摘要:
以“5·12”汶川地震、“4·20”蘆山地震和“6·18”寧南特大山洪泥石流等地質(zhì)災(zāi)害為例，在 ArcGIS環(huán)境下采用 ArcMap 軟件與 Python 腳本開(kāi)發(fā)相結(jié)合的方式，利用多時(shí)期無(wú)人機(jī)影像進(jìn)行災(zāi)害樣本的采集，批量處理多種災(zāi)害樣本，從而建立對(duì)應(yīng)的無(wú)人機(jī)影像災(zāi)害樣本庫(kù)。

關(guān)鍵詞ArcGIS；無(wú)人機(jī)；地質(zhì)災(zāi)害；樣本庫(kù)

1 引言

20 世紀(jì) 90 年代以來(lái)，受人類活動(dòng)和全球化的影響，地質(zhì)災(zāi)害越發(fā)嚴(yán)重，地質(zhì)災(zāi)害發(fā)生的規(guī)模、數(shù)量和分布范圍呈上升趨勢(shì)。2008 年“5·12”汶川特大地震后，由于地質(zhì)結(jié)構(gòu)被破壞，加之惡劣天氣的影響，滑坡和泥石流等次生災(zāi)害在很長(zhǎng)一段時(shí)間內(nèi)影響著震區(qū)，這些地質(zhì)災(zāi)害不僅直接或者間接地危害人民群眾生命、財(cái)產(chǎn)安全，還會(huì)給社會(huì)和經(jīng)濟(jì)建設(shè)造成巨大的損失。利用遙感技術(shù)獲取災(zāi)區(qū)影像已成為災(zāi)后獲取災(zāi)害信息的重要手段，無(wú)人機(jī)遙感技術(shù)時(shí)效性強(qiáng)、使用成本低、起降方式靈活多樣、影像分辨率高等優(yōu)勢(shì)，使其在地質(zhì)災(zāi)害應(yīng)急救援工作中具有廣闊的應(yīng)用前景和發(fā)展前途。近幾年，相關(guān)應(yīng)急救災(zāi)部門(mén)已經(jīng)具備在災(zāi)后第一時(shí)間獲取地質(zhì)災(zāi)害現(xiàn)場(chǎng)的無(wú)人機(jī)影像的能力。Python是一門(mén)解釋型語(yǔ)言，因其不需要編譯和鏈接的時(shí)間，所以能夠節(jié)省開(kāi)發(fā)時(shí)間，解釋器可以交互式使用，同時(shí)能夠很方便地測(cè)試語(yǔ)言中的各種功能，便于編寫(xiě)發(fā)布用的程序，具有開(kāi)源、模塊豐富、面向?qū)ο?、面向過(guò)程等特性，能夠與 ArcGIS 軟件很好地結(jié)合使用^[3]。從 ArcGIS9.0 開(kāi)始，我們就可以使用 Python, 并把它作為首選腳本語(yǔ)言^[4]，實(shí)現(xiàn)空間數(shù)據(jù)的自動(dòng)化批量處理，從而起到簡(jiǎn)化流程，提高工作的自動(dòng)化程度的作用^[2]。本文介紹一種在 ArcGIS環(huán)境下，結(jié)合 Python 腳本開(kāi)發(fā)的方式，利用歷史系列無(wú)人機(jī)影像快速批量建立地質(zhì)災(zāi)害樣本庫(kù)的方法，該樣本庫(kù)可為后續(xù)災(zāi)害識(shí)別提供基礎(chǔ)的訓(xùn)練數(shù)據(jù)支持，一定程度上改善了樣本數(shù)據(jù)采集僅停留在人工解譯層面的現(xiàn)狀。

2 研究區(qū)與實(shí)驗(yàn)數(shù)據(jù)

根據(jù)現(xiàn)有數(shù)據(jù)情況確定的研究區(qū)包括：2008 年汶川地震受災(zāi)的汶川縣、北川縣、安縣、綿竹縣及都江堰市；2010 年寧南泥石流受災(zāi)的涼山州寧南縣；2013年蘆山地震受災(zāi)的蘆山縣、寶興縣、天全縣以及雨城區(qū)。研究區(qū)內(nèi)涉及滑坡、泥石流、房屋倒塌、斷路斷橋、洪澇等災(zāi)害，且災(zāi)害大多分布于山區(qū)，影像數(shù)據(jù)為災(zāi)后高分辨率無(wú)人機(jī)遙感影像，影像覆蓋面積總計(jì)644.59 平方千米。研究區(qū)范圍和數(shù)據(jù)覆蓋情況見(jiàn)圖 1。

3 災(zāi)害影像樣本采集

3.1 基于 Python 的災(zāi)害樣本采集方法的建立

Python 為腳本開(kāi)發(fā)語(yǔ)言，因?yàn)?Python 簡(jiǎn)單易操作，功能齊全，通過(guò) Python 調(diào)用 ArcGIS 的一些功能的開(kāi)發(fā)方式在復(fù)雜的數(shù)據(jù)處理等方面有很大的優(yōu)勢(shì)^[1]。本文利用 ArcGIS 提供的 Python 站點(diǎn)包 ArcPy，實(shí)現(xiàn)了系列無(wú)人機(jī)影像災(zāi)害點(diǎn)樣本數(shù)據(jù)的自動(dòng)批量裁剪。具體實(shí)現(xiàn)方法是：基于 Python 編寫(xiě)好的腳本文本在ArcGIS 中創(chuàng)建自定義 Arctoolbox 工具，首先配置工作空間，如圖 2 所示：工作空間下有 images 文件夾，用于存放災(zāi)害的原始影像，支持系列無(wú)人機(jī)影像；points 文件夾用于存放災(zāi)害點(diǎn)矢量數(shù)據(jù)，該矢量數(shù)據(jù)為災(zāi)害點(diǎn)的位置數(shù)據(jù)，字段信息需包含災(zāi)害類型、樣本大小等相關(guān)用于腳本語(yǔ)言讀取的字段；samples 文件夾用于存放生成的災(zāi)害樣本數(shù)據(jù)；tool 文件夾存放ArcGIStoolbox 工具箱，并將此目錄關(guān)聯(lián)到 ArcGIS中。工具的關(guān)聯(lián)和參數(shù)設(shè)置如圖 3 所示。在 ArcGIS toolbox 工具箱下添加一個(gè)新的 Toolbox （ New Toolbox），在 Toolbox 中可添加腳本工具，Add 一個(gè)新的 Script，這個(gè)新增加的 Script 工具可以和 Python文件關(guān)聯(lián)，在 Script File 中選擇影像樣本裁剪所需的 py 文件，創(chuàng)建用于樣本裁剪的 clip raster 工具。

3.2 采集災(zāi)害樣本基于收集到的無(wú)人機(jī)影像，進(jìn)一步通過(guò)目視解譯的方法，完善專題資料上沒(méi)有的災(zāi)害點(diǎn)信息。用與ArcGIS 建立災(zāi)害點(diǎn)數(shù)據(jù)，并將具有災(zāi)害點(diǎn)的影像圖存放在工作空間的 images 文件夾下，點(diǎn)擊 clip raster工具，在出現(xiàn)的界面下路徑文件選擇建立好的工作空間 Clip 即可對(duì)影像進(jìn)行自動(dòng)裁剪如圖 4 所示，批量處理得到各類災(zāi)害樣本，并制作地質(zhì)災(zāi)害范圍圖層。

基于 Python 的災(zāi)害樣本采集方法的建立，與其他的樣本采集方法相比更為方便。根據(jù)實(shí)地和受災(zāi)范圍的大小來(lái)對(duì)每種災(zāi)害類型的樣本大小統(tǒng)一進(jìn)行設(shè)置，自動(dòng)采集好災(zāi)害樣本后，在 samples 里查看每種類型的災(zāi)害樣本大小采集的是否合適、樣本的可辨度是否高，如果不合理，可以重新設(shè)置樣本大小來(lái)重新采集，直到每種災(zāi)害類型的樣本都清晰可見(jiàn)，并且可辨度高。樣本具體制作流程如圖 5 所示。

4 樣本數(shù)據(jù)庫(kù)

4.1 樣本數(shù)據(jù)庫(kù)的建設(shè)

數(shù)據(jù)庫(kù)的建設(shè)是管理信息資源最有效地手段，對(duì)于某一目的的應(yīng)用環(huán)境，構(gòu)建最優(yōu)的數(shù)據(jù)庫(kù)模式。建立數(shù)據(jù)庫(kù)一方面不僅能有效地存儲(chǔ)數(shù)據(jù)，另一方面還能滿足用戶信息要求和處理要求，使用戶更顯而易見(jiàn)地了解到樣本的各方面的數(shù)據(jù)信息。本次樣本數(shù)據(jù)庫(kù)的建設(shè)，按照成果要求和相關(guān)規(guī)范，制定了災(zāi)害點(diǎn)屬性信息采集標(biāo)準(zhǔn)及相應(yīng)的規(guī)范格式，并確定災(zāi)害相關(guān)信息的編碼規(guī)范；最后按照成果要求進(jìn)行入庫(kù)，入庫(kù)成果包括災(zāi)害樣本影像數(shù)據(jù)、地面照片、災(zāi)害點(diǎn)矢量數(shù)據(jù)、災(zāi)害范圍矢量數(shù)據(jù)和屬性信息數(shù)據(jù)表，形成災(zāi)害樣本數(shù)據(jù)庫(kù)，如圖 6 所示。

4.2 樣本數(shù)據(jù)庫(kù)表格的設(shè)計(jì)

遙感解譯樣本數(shù)據(jù)主要包括災(zāi)害樣本影像數(shù)據(jù)、實(shí)地照片、災(zāi)害點(diǎn)矢量數(shù)據(jù)、災(zāi)害范圍矢量數(shù)據(jù)和災(zāi)害屬性信息數(shù)據(jù)表。樣本數(shù)據(jù)要求影像紋理清晰、地物特征明顯；影像紋理和光譜信息豐富、色調(diào)均勻、反差適中。建立災(zāi)害樣本數(shù)據(jù)的工作量是非常龐大的，它需要合理組織樣本數(shù)據(jù)庫(kù)。為了能快速方便地查詢獲取樣本數(shù)據(jù)及其基本信息，系統(tǒng)應(yīng)當(dāng)按照不同地質(zhì)災(zāi)害類型建庫(kù)，把同種地災(zāi)類多時(shí)相、多來(lái)源、不同分辨率等的樣本數(shù)據(jù)存放在一張表中，而把其他地類樣本放在另一張表中。將所采集的樣本數(shù)據(jù)輸入到數(shù)據(jù)庫(kù)中，建立每種類別的多時(shí)相、多分辨率、多來(lái)源的樣本影像數(shù)據(jù)庫(kù)。建立遙感解譯樣本數(shù)據(jù)庫(kù)必須考慮行政區(qū)位、日期、影像來(lái)源、紋理、形狀與地形等特征，這不僅僅是簡(jiǎn)單地將所有樣本影像堆積，而是必須按照樣本影像的類別進(jìn)行分類存放，同時(shí)存儲(chǔ)這些影像的元數(shù)據(jù)及其描述信息。災(zāi)害屬性信息數(shù)據(jù)表中包含災(zāi)害名稱、影像源、日期、行政區(qū)位、經(jīng)度、緯度、誘發(fā)因素、險(xiǎn)情級(jí)別、圖幅號(hào)、樣本大小、光譜特征、形狀特征、紋理特征、地形類型。遙感解譯樣本數(shù)據(jù)庫(kù)基本結(jié)構(gòu)示例如圖 7所示。

4.3 樣本數(shù)據(jù)庫(kù)示例

災(zāi)害樣本數(shù)據(jù)整理，是以實(shí)地照片及其屬性信息為基礎(chǔ)，獲取災(zāi)害樣本影像及相關(guān)屬性信息，從而建立災(zāi)害樣本數(shù)據(jù)庫(kù)。樣本數(shù)據(jù)庫(kù)示例如圖 8 所示。

4.4 樣本數(shù)據(jù)庫(kù)的檢查與更新

遙感解譯影像樣本數(shù)據(jù)庫(kù)也需要進(jìn)行后期檢查,結(jié)合影像庫(kù)進(jìn)行各項(xiàng)專業(yè)信息提取,并對(duì)其獲取的專業(yè)信息成果進(jìn)行檢查,同時(shí)還能夠利用 GPS 輔助外業(yè)檢查,運(yùn)用之前提取的成果檢查樣本庫(kù),及時(shí)更新以保持?jǐn)?shù)據(jù)的正確性與有效性。遙感解譯影像樣本數(shù)據(jù)庫(kù)是某個(gè)時(shí)期該地區(qū)的遙感樣本影像,對(duì)于不同年份應(yīng)依照收集的資料情況建立不同年度的樣本影像庫(kù),以保證樣本影像庫(kù)的時(shí)效性。

5 結(jié)束語(yǔ)

在具體工作實(shí)踐中常常需要根據(jù)特定的專業(yè)業(yè)務(wù)需要定制適合解決問(wèn)題的地理處理工具，Python與 ArcGIS 的結(jié)合，使得問(wèn)題變得簡(jiǎn)單，操作也變得簡(jiǎn)單，處理問(wèn)題也變得比較方便容易一些，所以Python 在 ArcGIS 地理處理框架中占據(jù)非常重要的位置。ArcGIS 環(huán)境下的系列無(wú)人機(jī)影像災(zāi)害樣本庫(kù)建設(shè)，在裁剪樣本的過(guò)程中提高了速度，并且可以批量處理多種災(zāi)害樣本，節(jié)約了時(shí)間的同時(shí)也大大減少了人力；數(shù)據(jù)庫(kù)的成功建設(shè)，不僅有助于我們清晰地了解災(zāi)害信息，而且可為后一步的災(zāi)害識(shí)別工作提供基礎(chǔ)的訓(xùn)練數(shù)據(jù)支持。

參考文獻(xiàn)：

[1] 丘恩. Python 核心編程（第 2 版）[M]. 北京：人民郵電出版社，2008.

[2] 焦洋，鄧鑫，李勝才. 基于 Python 的 ArcGIS 空間數(shù)據(jù)格式批處理轉(zhuǎn)換工具開(kāi)發(fā)[J]. 現(xiàn)代測(cè)繪，2012，35（3）：54-55.

[3] 馬衛(wèi)春，楊友長(zhǎng). 基于 Python 的 ArcGIS Server 地圖瓦片定時(shí)自動(dòng)更新方法[J]. 地理空間信息，2013， 11（2）:147-149.

[4] 田學(xué)志. 基于 Python 的 ArcGIS 地理處理應(yīng)用研究[J].計(jì)算機(jī)光盤(pán)軟件與應(yīng)用，2013，（7）.

來(lái)源：測(cè)繪第37 卷第 6 期