿怒江滑坡	WorldView-2	054047621060_01	2014/01/04
乱石包滑坡	Landsat-7	LE71320392000280SGS00	2001/10/06
乱石包滑坡	WorldView-2	054047621050_01	2011/03/02

重点研究区域	采用数据类型	数据标识	影像获取时间 (年/月/日)
茶树山滑坡	Landsat-7	LE71320392006264PFS00	2006/09/21
茶树山滑坡	WorldView-2	054047621040_01	2012/12/30
102道班滑坡	Landsat-7	LE71350392000125SGS00	2000/05/04
102道班滑坡	WorldView-2	054047621020_01	2006/10/30
八宿怒江滑坡	Landsat-8	LC81340392013225LGN00	2013/08/13
八宿怒江滑坡	WorldView-2	054047621060_01	2014/01/04
乱石包滑坡	Landsat-7	LE71320392000280SGS00	2001/10/06
乱石包滑坡	WorldView-2	054047621050_01	2011/03/02

地点		最大值	最小值	均值
茶树山滑坡	古滑坡	0.172	0.539	0.397
茶树山滑坡	新生滑坡	0.484	0.623	0.568
102道班滑坡	古滑坡	0.244	0.612	0.490
102道班滑坡	新生滑坡	0.593	0.792	0.687
怒江滑坡	古滑坡	0.348	0.501	0.436
怒江滑坡	新生滑坡	0.490	0.643	0.576
乱石包高速远程滑坡	滑坡后缘	0.372	0.508	0.440
乱石包高速远程滑坡	滑坡前缘	0.228	0.356	0.299