基于马尔科夫随机场的滑坡编目自动绘制方法研究

Establishing complete landslide inventory is essential for hazard investigation and development of risk assessment framework. Nevertheless, landslide inventory mapping is very time- and labor-consuming. Particularly for landslide inventory mapping over a large area, it is extremely important to increase the mapping efficiency while keeping the mapping precision and accuracy. Remotely sensed imagery is a very useful tool for landslide inventory mapping considering its large coverage and multi-spectral channels. However, the traditional remote sensing approaches to landslide inventory mapping have the following two limitations: 1) the level of automation is low, thus making a rapid mapping over large area difficult; 2) the level of generality is low, accordingly decreasing the technical transferability over different regions and images. In order to overcome these limitations, this study attempts to develop a novel automatic approach to landslide inventory mapping based on Markov Random Field. The study aims to apply this automatic technique in three different study areas in China: Li County (Sichuan Province), Danba County (Sichuan Province) and the Lantau Island (Hong Kong), based on very high resolution (VHR) imageries. To the best of our knowledge, it is the first time that Markov Random Field is applied to landslide inventory mapping. We hope that our study may provide fundamental technical support for future national and regional landslide inventory mapping in China.

建立完整的滑坡编目对于开展滑坡灾害调查评价、总结灾害分布规律、构建完整的灾害风险评估技术体系有着重要作用。然而，滑坡编目绘制是一项极其费时费力的工作。对于大范围的滑坡编目，在确保绘制精度和准确度的同时提高绘制效率至关重要。遥感影像覆盖范围大、且可获得多个波段的光谱信息，是滑坡编目绘制的重要工具。但传统的基于遥感分析的滑坡编目绘制方法可能存有以下局限性：1）自动化程度较低，无法实现大范围滑坡编目的快速绘制；2）通用性较差，针对不同遥感影像和地区的可移植性较低。本项目拟开发一种全新的基于马尔科夫随机场的滑坡编目自动绘制方法，以解决上述传统绘制方法的局限性。本研究将选取四川省理县、丹巴县和香港大屿岛作为示范区域，通过对高分辨率遥感影像的分析，开展滑坡编目的自动绘制工作。根据文献调研，这是马尔科夫随机场首次应用于滑坡编目绘制。研究人员希望通过此研究，为日后中国绘制大范围滑坡编目提供充分的技术支撑。

一幅完整的滑坡编目图可以作为滑坡灾害调查最基本的信息，对于分析和了解已发生滑坡的成因，监测未来可能发生的灾害都具有极其重要的意义。然而，目前大范围的灾后滑坡编目，主要以人工目视判读遥感影像为主，虽然精度较高，但是极其耗时耗力。近年来，随着新一代高分辨率卫星影像的推广应用，越来越多的半自动化方法出现，有效地节省了人力物力，但由于自动化程度低、通用性较差，尚无法应用于大范围的滑坡提取。本项目基于变化检测的马尔科夫随机场滑坡编目方法（CDMRF）将变化向量分析方法（CVA）同马尔科夫随机场（Markov random field, MRF）结合，能够从多时相的遥感影像中快速准确地提取大范围滑坡，具有人工交互少，自动化程度高的优点。然而，由于遥感影像获取时大气、光照和物候条件的不同，在使用CVA生成的变化检测图像中存在许多噪声，导致滑坡提取结果精度很低。本项目进一步改进了CDMRF方法，使用归一化植被指数（NDVI）、主成分分析（PCA）和独立主成分分析（ICA）替代CVA，同MRF模型结合，从不同的卫星影像中提取大范围滑坡。项目测试了多个试验区域，采用0.6m的QuickBird、8m的FORMOSAT-2和10m的Sentinel-2等影像，自动化地绘制试验区的滑坡编目图。此外，将发生滑坡前30m的Landsat-8影像和发生滑坡后10m的Sentinel-2影像作为实验数据，测试改进的CDMRF方法对于多时相多源卫星影像的适用性。实验结果表明将改进的CDMRF应用于高分辨率遥感影像提取大范围的滑坡时，提取结果的完整性、正确性、Kappa系数和F值等四项精度评定指标结果显著提高。本研究首次将NDVI、PCA和ICA变化检测方法和MRF模型结合，利用不同卫星影像快速、准确、自动化地提取大范围的滑坡编目图。改进的CDMRF滑坡编目方法不仅适用于不同类型的滑坡试验区域，更支持利用多传感器影像来获取滑坡编目图。本研究将为我国制作完整的、大范围的滑坡编目绘制工作提供充分的技术支持。

内容获取失败，请点击重试