自然资源遥感, 2021, 33(3): 1-10 doi: 10.6046/zrzyyg.2020357

综述

基于国产卫星的遥感地质解译能力评估

郑雄伟,1,2,3, 彭孛4, 尚坤5

1.中国自然资源航空物探遥感中心,北京 100083

2.中国地质科学院研究生院,北京 100037

3.中国地质大学(武汉)计算机学院,武汉 430074

4.四川省地质调查院,成都 610036

5.自然资源部国土卫星遥感应用中心,北京 100048

Assessment of the interpretation ability of domestic satellites in geological remote sensing

ZHENG Xiongwei,1,2,3, PENG Bei4, SHANG Kun5

1. China Aero Geophysical Survey & Remote Sensing Center for Natural Resources,Beijing 100083, China

2. Graduate School of Chinese Academy of Geological Sciences,Beijing 100037, China

3. School of Computer Science,China University of Geosciences(Wuhan),Wuhan 430074, China

4. Sichuan Geological Survey Institute, Chengdu 610036, China

5. Land Satellite Remote Sensing Application Center, Ministry of Natural Resources, Beijing 100048, China

责任编辑: 李瑜

收稿日期: 2020-11-9   修回日期: 2020-11-20  

基金资助: 地质调查项目“国产卫星数据质量改进与地质矿产综合应用示范”(DD20160067)

Received: 2020-11-9   Revised: 2020-11-20  

作者简介 About authors

郑雄伟(1981-),男,在读博士,教授级高级工程师,主要从事航空航天遥感技术方法研究与应用。Email: 12260746@qq.com。

摘要

随着国产卫星空间分辨率、光谱分辨率、时间分辨率和数据覆盖能力的极大提升,国产卫星已在自然资源监管和地质调查工作中得到了深入广泛的应用。以资源一号02C、高分一号、高分二号、资源三号卫星为例,探索研究了其在基础地理、基础地质、土地资源、矿产资源开发、水文地质、工程地质、地质灾害等调查中的解译应用,并对国产卫星的地质调查要素解译能力进行了对比、评估与总结,为国产卫星更加广泛深入应用提供了指导性建议和科学参考。

关键词： 国产卫星; 遥感地质; 解译能力

Abstract

With the substantial improvement in spatial resolution, spectral resolution, temporal resolution, and data coverage, domestic satellites have been widely used in natural resources supervision and geological surveys. Taking ZY-1 02C, GF-1, GF-2, and ZY-3 satellites as examples, this paper explores and studies their interpretation applications in basic geography, basic geology, land resources, mineral resources development, hydrogeology, engineering geology, and geological disasters. Furthermore, this paper compares, assesses, and summarizes the ability of the domestic satellites in the interpretation of geological survey elements. All these will provide guiding suggestions and scientific references for more extensive and in-depth applications of domestic satellites.

Keywords： domestic satellite; geological remote sensing; interpretation ability

PDF (7027KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

郑雄伟, 彭孛, 尚坤. 基于国产卫星的遥感地质解译能力评估[J]. 自然资源遥感, 2021, 33(3): 1-10 doi:10.6046/zrzyyg.2020357

ZHENG Xiongwei, PENG Bei, SHANG Kun. Assessment of the interpretation ability of domestic satellites in geological remote sensing[J]. Remote Sensing For Natural Resources, 2021, 33(3): 1-10 doi:10.6046/zrzyyg.2020357

0 引言

卫星遥感是自然资源监管和地质调查工作开展不可或缺的重要手段之一[1,2],长期以来,地质调查所用的卫星遥感数据依赖于国外。而随着国产卫星的空间分辨率、光谱分辨率、时间分辨率和数据覆盖能力的极大提升,已逐步取代同等分辨率国外卫星遥感数据,在自然资源监管和地质调查中发挥重大作用[3,4,5]。

但与国外成熟的卫星遥感数据相比,国产卫星应用能力挖潜亟待提升。国内很多学者利用国产卫星数据围绕某一特定或单领域业务需求,开展了不同程度的遥感地质信息提取与应用示范研究[6,7,8,9,10,11,12]。本文依托地质调查项目“国产卫星数据质量改进与地质矿产综合应用示范”,选择14类景观区示范区,通过遥感影像提取与地质调查相关的多元地表和部分推测的地下信息,判释出地质体或地质现象的质量和数量特征,以及彼此间的相互关系,探索研究了资源一号02C(02C)、高分一号(GF1)、高分二号(GF2)、资源三号(ZY3)等国产卫星数据在基础地理、基础地质、土地资源、矿产资源开发、水文地质、工程地质、地质灾害等调查中的应用能力。在相同比例尺下,对直接解译类要素采取定量的方式进行卫星解译能力对比,对间接解译类要素采取定性的方式进行卫星解译能力对比,最后进行了解译能力评估总结,为国产卫星数据更加广泛深入应用提供了参考。

1 影像分辨率与成图比例尺关系

遥感影像的空间分辨率决定了影像上能够区分的最小单元所对应的地貌尺寸或大小。遥感影像的空间分辨率是评价卫星影像产品适应性的主要标志。影像空间分辨率越低,反映的空间尺度内容就越宏观,相应的影像成图比例尺就越小; 影像空间分辨率越高,反映的空间尺度内容就越丰富,相应的影像成图比例尺就越大。

根据不同的调查需求选择相应空间分辨率影像来开展地质调查工作,遥感数据的空间分辨率决定了其所能支撑的解译精度和成图比例尺。人对纸质地图的目视分辨率为0.07~0.1 mm,因此地图要求遥感影像的分辨率一般应达到或小于图上0.1 mm,而地图的更新至少也应该要求影像的分辨率达到图上0.2 mm。所以当制图比例尺确定后,选择数据源时应优先考虑图像的空间分辨率。空间分辨率D(单位为m)、成图比例尺(M为比例尺分母)以及成图要求的误差范围e(单位为mm,也指人眼的分辨率,通常采用0.2 mm)存在以下关系:

e×M×10-3=RMS×D,

式中,RMS为影像几何校正后的像元位置均方根误差,是一个待定变量,通常为1~2个像元,由此,我们得出国产卫星地面分辨率与适用成图比例尺关系见表1。

表1   国产卫星空间分辨率与成图比例尺关系

Tab.1  Relationship between spatial resolution and mapping scale of domestic satellites

数据类型地面分辨率/m适用比例尺
02C多光谱: 10
全色: 5
HR: 2.36		1:100 000
1:50 000
1:23 600
ZY3多光谱: 5.8
全色: 2.1		1:58 000
1:21 000
GF1多光谱: 8
全色: 2		1:80 000
1:20 000
GF2多光谱: 4
全色: 1		1:40 000
1:10 000

新窗口打开| 下载CSV


2 图像地面分辨率和地质解译精度关系

遥感地质解译过程中,要素的解译精度因遥感影像空间分辨率不同而不同,遥感影像空间分辨率大小不等于解译时能观察到像元尺寸的地物,这与传感器瞬时视场跟地物的相对位置有关。对于一个像元大小的地物,只有在它刚好落在扫描线上,与遥感传感器的瞬时视场相对位置匹配的时候,才能刚好被分辨出来,才能在图像上解译出它的形状、辐射特征。若最小地物并没有恰好在扫描线上,而是跨越2条扫描线时,地物只有大于2个像元时才能从图像上被正确分辨出来。假定像元宽度为a,则地物宽度至少在2 2　a时才能被分辨出来,这个大小就是图像地面分辨率Rg。

通常遥感解译时影像特征表现为点、线、面3种几何图形,在判读上述地物最小目标时,不但要求它具有最小光谱成像特征,而且要求它能够保持基本几何特征。通常认为3~4个像元的成像范围就构成了几何图形的最小单位。在遥感图像上点状要素解译精度P与图像地面分辨率Rg大小相当,线状要素解译精度P'均小于图像地面分辨率,面状要素解译精度P″约为图像地面分辨率3倍。像元宽度a、地面线状要素分辨率P'、地面面状要素的分辨率P″有以下公式的近似关系:

Rg=3P'= 13P″=2 2　a 。

根据公式(2)确定了各卫星空间分辨率、地面分辨率和地质要素解译精度的关系,见表2。

表2   图像地面分辨率与地质解译精度关系

Tab.2  Relationship between image ground resolution and geological interpretation accuracy

融合影
像类型		空间分
辨率/m		地面分
辨率/m		点状要
素解译
精度/m		线状要
素解译
精度/m		面状要
素解译
精度/m2
02C2.366.686.682.23401.01
ZY32.15.945.941.98317.52
GF125.665.661.89288
GF212.832.830.9472

新窗口打开| 下载CSV


3 解译能力分析

以热带雨林景观区为例,选择位于云南省耿马县境内的800 km2示范区。区内地貌类型为高原山地和相间分布的山间盆地、河谷平原,平均海拔约1 300 m。地处滇西三江成矿带,不仅动物、植物资源极为丰富,植被覆盖率达80%以上,水资源、矿产资源富饶,受地质构造控制,区内岩体较破碎、灾害较发育,以及矿山开采带来的地质环境、生态环境问题存在,制约区内经济快速发展。同时,受地形地貌、植被、道路交通条件的制约,在区内开展地面调查、研究取样工作相对困难。选择最优质量的02C,ZY3,GF1,GF2卫星数据,开展辐射校正、几何校正、多光谱与全色数据配准、图像融合、图像镶嵌与裁剪[13,14,15],利用制作好的遥感影像图,对基础地理、基础地质[16,17,18]、土地资源[19,20]、矿产资源[21,22]、水文地质[23,24,25,26,27]、工程地质[28,29]、地质灾害[30,31,32]等调查要素解译能力进行了分析。

3.1 基础地理要素解译

基础地理要素中主要是居民地、河流、湖泊(库塘)、道路交通、地形地貌等要素的解译,这类要素的解译主要与卫星的空间分辨率密切相关,空间分辨率越高,解译效果越好,各要素解译能力对比情况如表3所示。

表3   基础地理要素直接解译能力对比

Tab.3  Comparison chart of basic geographic elements interpretation ability

要素02CZY3GF1GF2
国道省道
其他道路
分析交通道路宽度>2.5 m,各卫星均能清楚识别交通道路形态、位置,02C对边界反映略差
居民聚集区
分析居民地聚集区面积为60 775 m2,各卫星对此类面状居民地位置、边界、形态均能很好的解译,解译程度较高
独立居民地
分析红色框面积64~90 m2,蓝色框面积102~199 m2,紫色框面积为290 m2,黑色框面积为420 m2。各卫星均能对此类面积分散居民地位置、边界、形态进行解译,据统计,GF2可识别的独立居民地面积为≥64 m2; GF1,ZY3可识别的独立居民地面积为≥290 m2; 02C对独立居民边界区分较难,可识别的独立居民地面积为≥420 m2
河流面
分析河流宽度>17.9 m,各卫星均对河流位置、边界、形态进行解译,各卫星解译能力表现一致
河流线
分析河流宽度>7 m,ZY3,GF1,GF2卫星均能识别水系位置、形态、边界; 02C对此类河流边界解译能力稍差
水库
分析水库面积为920 001 m2,各卫星对此类水库位置、边界、形态均能很好的解译,表现形式面状
库塘
分析区内库塘面积最小者475 m2,各卫星均分辨此类库塘位置、形态,02C对库塘边界的识别能力相对较差。各卫星均能满足1:5万解译要求

新窗口打开| 下载CSV


1)道路。道路宽度>2.5 m,表现形式线状。02C,ZY3,GF1,GF2卫星均能很好地对道路位置、形态进行解译,02C卫星对道路边界识别能力稍差。4颗卫星均满足道路要素更新解译,满足1:5万解译要求。

2)居民地。示范区内居民地具有标志清晰、边界分明的特点,从实际对比的结果看,4颗卫星对独立居民地的解译能力与表2所示的卫星对面状地物要素理论解译精度有着较强的一致性。

GF2卫星对面积≥64 m2的独立居民地能很好的识别地物的边界、形态、位置。ZY3和GF1卫星对面积≥290 m2的独立居民地的边界、形态、位置均能有效识别。02C卫星对独立居民地的边界识别能力较差。从对比的结果看根据解译要求,各卫星均满足对居民地(聚集区)更新解译要求(不对独立居民地(点)进行解译),4颗卫星均满足1:5万解译要求。

3)水系(沟渠)。水系(沟渠)宽度>7 m,表现形式线状。02C,ZY3,GF1,GF2卫星均能很好的对5级水系位置、形态进行解译,02C卫星对水系边界识别能力稍差。4颗卫星均满足水系要素(线状)更新解译,满足1:5万解译要求。

水系(沟渠)宽度>15 m,表现形式面状(河流等级4级以上)。02C,ZY3,GF1,GF2卫星均能很好的对4级以上河流边界、位置、范围进行解译,4颗卫星对面状水系的解译能力表现一致,满足1:5万解译要求。

4)水库/库塘。水库/库塘面积>475 m2(表现形式面状)。02C,ZY3,GF1,GF2卫星均能很好的对水库/库塘边界、位置进行解译,02C卫星对边界的识别能力稍差,4颗卫星在对水库/库塘要素解译能力表现一致,均满足1:5万解译要求。

综上,基础地理要素中主要是地形地貌、道路交通、水系等要素的解译,这几类要素的解译都不复杂,可解译程度较高,除微地貌的解译程度为中等外,其他类的解译程度均较高。微地貌的解译主要受植被、剥蚀等因素的影响以及数据分辨率影响,随着分辨率的提高,地貌形态及范围在调查过程误判的情况也随之降低,因此,基础地理要素优先考虑使用GF1和ZY3数据,微地貌、乡村公路的识别则建议使用GF2卫星数据(表4)。

表4   基础地理要素解译能力

Tab.4  Basic geographic elements interpretation ability

解译要素可解译程度建议使用的数据备注
居民地高GF1,ZY3,02C(更高精度要求下建议使用GF2)自动提取
公路高GF1,ZY3,02C(更高精度要求下建议使用GF2)人工提取
水系高GF1,ZY3,02C(更高精度要求下建议使用GF2)人工提取
地形地貌高GF1和ZY3(对微地貌的调查建议使用GF2)人工提取

新窗口打开| 下载CSV


3.2 基础地质要素解译

基础地质要素解译能力对比情况如表5和表6所示。

表5   基础地质要素解译能力对比

Tab.5  Comparison chart of interpretation ability of basic geological elements

要素02CZY3GF1GF2
冲洪积
残坡积
断裂构造
分析4颗国产卫星具有较高的空间分辨率,区内断裂构造线性分布明显,各卫星均能较好的反映解译构造的位置和走向,从解译能力上看,GF2卫星的解译能力相对较好,其他3颗星差
地层岩性
分析地层岩性: 地层岩性的解译能力主要受制于影像解译标志建立的准确性、地表覆盖情况、地层岩体的出露大小、岩石类型等,从对比结果来看,GF2,GF1,ZY3在地层岩性的解译能力大致相当,02C由于缺少蓝光波段,影像分辨率较低,影像纹理较差,相对其他3颗卫星解译效果较差

新窗口打开| 下载CSV


表6   基础地质解译能力

Tab.6  Basic geological interpretation ability table

解译要素可解译程度建议使用
的数据		备注
活动断裂中高GF1,ZY3目视解译结合现有资料
地层低GF1,ZY3目视解译结合现有资料
第四系中GF1,ZY3目视解译结合现有资料

新窗口打开| 下载CSV


1)地层岩性。基础地质要素中最难调查的是地层岩性,由于植被干扰或岩性相近不易区分,地层岩性的解译可解译程度较低。因此地层岩性的调查主要借助于已开展了区域地质调查工作的成果资料,结合遥感信息特征进行修编。

2)第四系。第四系解译相对其他地层的解译要容易一些,主要是按照成因分类进行的判译,主要沿水系分布,个别地区由于河流侵蚀强度较大或断裂活动强烈,第四系分布会远离主要河流,但大多数都是在河流两侧发育。其类型划分主要是根据地理位置、分布形态等,由于自然侵蚀和剥蚀作用,第四系的保存不完整,对残留的第四系会出现漏判可能,区内第四系位于盆地内耕地区,受人类工程活动影响边界区分较难,需借助野外工作,可解译程度中等。

3)断裂和活动断裂。断裂和活动断裂构造的行迹在遥感图像上的判译比较容易,特别是活动断裂构造,其行迹较清楚,一般比老的断裂更容易判别,因此也容易出现交切关系的错判。工作区内的断裂构造具有继承性活动的特点,断裂构造错综复杂,因此在判定新老关系时需要参考实地调查的相关资料。

综上,GF2卫星虽然对内部细节刻画较好,但对大型要素整体的轮廓反映不佳,02C卫星由于缺少波段,分辨率稍差,对地物内部纹理刻画较差,在考虑数据幅宽的条件下,基础地质在卫星数据的选择上优先使用GF1,ZY3卫星数据。

3.3 土地资源要素解译

土地资源解译要素包括林地、草地、耕地、城镇及工矿用地、水域、未利用地,由于涉及的地类较多,本文主要选择城镇、水域、林地、耕地等几类要素的一级类进行对比分析。表7主要对耕地和林地进行对比分析。

表7   土地资源要素解译能力对比

Tab.7  Comparison chart of interpretation ability of land resource elements

要素02CZY3GF1GF2
有林地
园地
分析02C可对林地一级类布区进行识别,林地二级类的边界难以区分; GF1,ZY3能划分林地二级类的边界,对二级类属性区分较难,GF2对部分林地二级类可以直接判读其性质。GF1,ZY3,GF2均能识别面积> 300 m2 的独立林地
水田
旱地
分析ZY3,GF1,GF2可对耕地及其二级类进行很好的解译,02C可较好地对耕地一级类进行解译,但对耕地二级类的边界划分较难, GF1,ZY3,GF2均能识别面积> 300 m2 的耕地,3颗卫星对耕地二级类的边界解译能力均较强

新窗口打开| 下载CSV


1)林地。区内热带雨林地区,林地覆盖情况不因季节变化而改变,时间分辨率对区内林地的解译影响较小。区内林地类型为有林地、灌木林、其他林地(包括苗圃及各类园地)。从解译的结果看,02C卫星对林地(一级类)分布区能较好的识别(地类边界控制能力较差),对林地二级类边界、属性的划分较困难; GF1,GF2,ZY3卫星波段丰富,对林地一级类各卫星解译能力较一致,均能较好的识别面积>300 m2的独立林地。对林地二级类的解译,GF2卫星能直接识别林地二级类的属性及边界,ZY3和GF1卫星能直接识别林地二级类的边界,但在属性划分上较为困难。

2)耕地。区内耕地二级类型主要有水田和旱地两类,水田多分布在盆地内的河道两侧及山坡的梯田,旱地广泛分布于盆地内以及山地的坡度较缓处。从解译的结果看,各卫星均能较好识别耕地分布区(一级类),02C卫星缺少蓝光波段,分辨率较低,对耕地二级类水田与旱地边界较难区分。GF1,GF2,ZY3卫星波段丰富,解译能力较一致,均能很好的识别面积>300 m2的独立耕地,对水田、旱地的边界识别能力均较强。

综上,热带雨林景观区土地资源各解译要素的遥感解译受卫星成像时间的影响较小,卫星空间分辨率对各地类解译能力影响较大,从对比的结果看(表8),GF1,GF2,ZY3卫星对土地资源类型一级类可解译程度较高,02C卫星由于缺少蓝光波段且空间分辨率较差,解译能力稍差。

表8   土地资源要素解译能力

Tab.8  Interpretation ability table of land resource elements

解译要素可解译程度建议使用的数据备注
草地较高GF2,GF1,ZY3目视解译(二级类需实地查证)
耕地较高GF2,GF1,ZY3目视解译
园地较高GF2,GF1,ZY3目视解译(二级类需实地查证)
林地较高GF2,GF1,ZY3目视解译(二级类需实地查证)
建设用地较高GF2,GF1,ZY3目视解译
其他土地较高GF2,GF1,ZY3目视解译(二级类需实地查证)

新窗口打开| 下载CSV


3.4 矿产资源开发要素解译

矿山开发、环境的调查与土地覆被调查过程和方法相同,均是根据建立的解译标志直接对地表矿产开发信息进行解译。区内矿产开发程度较低,可解译的要素有开采面、停采面、矿山复绿,各解译要素解译能力对比情况如表9所示。

表9   矿产资源遥感解译能力对比

Tab.9  Comparison of remote sensing interpretation ability of mineral resources

要素02CZY3GF1GF2
开采面与中转场
分析开采面面积11 450 m2,ZY3,GF1,02C卫星均能识别矿山分布区的位置、范围; GF1,ZY3对开采面与中转场边界划分可能存在误差,02C数据对开采面与中转场边界划分较困难
停采面
分析图中停采面积为5 675 m2,ZY3,GF1,GF2,02C卫星均能识别停采面的位置、范围及边界,但02C由于缺少波段,停采面图斑与周边翻耕后的地物色调较一致,易造成漏解译
矿山复绿区
分析GF1,ZY3,GF2数据均能很好的对复绿区位置、边界、范围进行解译,02C由于缺少波段,矿山开采区经自然复绿后与周边林地色调较一致,易造成解译过程中的漏解

新窗口打开| 下载CSV


1)开采面(停采面)。开采面(停采面)在影像一般表现为灰白色,与周围植被形成强烈反差,解译标志明显。

根据统计结果,4颗卫星均能很好的识别面积>5 675 m2的开采面(停采面)位置、范围。GF2卫星可直接识别开采面的利用状态,对开采面与中转场的边界识别能力较强; GF1,ZY3卫星可间接推测开采面的利用状态,在划分开采面与中转场的边界时可能存在误差; 02C卫星对开采面的利用状态判读较难,且较难识别开采面与中转场的边界。

2)矿山复绿区。02C卫星由于缺少蓝光波段,矿山开采区经自然复绿后与周边林地色调较一致,易造成解译过程中的漏解,其他3颗卫星波段丰富,对矿山复绿区的解译能力则相对较强。

综上,区内矿山开采程度不高,矿业活动范围较小,宜采用多期影像对比方式进行解译,在卫星数据的选择上优先使用GF2卫星,可直接对矿山开采面的利用状态、采硐口的位置进行判读,减少误判的几率和野外调查工作,其次选择GF1,ZY3卫星数据,02C卫星由于空间分辨率较低,缺少波段,对停采面、矿山复绿区等要素解译时漏解的可能性较大(表10)。

表10   矿产资源开发要素解译能力

Tab.10  Interpretation ability table of mineral resources development elements

解译要素可解译程度建议使用的数据备注
开采面较高GF2,GF1,ZY3目视解译,多期影像对比
中转场较高GF2,GF1,ZY3
矿山建筑较高GF2,GF1,ZY3
复绿区较高GF2,GF1,ZY3
采硐口较高GF2,GF1,ZY3
环境污染区较高GF2,GF1,ZY3

新窗口打开| 下载CSV


3.5 水文地质要素解译

在水文地质方面,受区内高植被覆盖影响,各卫星对泉点、泉群、泉域、地下水溢出带的解译较困难,需要野外调查相结合确定其具体位置,可解程度中低。地层的赋水程度的判别是综合地层岩性、汇水区域等因素的特点进行判别的,其准确程度取决于地层岩性的解译,可解程度中等,对河流、库塘、河床泥沙淤积地段等的判释比较容易,水文地质与基础地质在卫星数据的选择上较一致,在1:5万尺度下优先使用GF1,ZY3卫星数据,更高比例下建议使用GF2卫星数据(表11)。

表11   水文地质要素解译能力

Tab.11  Interpretation ability of hydrogeological elements

解译要素可解译程度建议使用
的数据		备注
河流高GF1,ZY3自动提取
湖泊高GF1,ZY3自动提取
坑塘、水库高GF1,ZY3自动提取
地下含水层低GF1,ZY3结合现有资料
泉眼、泉群泉域中低GF2目视解译
地下水溢出带中低GF2目视解译

新窗口打开| 下载CSV


3.6 工程地质要素解译

工程地质类型的调查,主要根据已完成的第四纪地质、地层岩性等资料对工程岩性进行判别,首先通过地层岩性的分类划分岩土体类型,岩土体坚硬程度的判别主要还是根据区域地质调查中岩石成分,再结合影像特征进行综合判断。对于工程地质要素遥感可解译程度较低,需借助第四系、地层岩性及工程地质图进行综合判断。因此,工程地质与基础地质在卫星数据的选择上较一致,在1:5万尺度下优先使用GF1,ZY3数据,更高比例下建议使用GF2数据(表12)。

表12   工程地质解译能力

Tab.12  Engineering geological interpretation ability

解译
要素		可解译程度建议使用的数据备注
土体中GF1,ZY3目视解译结合现有资料
岩体低GF1,ZY3目视解译结合现有资料

新窗口打开| 下载CSV


3.7 地质灾害要素解译

示范区发育的灾害主要为崩塌、滑坡,泥石流灾害不发育。从解译的结果看,地质灾害的调查方面,遥感手段对大型、中型地质灾害体的解译准确性较高,4类卫星均能较好的对灾害体的位置、边界、影响范围进行圈定; 小型灾害体上的冲沟、后缘的裂缝、垮塌、前缘的鼓丘等微细变化难以观察,02C,GF1,ZY3卫星对小型灾害难以判读,需借助野外调查确定灾害体位置、规模、影响范围等。崩塌、滑坡灾害体对比情况如表13、表14所示。总的来说,景观区内地质灾害的可解译程度中等。

表13   地质灾害解译能力对比

Tab.13  Comparison chart of geological hazard interpretation ability

要素02CZY3GF1GF2
滑坡
崩塌
分析区内灾害发育规模均较小,从解译的结果看,02C,ZY3,GF1均无法直接对小型灾害体进行判读,GF2基本能判别出地质灾害的位置和规模。各卫星对中型以上灾害体的解译能力均表现较强

新窗口打开| 下载CSV


表14   地质灾害要素解译能力

Tab.14  Interpretation ability table of geological hazard elements

解译要素可解译程度建议使用的数据备注
崩塌中优先使用GF2,其次为GF1,ZY3目视解译,多期影像对比
滑坡中优先使用GF2,其次为GF1,ZY3目视解译,多期影像对比

新窗口打开| 下载CSV


综上,地质灾害体的可解程度与灾害体发育规模息息相关,规模越大,可解译程度越高,在卫星数据的选择上优先使用GF2卫星数据,其次为GF1,ZY3,宜采用多期影像对比进行解译,减少对滑坡灾害体的漏解译。

4 结论

4.1 要素解译影响因子

根据上述解译能力分析,要素可归纳为直接解译和间接解译两大类,影响因子各不同。

1)直接判读解译要素。将直接运用解译标志就能确定地物存在和属性范围的解译要素归类为直接解译判读类。一般针对形状独特、色调特征明显的地物和自然现象,如道路、建筑、河流等基础地理类,以及矿山开发(环境)、地形地貌等,卫星数据对这类要素的解译能力主要与卫星的空间分辨率、波段组合、影像色彩、对比度和清晰度等有关,而地物所处的景观区的位置则对卫星的解译能力的影响则较小。

2)辅助(间接)判读解译要素。是指与地物的属性有内在联系,通过相关分析能够推断其性质的解译要素。这类解译要素往往需要根据影像的图斑、纹理、色调、水系分布、发育、地表覆盖、地形地貌特征等影像特征间接获得,如地层、岩性、第四系等。这类要素的解译能力不仅受卫星的空间分辨率、波段组合方式的影响,地物在景观区的分布的位置、人类工程活动等因素也制约上述要素的解译能力。

4.2 解译能力综述

1)自然地理要素解译能力。自然地理要素中主要是地形地貌、道路交通、河湖湿地等要素的解译,这几类要素的解译都不复杂,基于国产卫星数据可解译程度较高,除微地貌的解译程度为中等外,其他类的解译程度均较高。微地貌的解译主要受植被、剥蚀等因素的影响,地貌形态及范围在调查过程中会有一些误判的可能。

2)基础地质要素解译能力。基础地质要素中最难调查的是地层岩性,由于工作区是变质岩发育地区,经过再改造,地层原有的纹理和特征发生了改变,加上植被、农田、建筑等的干扰,给调查带来很大的困难。因此地层岩性的调查主要借助于已开展了区域地质调查工作的成果资料,结合遥感信息特征进行修编。第四系的解译相对其他地层的解译要容易一些,其类型划分主要是根据地理位置、分布形态等进行划分,由于自然侵蚀和剥蚀作用,第四系的保存不完整,对残留的第四系会出现漏判可能。断裂和活动断裂构造的行迹在遥感图像上的判译比较容易,但工作区内的断裂构造具有继承性活动的特点,断裂构造错综复杂,因此在判定新老关系是需要参考实地调查的相关资料。

3)土地资源要素解译能力。土地覆被的调查主要是根据土地利用现状分类的要求进行,主要是地表信息的提取,对一级分类的解译程度较高,二级分类主要受图像分辨率的影响,在解译时会出现属性划分不够准确的现象,个别图斑需要实地调查进行确认。

4)矿产资源开发要素解译能力。矿山占地和矿山地质灾害的调查与土地覆被和地质灾害调查的过程和方法基本相同,能较为准确的调查矿山占地类型、范围及趋势; 矿山地质灾害的调查也可以判定矿山开采产生的地质灾害类型、影响范围、危害区域等。

5)水文地质要素解译能力。遥感图像中地表水体以及河流、水田、赋水地段、河床泥沙淤积地段等的判释比较容易,对泉点、泉群、泉域、地下水溢出带、古河道分布位置在遇到干扰因素时解译较困难,需要野外调查相结合确定其具体位置。地层赋水程度的判别是综合地层岩性、汇水区域等因素的特点进行判别的,其准确程度取决于地层岩性的解译。

6)工程地质要素解译能力。工程地质调查主要是对工程地质岩性的判别,通过地层岩性的分类划分岩土体类型,岩土体坚硬程度的判别主要还是要根据区域地质调查中岩石成分,再结合影像特征进行综合判断,因此地层岩性的物质成分需要结合实地调查的资料进行综合判定。

7)地质灾害要素解译能力。地质灾害的调查中对大型、中型地质灾害体的解译准确性较高,部分小型灾害体的解译可能会漏判。灾害体上的冲沟、后缘的裂缝、垮塌、前缘的鼓丘等微细变化难以观察。

参考文献

自然资源部科技发展司.

自然资源部卫星遥感应用报告(2019年)

[R]. 北京:自然资源部, 2020.

[本文引用: 1]

Department of science and technology development,Ministry of Natural Resources of the People's Republic of China.

Report on satellite remote sensing application of the Ministry of Natural Resources (2019)

[R]. Beijing:Ministry of Natural Resources of the People’s Republic of China, 2020.

[本文引用: 1]

王润生, 熊盛青, 聂洪峰, 等.

遥感地质勘查技术与应用研究

[J]. 地质学报, 2011, 85(11):1699-1743.

[本文引用: 1]

Wang R S, Xiong S Q, Nie H F, et al.

Remote sensing geology and its application ingeological exploration

[J]. Acta Geologica Sinica, 2011, 85(11):1699-1743.

[本文引用: 1]

郑雄伟, 杨金中, 陈玲, 等.

国土资源卫星地质矿产应用成效

[J]. 国土资源遥感, 2017, 29(s1):1-7.doi: 10.6046/gtzyyg.2017.s1.01.

DOI:10.6046/gtzyyg.2017.s1.01      [本文引用: 1]

Zheng X W, Yang J Z, Chen L, et al.

A review on the effects of applying land and resources satellites to geology and mineral resources

[J]. Remote Sensing for Land and Resources, 2017, 29(s1):1-7.doi: 10.6046/gtzyyg.2017.s1.01.

DOI:10.6046/gtzyyg.2017.s1.01      [本文引用: 1]

张焜, 马世斌, 李宗仁, 等.

高分一号卫星数据遥感地质解译

[J]. 遥感信息, 2017(1):115-123.

[本文引用: 1]

Zhang K, Ma S B, Li Z R, et al.

Geological interpretation of GF-1 satellite inagery

[J]. Remote Sensing Information, 2017(1):115-123.

[本文引用: 1]

陈玲, 梁树能, 周艳, 等.

国产高分卫星数据在高海拔地区地质调查中的应用潜力分析

[J]. 国土资源遥感, 2015, 27(1):140-145.doi: 10.6046/gtzyyg.2015.01.22.

DOI:10.6046/gtzyyg.2015.01.22      [本文引用: 1]

Chen L, Liang S N, Zhou Y, et al.

Potential of applying domestic high-resolution remote sensing data to geological survey in high altitudes

[J]. Remote Sensing for Land and Resources, 2015, 27(1):140-145.doi: 10.6046/gtzyyg.2015.01.22.

DOI:10.6046/gtzyyg.2015.01.22      [本文引用: 1]

何凯涛, 甘甫平, 王永江.

高空间分辨率卫星遥感地质微构造及蚀变信息识别研究

[J]. 国土资源遥感, 2009(1):97-99.doi: 10.6046/gtzyyg.2009.01.22.

DOI:10.6046/gtzyyg.2009.01.22      [本文引用: 1]

He K T, Gan F P, Wang Y J.

The ectraction of geological micro-structure and altered rock information with high-resolution satellite images in a small range

[J]. Remote Sensing for Land and Resources, 2009(1):97-99.doi: 10.6046/gtzyyg.2009.01.22.

DOI:10.6046/gtzyyg.2009.01.22      [本文引用: 1]

贺奋琴.

基于RS和GIS的水土流失因子提取与分析——以攀枝花市为例

[D]. 成都:成都理工大学, 2004.

[本文引用: 1]

He F Q.

Analysis and Extraction of soil and water loss factors based on RS and GIS——the case of Panzhihua City

[D]. Chengdu:Chengdu University of Technology, 2004.

[本文引用: 1]

荆凤, 陈建平.

矿化蚀变信息的遥感提取方法综述

[J]. 遥感信息, 2005(2):62-65.

[本文引用: 1]

Jing F, Chen J P.

The review of the alteration information extraction with remote sensing

[J]. Remote Sensing Information, 2005(2):62-65.

[本文引用: 1]

张远飞, 吴健生.

基于遥感图像提取矿化蚀变信息

[J]. 矿产勘查, 1999(6):604-606.

[本文引用: 1]

Zhang Y F, Wu J S.

Extraction of mineralization and alteration information from remote sensing images

[J]. Mineral Exploration, 1999(6):604-606.

[本文引用: 1]

沈利霞, 刘丽萍, 苏新旭, 等.

不同植被覆盖率地区遥感矿化蚀变提取研究

[J]. 现代地质, 2008, 22(2):293-298.

[本文引用: 1]

Shen L X, Liu L P, Su X X, et al.

Study on identification of altered wall-rock in areas of different vegetation coverages based on remote sensing

[J]. Geoscience, 2008, 22(2):293-298.

[本文引用: 1]

郑纬.

不同自然景观区的矿化蚀变信息检测与提取应用研究

[D]. 长沙:中南大学, 2011.

[本文引用: 1]

Zheng W.

Application Research on detection and extraction of mineralization and alteration information in different natural landscape areas

[D]. Changsha:Central South University, 2011.

[本文引用: 1]

郭志娟, 孔牧, 张华, 等.

适合地球化学勘查的景观划分研究

[J]. 物探与化探, 2015, 39(1):12-15.

[本文引用: 1]

Guo Z J, Kong M, Zhang H, et al.

Landscape division suitable for geochemical exploration

[J]. Geophysical and Geochemical Exploration, 2015, 39(1):12-15.

[本文引用: 1]

孙家抦. 遥感原理与应用(第二版)[M]. 武汉: 武汉大学出版社, 2009.

[本文引用: 1]

Sun J B. Remote sensing theories and application (Second Edition)[M]. Wuhan: Wuhan University Press. 2009.

[本文引用: 1]

贾永红. 数字图像处理(第二版)[M]. 武汉: 武汉大学出版社, 2010.

[本文引用: 1]

Jia Y H. Digital image processing (Second Edition)[M]. Wuhan: Wuhan University Press, 2010.

[本文引用: 1]

覃征, 鲍复民, 李爱国, 等. 数字图像融合[M]. 西安: 西安交通大学出版社, 2004.

[本文引用: 1]

Qin Z, Bao F M, Li A G, et al. Digital image fusion [M]. Xi’an: Xi’an Jiaotong University Press, 2004.

[本文引用: 1]

齐信, 邵长生, 陈州丰, 等.

多源遥感数据在断裂构造解译中的应用

[J]. 大地测量与地球动力学, 2012(32):90-93.

[本文引用: 1]

Qi X, Shao C S, Chen Z F, et al.

Application of multi-source remote sensing data in fault structure interpretation

[J]. Journal of Geodesy and Geodynamics, 2012(32):90-93.

[本文引用: 1]

陈曦, 刘严松.

遥感解译在钒钛磁铁找矿过程中的应用——以攀枝花地区为例

[J]. 矿物学报, 2013(s2):745-746.

[本文引用: 1]

Chen X, Liu Y S.

Application of remote sensing interpretation in vanadium titanium magnetite prospecting:The case of Panzhihua area

[J]. Acta Mineralogica Sinica, 2013(s2):745-746.

[本文引用: 1]

陈建平.

断裂构造解译质量的评价

[J]. 遥感信息, 1988(3):14-16.

[本文引用: 1]

Chen J P.

Evaluation of interpretation quality of fault structures

[J]. Remote Sensing Information, 1988(3):14-16.

[本文引用: 1]

王丽丽.

攀枝花市土地利用/覆被变化监测与时空演变分析

[D]. 成都:成都理工大学, 2010.

[本文引用: 1]

Wang L L.

Land use/cover change monitoring and spatial-temporal evolution analysis in Panzhihua City

[D]. Chengdu:Chengdu University of Technology, 2010.

[本文引用: 1]

聂洪峰, 袁崇桓, 刁淑娟, 等.

遥感技术在攀枝花地区土壤侵蚀调查中的应用研究

[J]. 国土资源遥感, 1996(3):15-21.doi: 10.6046/gtzyyg.1996.03.03.

DOI:10.6046/gtzyyg.1996.03.03      [本文引用: 1]

Nie H F, Yuan C H, Diao S J, et al.

The application of remote sensing technique in the survey of soil erosion in Panzhihua area

[J]. Remote Sensing for Land and Resources, 1996(3):15-21.doi: 10.6046/gtzyyg.1996.03.03.

DOI:10.6046/gtzyyg.1996.03.03      [本文引用: 1]

黄洁 .邵怀勇 .杨显华, 等. 四川省矿山开发遥感监测方式与实践[M]. 北京: 测绘出版社, 2013.

[本文引用: 1]

Huang J, Shao H Y, Yang X H, et al. Methods and practice on remote sensing monitoring of mine development in Sichuan Province[M]. Beijing: Surveying and Mapping Press, 2013.

[本文引用: 1]

李成尊, 聂洪峰, 汪劲, 等.

矿山地质灾害特征遥感研究

[J]. 国土资源遥感, 2005(1):45-48.doi: 10.6046/gtzyyg.2005.01.11.

DOI:10.6046/gtzyyg.2005.01.11      [本文引用: 1]

Li C Z, Nie H F, Wang J, et al.

A remote sensing study of characteristics of geological disasters in a mine

[J]. Remote Sensing for Land and Resources, 2005(1):45-48.doi: 10.6046/gtzyyg.2005.01.11.

DOI:10.6046/gtzyyg.2005.01.11      [本文引用: 1]

李聪.

遥感技术在水文地质勘查中的应用

[J]. 水利信息化, 2002(4):35-37.

[本文引用: 1]

Li C.

Application of remote sensing technology in hydrogeological exploration

[J]. Water Conservancy Informatization, 2002(4):35-37.

[本文引用: 1]

童立强, 安国英, 刘春玲, 等.

利用高分辨率遥感数据在水文地质调查中的应用

[C]. 深圳:区域遥感应用国际论坛, 2008.

[本文引用: 1]

Tong L Q, An G Y, Liu C L, et al.

Application of high resolution remote sensing data in hydrogeological survey

[C]. Shenzhen:International Forum on Regional Remote Sensing Applications, 2008.

[本文引用: 1]

郭庆十.

遥感技术在区域水文地质调查中应用研究

[C]. 南京:中国遥感应用协会暨区域遥感发展与产业高层论坛, 2010:4-6.

[本文引用: 1]

Guo Q S.

The application study of remote sensing technology in field hydrogeology survey

[C]. Nanjing:China Association of Remote Sensing Applications and Regional High Level Forum on Remote Sensing Development and Industry, 2010:4-6.

[本文引用: 1]

潘建永.

遥感技术在1:5万水文地质调查中的应用初探

[J]. 河北遥感, 2015(3):15-16.

[本文引用: 1]

Pan J Y.

Preliminary study on the application of remote sensing technology in 1:50000 hydrogeological survey

[J]. Hebei Remote Sensing, 2015(3):15-16.

[本文引用: 1]

尹显科, 黄洁, 刘智.

四川省红层丘陵区地下水遥感综合调查方法和成果

[J]. 四川地质学报, 2005, 25(1):35-40.

[本文引用: 1]

Yin X K, Huang J, Liu Z.

Methods and results of remote sensing geological survey for underground water in red beds hills,Sichuan

[J]. Acta Geologica Sichuan, 2005, 25(1):35-40.

[本文引用: 1]

卓宝熙. 工程地质遥感图像典型图谱[M]. 北京: 科学出版社, 1999.

[本文引用: 1]

Zhuo B X. Typical atlas of remote sensing image of geology engineering[M]. Beijing: Science Press, 1999.

[本文引用: 1]

卓宝熙. 工程地质遥感判释与应用[M]. 北京: 中国铁道出版社, 2011.

[本文引用: 1]

Zhuo B X. Remote sensing interpretation and application of geology engineering[M]. Beijing: China Railway Press, 2011.

[本文引用: 1]

冯东霞, 余德清, 龙解冰, 等.

地质灾害遥感调查的应用前景

[J]. 国土资源导刊, 2002, 21(4):314-318.

[本文引用: 1]

Feng D X, Yu D Q, Long J B, et al.

Application prospect of remote sensing survey of geological disasters

[J]. Land and Resources Guide, 2002, 21(4):314-318.

[本文引用: 1]

鲍巨才, 张秀敏.

常见地质灾害的遥感图像解译标志

[J]. 科技信息, 2011(10):798-799.

[本文引用: 1]

Bao J C, Zhang X M.

Remote sensing image interpretation signs of common geological disasters

[J]. Science and Technology Information, 2011(10):798-799.

[本文引用: 1]

倪恒, 刘翔宇.

高山峡谷地区的高精度地质灾害遥感解译方法研究

[J]. 南方能源建设, 2016, 3(2):146-151.

[本文引用: 1]

Ni H, Liu X Y.

Study on the method of high-precision geological hazard remote sensing interpretation of reservoir in the mountain and ravine region

[J]. Southern Energy Construction, 2016, 3(2):146-151.

[本文引用: 1]

刁淑娟, 刘春玲, 张涛 等.

基于SVM的湖泊咸度等级遥感信息提取方法——以内蒙古巴丹吉林沙漠为例

[J]. 国土资源遥感, 2016, 28(4):114-118.doi: 10.6046/gtzyyg.2016.04.18.

DOI:10.6046/gtzyyg.2016.04.18     

Diao S J, Liu C L, Zhang T, et al.

Extraction of remote sensing information for lake salinity level based on SVM:A case from Badain Jaran desert in Inner Mongolia

[J]. Remote Sensing for Land and Resources, 2016, 28(4):114-118.doi: 10.6046/gtzyyg.2016.04.18.

DOI:10.6046/gtzyyg.2016.04.18     

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发