数事技术与率用
算法分析
基于遗传算法的汶川河段地质灾害专题信息提取
蒋客1张伟2王石英
(1.四川师范大学地理与资源科学学院四川成都610101;2.四川省基础地理信息中心四川成都610081)
摘要:地震灾害具有定发性,伴随大量的次生地质灾害发生。大面积、快速、有效地提取地质灾害信息对灾情评估与防灾减灾至关重要。以汶川 Ms8.0地案骨景下的汶川河段为例,从基因编码、选择和交叉算子等切入,采用遗传算法对中分辨率遂感影像进行滑等地质灾害专题信息提取,检验精度为83.96%。其结果优于常规最大似然法，本算法适合于大面积、快速有效的地质灾害专题信息提取可为其余地区的地质灾害信息提取提供一定的参考
关键词：遗传算法中分辨率信息提取地质灾害汶川河段
中图分类号：TU473 1引言
文献标识码:A
汶川Ms8.0地震造成14个重灾县(市)发生崩塌、滑坡、泥石流等次生地质灾害约46560处，灾害总面积约687.1km如何快速定位次生地质灾害，研究其空间分别规律，对教灾和灾后重建工作意义重大。过去，地震灾害调查都依靠人工实地勘测，虽然该方法获取的数据精度高，但存在工作量大、效率低、费用高、信息不直观等不足闪。现代遥感技术的发展，广泛应用于地质灾害信息提取。地质灾害信息提取方法已经从最初的人工目视解译-发展到现在的向量机模型，面向对象方法围，基于多源数据的信息提取等7-"人工目视解译虽然在信息获取的精度和可靠性上具有优势，但工作量大、效率低、成本高，信息解译、汇集、整编所用时间长，难以满足应用上对时效性的要求"。向量机模型、面向对象方法等满足了地质灾害信息获取的时效性，但大都离不开高精度数据的支持。高精度数据因获取难度较大，成本较高，阻碍了这些方法的大范围应用。汶川地震后，大量研究利用通感技术，以高分辨率遥感影像或者高分辨率航片作为数据源9-1,对汶川地震地质灾害展开了遥感调查解译与应急评估。仍然存在解译工作量大，大量的中分辨率影像资源未得到充分使用的问题。
遗传算法因自组织、自适应、并行性和鲁棒性等特征，对一些大型复杂非线型系统，它更能表现出独特和优越的性能，在图像处理过程中得到广泛应用(13-15],它可对传统遥感图像特征选择算法进行优化，得到更高精度的解译结果，也能在背录复杂，受噪声点干扰的图像中提取各种主干道路和对遥感图像中土地覆蓄类型进行快速分类"，还能很好的支持中低分辨率遥感影像的处理"。本文以地囊引起的滑坡作为研究对象，选择帐江河谷汶川段为研究区，充分利用中分辨率遥感影像，采用C井语言进行遗传算法的设计，快速、大面积地进行地质灾害专题信息提取。结果表明，该方法可行，精度优于常规最大似然法。可为其余地区的地质灾害信息提取提供一定的参考。
2研究区概况和数据源
研究区位于眼江河谷汶川段，坐标103°17°25°～103°40°18
北向东南倾斜，断层发育，构造复杂。基岩挤压破碎严重，地层稳定性差，从新生界的第四系到元古界的黄水河群均有表露。眠江上游右岸一级支流的寿溪河流域两岸砂页岩地层风化较强烈，出露地层
01011|01100 110tl1o1
图1交叉前配对个体
文章编号:1007-9416(2014)03-0115-03
主要为古生界泥盆系浅海相碳酸盐建造，部分为中生界三叠系砂页岩及第四系松散堆积物，
研究数据来源于2008年12月的中巴卫星影像，空闻间分辨率为 19.5m。结合笔者实地调查威州至映秀段336个地质灾害记录资料， 1:1万汶川县震后影像图等局部高精度影像数据，汶川地震灾害通
感图集、地质灾害影像图集进行结果验证[20-21 3遗传算法的地质灾害专题信息提取
3.1染色体编码
以信息提取过程中滑坡信息光谱阔值作为对象，利用遗传算法进行搜索寻优。遗传算法优化过程中具有随机性，为避免过多的逻辑判断(如：05阅值下界5阔值上界s255等)，达到优化代码的目的，文中以各波段的上下阔值偏离样本聚类中心的偏移量作为解进行编码。基因编码通常有实数编码和二进制编码两种方式。本文采用二进制编码，这种方式可以在初始化种群时，根据样本聚类中心的大小确定缩码长度，避免上下国值越界导致算法期溃。
3.2适宜度函数
遗传算法寻优过程中，通过适宜度函数判断种群中个体的优劣程度。针对所需解决问题，选择合适的适宜度函数能够缩短算法收敛时间提高算法精度。本文中适宜度函数采用提取结果的类内离散度和样本聚类中心与结果聚类中心闻距离作为判断条件。样本点聚类中心与提取结果的聚类中心的距离越小，提取结果与样本越接近，提取结果的可靠性也就越高，则适宜度越高，提取结果的类内离散度越小，适宜度越高2
样本聚类中心与提取结果的聚类中心之间的距离，采用欧式距离进行度量，
D =V(R R)+(G G,) +(B B,)
(1)
式(1)中,D表示样本聚类中心与提取结果的聚类中心的欧式距离。(R,G,B,)为样本聚类中心(R,,G,,B,)为提取结果聚类中心。
提取结果中各像元点到聚类中心的距离的标准差作为类内离散度，用于度量适宜度的优劣。提取结果的类内离散度的计算公式如下：
S=
ootltoto 01011|01100
图2交叉后新个体
D[]-D
(2)
0101100101 010110101
图3变异过程示意图
基金项目：四川师范大学灾后重建专项研究基金项目“多源数据支持下的震后次生灾害评估研究"(08ZX30)。作者简介：蒋容(1986一),女,颈士研究生,助教,从事测绘实验技术、GIS技术与LUCC方面的研究
115