2017-08-08T21:19:46四川省九寨沟县发生7.0级地震，震中位于九寨沟核心景区内（33.20ºN，103.82ºE）。地震受灾面积超过4 000 km²（Ⅶ度及以上烈度区），由于地震震级高、震源浅、烈度大，加之地震区地质环境脆弱，地震触发了数千处崩塌、滑坡灾害，对九寨沟熊猫海等旅游景观和景区道路造成较严重破坏，对九寨沟自然景观和生态环境造成较大影响^[1-2]，九寨沟地震灾区地质灾害防治与生态环境保护需求迫切。

九寨沟地震区由于山高路险、植被茂密，仅靠人工地面排查和群测群防难以全面发现灾害隐患。人工地面排查不仅工作强度大、效率低，而且无法企及地形高陡的山顶部位。卫星光学遥感影像数据受山区云雾遮挡严重，且分辨率相对较低，规模较小的崩滑灾害不易识别。由于茂密的植被遮挡，无人机低空摄影航拍几乎无法识别林下灾害，只能获取同震造成的裸露地表灾害。受茂密植被影响，九寨沟景区合成孔径雷达干涉测量（interferometric synthetic aperture radar, InSAR）差分干涉失相干较为严重^[3]，免费的先进对地观测卫星（Advanced Land Observing Satellite, ALOS）PALSAR-1数据和Sentinel-1数据无法用于九寨沟景区地质灾害形变识别与分析。多种地质灾害调查手段在九寨沟地区实施困难并存在缺陷。由此，对九寨沟地震区地质灾害的类型、特征以及分布规律的认识还不够系统，对其潜在风险难以准确评估与预测，亟需新的技术方法解决复杂地形高植被覆盖山区地质灾害识别的技术难题。机载激光雷达（light detection and ranging，LiDAR）是一种新型主动式航空传感器，能够直接获取观测区域的三维表面坐标和光学影像，通过LiDAR多次回波技术可“穿透”地面植被，通过滤波算法有效去除地表植被的影响，获取真实地面高程数据信息^[4-5]，为植被覆盖山区地质灾害隐患识别提供了新的解决方案，尤其是发现历史上的古老滑坡，或曾经活动过但又没有整体滑动以及因地震等强烈作用形成的震裂山体。这些受过“损伤”的山体在长期重力或外界因素作用下（如河流侵蚀、强降雨等），容易重新发生滑坡，因而成为重大地质灾害隐患点。

为了尽快完成九寨沟地震灾区的恢复重建，四川省自然资源厅启动了九寨沟地震灾后恢复重建地质灾害防治遥感测绘调查项目，根据灾后恢复重建总体规划中“充分运用航空航天遥感等先进技术，提升隐患动态发现能力”要求，以及以InSAR、LiDAR、无人机倾斜摄影测量等为代表的现代测绘遥感技术在九寨沟地震区的综合应用，为地质灾害的监测、分析、评估、预报及控制等工作提供新的技术手段或技术支持。整个项目由四川测绘地理信息局组织负责，机载雷达数据获取地震烈度Ⅷ度及以上烈度区，累计获取面积1 840 km²。其中九寨沟景区、公路沿线以及背靠大山的人口聚居区等重点区域240 km²，获取高密度激光点云数据；其他区域作为一般调查区，激光采样点密度适当降低。本文利用熊猫海核心景区50 km²范围的试生产数据开展地质灾害的解译分析。

1 研究区概况

九寨沟位于四川省西北部的岷山山脉南段的阿坝藏族羌族自治州九寨沟县漳扎镇境内，地处岷山南段弓杆岭的东北侧，坐标为100˚30΄E~104˚27΄E，30˚35΄N~34˚19΄N，距离成都市400余km，系长江水系嘉陵江上游白水江源头的一条大支沟。九寨沟自然保护区地势南高北低，山谷深切，高差悬殊。北缘九寨沟口海拔仅2 000 m，中部峰岭均在4 000 m以上，南缘达4 500 m以上，主沟长30多km。九寨沟是世界自然遗产、国家重点风景名胜区、国家级旅游景区、国家级自然保护区、国家地质公园、世界生物圈保护区网络，也是中国第一个以保护自然风景为主要目的的自然保护区。九寨沟已成为中国最重要的旅游目的地之一，年平均接待游客超过500万人。

此次地震最高烈度为Ⅸ度，整个景区及外围缓冲区均位于烈度为Ⅶ到Ⅸ度的强度影响范围内（见图 1）。

2 数据与方法

九寨沟地震灾后恢复重建地质灾害防治遥感测绘调查项目规划获取1 840 km²机载LiDAR点云数据，该计划从2018年开始将持续进行到2020年。截至2019年初已实际获取九寨沟核心景区约240 km²数据，范围见图 2，且已开展熊猫海至箭竹海区域约50 km²地质灾害严重区域的地质灾害调查工作。研究区机载LiDAR数据是采用高原加强版小松鼠有人直升机，搭载徕卡ALS80-HP型机载LiDAR系统和飞思相机，在飞行员的操作下实现变高飞行，获取的激光点云数据平均密度优于50点/m²，光学影像分辨率优于0.2 m，最大限度地保证了地质灾害信息的有效获取。

获取机载LiDAR数据的具体流程为：（1）资料准备。准备测区的基础地理信息、通信、气象、地面基站分布、飞行区域地形类别、地面植被覆盖类型、已有数字地面模型、数字正射影像等数据，实地踏勘以获取相关资料及信息。（2）航线规划。根据前期获取的测区基本信息和基本资料，依据成果精度指标，制定航拍技术方案，为保证点云数据质量和精度，对高位远程地质灾害易发、频发区域的基站布设情况做到重点分析、重点规划，对无法满足点云精度要求的区域架设移动基站。对于点云密度无法满足地质灾害识别要求的重点区域，降低飞行高度以获取更高密度和更高分辨率的机载LiDAR数据。（3）系统检校。开展仪器设备检校，检查激光扫描仪获取的点云密度是否符合技术规定要求，并记录可回波次数、扫描角度、扫描频率等信息。再次确定位置与姿态测量系统（position and orientation system, POS）、地面接收机、数码相机是否满足本测区技术规范要求^[6-8]。开展飞行检校，进一步消除误差，按照既定的航摄方案进行点云数据获取。

机载LiDAR数据预处理流程为：（1）对机载GPS数据做后差分处理形成高精度POS成果数据，并联合激光测距数据解算生成三维离散点云数据。（2）开展数据预处理工作，检验数据精度，如精度不满足指标要求，需进行补测工作。（3）对初步检验合格的数据进行去噪滤波、剔除植被和人机交互等处理，得到分类后的点云成果数据。（4）根据点云分类成果，采用1985国家高程基准进行坐标转换，生成数字表面模型（digital surface model，DSM）和数字高程模型（digital elevation model，DEM）。同时，基于机载同步影像生成数字正射影像图（digital orthophoto map，DOM）。

数据处理采用业内通用的芬兰TerraSolid软件，经过数据去噪、滤波、航带平差、点云分类、构建DEM等操作，制作了分辨率优于0.5 m的高精度DEM。

3 机载LiDAR数据采样密度分析

激光点云采样密度是数据获取和灾害解译中一项非常重要的参数，它决定了采样数据的分辨率，同时也是控制项目工期和资金成本的重要因素。本文获取机载LiDAR数据的目的是解译地质灾害，这与地形测量的要求有着本质的不同。查阅国内外相关技术文献，并未找到明确的关于地质灾害识别的点云采样密度的相关规范要求，地质灾害识别的相关文献在此方面也无深入论述，可参考的资料极度缺乏。查阅文献发现2013年学者Lin对不同分辨率的DEM数据和高精度LiDAR数据进行对比分析，结果表明地貌学研究的最佳空间分辨率是0.5 m，低于该分辨率会错漏地貌特征，而超过该分辨率并未带来明显变化^[9]。这一论断是针对地貌学开展的宏观研究，而不是完全针对地质灾害的识别分析，但也具有重要的参考价值。目前，关于机载LiDAR数据获取的技术规范主要有应用于基础测绘的《机载激光雷达数据获取技术规范》（CH/T 8024-2011），在其§4.1中给出了点云密度与DEM网格密度的对应关系（见表 1），提出了机载LiDAR获取的点云数据密度应满足内插DEM数据的需求，平坦地区点云密度适当放宽，地貌破碎地区适当加严。

表 1给出了机载LiDAR基础测绘中的点云密度要求，是按照不大于1/2 DEM成果网格间距计算点云密度。这一经验算法没有考虑地面植被覆盖情况，因为植被的茂密程度会直接影响激光的“穿透”能力，这将决定穿过植被达到地面的点云密度。换言之，这个技术规定是按照经验综合考虑的采样点密度。为了更好地解决地质灾害识别的点云采样密度问题，在数据分辨率和技术成本之间找到最优的平衡点，本文做了大量的测试与分析工作。针对九寨沟茂密的原始森林覆盖条件，核心景区试生产获取的原始激光点云平均密度为52.5点/m²，经植被过滤后获取的地面点平均密度为10.1点/m², 其植被穿透的比率为19.24%。也就是说，如果要想达到DEM滤除植被后1:500比例尺要求的0.5 m格网间距，原始点云数据密度要在20点/m²左右。另外，考虑到机载LiDAR设备的大高差山区高程定位精度在10~20 cm范围，如果一味地追求点云密度也是不合理的。在目前的雷达硬件精度条件下，应该确实存在超过某一分辨率将不会给DEM带来明显细节变化这一结论。综合数据采集成本、地质灾害解译需求、区域地貌和植被条件等因素，针对九寨沟地质灾害的激光点云采样密度给出如下建议：

1）核心景区灾害详查区域激光点云采集按照基础测绘1:500比例尺获取，采样点云密度不低于20点/m²；对于植被稀疏或数据采集困难区域，点云采样密度可适当降低，但建议不低于10点/m²。光学影像分辨率不低于20 cm。

2）对于大范围灾害普查区域，激光点云采集按照1:1 000比例尺获取，采样点云密度不低于5点/m²；光学影像分辨率不低于20 cm。

3）对于崩塌、滑坡地质灾害单点调查，尤其是无人机载LiDAR平台，激光采集点云密度不低于50点/m²；光学影像分辨率不低于10 cm。

4）对于泥石流灾害调查，激光点云采集可参照1:10 000比例尺；大型滑坡灾害调查激光点云采集可参照1:1 000~1:2 000比例尺；崩塌、小型滑坡灾害调查激光点云采集参考1:500比例尺。

4 区域地质与地貌条件解译

本次灾害解译首先考虑区域地质与地貌条件的解译，主要包括了地层岩性、地质构造和岩体结构特征3个方面。由于九寨沟区域植被茂密，地表裸露基岩较少，地层岩性解译主要参考了1:50 000区域地质图并结合岩体结构发育特征进行了修正；地质构造和岩体结构结合光学影像和激光点云生成的DEM综合解译完成。

4.1 地层岩性解译

研究区域地层岩性解译确实存在较大困难，最主要原因是茂密植被遮挡，裸露地面非常少，而地层岩性遥感判译本身就存在随机性、模糊性和多解性。岩性判译标志变化主要决定于内在因素和外在因素。内在因素主要为岩石地层的成分、结构和构造。成分较大程度上决定了岩石地层的颜色和风化剥蚀作用特征。岩石地层的结构和构造，如颗粒大小、均匀度、有无定向或层理构造，这些将影响岩石地层的抗风化能力，是影响微地貌发育的一个重要因素。影响岩石地层判译的外在因素包括岩体结构产状、裂隙、人类活动、气候条件、水流冲刷等。

区域地质资料显示研究区主要为沉积岩，区内地层岩性为：（1）泥盆系灰岩；（2）石炭系灰岩板岩互层，灰岩夹砂岩；（3）二叠系灰岩；（4）三叠系灰岩。解译过程主要是先通过DEM分析沉积岩的岩层层面特征，确定该区域地质沉积规律，由此判定岩层界限的分布形态；再由植被发育、地貌陡缓变化、光学影像色彩和区域地质图中给出的地层界限，综合修订而确定岩层分界线，其解译成果如图 3所示。

4.2 地质构造解译

九寨沟地处四川省西部地槽区岷山山脉北段的复背斜上，其西、北、南3面均有明显的断裂带，构成复杂，属新构造运动强烈区，由一系列复背斜或复向斜构成，形成了一系列北东向和南北向的构造体系^[10]。该区位于秦岭东西向构造带南缘，松潘-甘孜褶皱系东侧，南与龙门山北东向构造带相邻，3级不同方向构造线形成向南凸出的弧形弯曲，而九寨沟即处在构造线弯曲的顶端，并主要受南北向构造断裂控制。区内构造总体上表现为形态较复杂的复向斜构造，岩层褶曲强烈，岩层破碎，构造裂隙发育。

研究区内原始森林覆盖、植被茂密，传统的光学遥感和地面构造调查都存在较大困难^[11-13]。对于机载LiDAR技术，利用其激光多回波技术有效剔除地表植被影响，清晰准确地反映地面三维形貌特征，对区域构造断裂的识别效果佳，可以有效识别大、中、小型各类地质构造问题，弥补光学遥感难以识别小型构造的缺陷^[14-16]。利用机载雷达激光点云生成的DEM确定构造的类型、位置、性质和破裂带规模等，可以大大提高识别准确性和效率。构造判译过程遵循先宏观后微观的原则，光学影像与DEM融合识别。需注意构造与地层关系，特别关注岩层层序和连续性，以便识别岩层的不整合接触关系及褶皱构造。本文研究区范围较小，褶皱等构造现象不发育，主要以断裂构造判译为主。断裂构造形态判译标志一般呈条带状展布，这些线性构造的形态特征大多可直接作为判译标志，但有些情况只能作为间接标志，也需根据经验具体判断。断裂构造形态直接判译标志主要包括：（1）破碎带迹象明显。在DEM三维影像中形态明显与周围山体基岩区别，其由于风化剥蚀的物理作用，多呈负地形，具粗糙感，具有一定宽度。在九寨沟区域，因植被遮挡原因，光学影像判译存在一定困难。（2）地质体不完整，被切断或者错开，表现为岩层、岩脉、褶皱、不整合面、侵入体等迹象。另外，断裂活动往往造成两侧地层牵引错动、河流转向，这也是反映断裂活动、构造应力特征的主要表征。（3）在沉积岩地区，岩层的重复或者缺失也是断层判译的重要标志。（4）断裂构造形态的间接构造标志较多，需要细心甄别。比如线性负地形的出现，断层三角面、断层崖、断层垭口、串珠状盆地等间接地面形态，这些特征往往具有明显的方向性和延续性，而且与附近的地形和水系不相协调，岩层产状沿着特定方向剧烈变化，沉积岩岩相的线性突变，侵入体、松散沉积物等线性或带状分布，山脊线、夷平面错动、水系变化及串珠状泉水发育等^[17]。本文根据以上方法解译明显断裂带7条（见图 3），其光学影像和机载LiDAR数字格网模型影像对比见图 4。

4.3 岩体结构特征解译

岩体是指由岩块和分割它们的不连续面或结构面组成的地质体，而岩体结构是结构面在空间分布与产出状态的组合。岩体结构表征了边坡的地质性质和力学性状，是岩质高边坡工程地质问题的重要控制因素。在传统的卫星光学影像遥感解译中，岩体结构的解译往往定性成分居多，而对于机载LiDAR技术而言，可以在很大程度上实现岩体结构的定量提取。当然，无人机倾斜摄影测量和近景摄影测量也可以进行定量的裸露岩体结构调查分析，植被遮挡下则无法开展相关工作。显而易见，当遥感技术能够获取高分辨率的三维空间影像后，岩体结构的调查就变得简单而且快捷。三维空间数据“刻画”客观世界物体特征，其是带有灰度信息（或彩色信息）的海量点坐标。在点云或网格模型数据中，岩体结构面被抽象为数以百万计的三维坐标点或者面，其空间几何特征信息赋存其中，这些三维信息包含着岩体结构几乎所有的外部几何特征，但又有别于原型。需要对点云数据所重建的虚拟岩体结构面进行识别与提取。对于岩体结构面的判识要根据数据质量、岩体结构面发育特征综合分析，要有针对性地采用直接判识和间接判识相结合的办法。能够进行直接判识的岩体结构面，其三维特征明显，结构面平直，产状稳定，几何特征上常常表现为一个规整的平面，易于在三维空间图像上进行准确识别（见图 5）。需要间接判识的结构面三维数据中几何特征不明显，出露迹线规模一般较小，结构面闭合，产状有一定变化，地表出露的“面”较小或没有。这类结构面需要仔细观察，可以根据成组出现的特征进行对比分析，根据特征明显的结构面对其进行类比判识（见图 6）。

结构面除人工目视解译识别外，也可以通过相关分析程序自动或者半自动完成识别，如Maptek I-Site_Studio激光点云分析软件针对矿山调查开发的岩体分析包可以实现结构面的自动提取与分析。九寨沟区域在山体顶部陡崖段有部分完整的结构面出露，剩余大部分区域植被覆盖、坡积物发育，很少有基岩出露。鉴于研究区岩体主要为灰岩，结构面出露特征明显，因此采用软件的自动提取分析功能完成岩体结构调查。结构面识别提取时，首先人工选择代表性的某组结构面中的一条，程序会自动根据人工交互参数将其余本组结构面搜索识别出来，然后人工依次选择其他组结构面进行识别，直至所有结构面完成搜索识别。本文研究区岩体结构识别准确率非常高，能达到90%左右。对这些识别出来的结构面，程序可以自动计算每条结构面产状，也可以进行优势产状的统计分析，包括地质上常用的走向、倾斜玫瑰花图、结构面的赤平投影图等，由此可以快速便捷地获得该区域岩体结构的发育分布特征，分析得到准确的岩体结构面优势产状数据，甚至还可以分析每组结构面的平均间距，这些基础数据可以为地质灾害识别分析提供基础资料，为危岩体体积方量预测、控制边界的评价提供支撑。

5 地质灾害解译

本文主要利用机载激光数据和同轴光学相机影像联合解译地质灾害。根据九寨沟地震区地质灾害发育特点，解译工作主要分为3个层次：（1）利用LiDAR的植被“穿透”能力，主要识别已经发生的不良地质现象，如古滑坡堆积体、崩塌堆积体、泥石流物源；（2）利用优于0.2 m的高分辨率光学影像识别同震地质灾害，主要以中小型崩滑灾害为主。由于“8·8”九寨沟地震诱发的灾害新近发生，灾害边界特征在光学影像中清晰明确，易于识别。（3）综合应用LiDAR、光学影像联合解译重大地质灾害隐患。这些隐患在地震中虽未失稳或发生明显形变迹象，但其具备发生大型灾害的基本地质条件和明确的威胁对象，有进一步发展的潜在趋势，及早发现并开展地面复核确认及专业监测工作具有重要意义。

5.1 历史已发生不良地质现象解译

不良地质现象的解译主要以崩滑堆积体和泥石流物源为主。

崩塌一般发生在陡峻山崖或者斜坡上部，多由节理裂隙发育的坚硬岩体组成，崩塌失稳后堆积于斜坡坡脚平缓地段，往往表面植被发育。其解译标志主要包括：多呈锥状、楔形、三角形、舌形等堆积于坡脚，表面坡度一般在30°~40°之间；纵断面沿斜坡坡向呈凹形、直线形等带状展开，横断面呈凸起状；光学特征往往表现为灰白色、浅灰色；如有植被发育，植被较周边环境相对要矮小均匀。研究区内典型崩塌堆积体特征如图 7所示。

自然界中的斜坡形变复杂且又经过地质历史长期改造，滑坡解译需要了解其形成的规律及地质演变历史。但对于大多数古滑坡而言，综合光学影像和三维空间格网数据，根据其独特的地貌形态还是比较容易辨识。滑坡堆积体的判译特征总结如下：三维形态多呈现舌形、圈椅状，其滑坡要素包括滑坡壁、滑坡台坎、滑坡舌、后缘和侧缘裂缝、后缘洼地、前缘鼓丘等迹象。另外，光学影像上面的一些马刀树、醉汉林也是识别的重要标志。还有山区中垄丘、洼地和阶地错断或者不连续、谷坡不对称、沟槽改道、沟谷断头或者地形异常起伏，这些也是解译过程中滑坡存在的重要提示信息。历史悠久的古滑坡往往由于长期的剥蚀、夷平改造作用，使得原有的滑坡要素部分缺失或者模糊不清，需要细致甄别。比如滑坡后壁较高，坡体纵坡较缓，外表平整且土体密实，无明显裂缝，滑坡台坎宽大，坡体冲沟发育，往往具有双沟同源迹象，前缘如有河道，常有孤石分布或者河道弧形分布。研究区内典型滑坡堆积体特征如图 8所示。

泥石流的发生需要汇水区内丰富的松散固体物质、陡峻的地形和沟床纵坡、足够的汇水面积和集中降雨、急骤的冰雪融化、水体溃决等要素。泥石流物源受地形地貌、岩性、构造、地表物质组成、植被、不良地质现象等因素影响。泥石流沟及物源识别的标志如下：地貌上形成区往往呈瓢形，山坡陡峻，坡表或沟道松散物质丰富，沟谷两侧斜坡往往是崩滑堆积体，表部植被茂密需要结合LiDAR数据仔细分辨，其堆积特征与山体陡峭基岩存在明显区别。流通区沟道平直，纵坡较形成区要平缓，但较下部堆积区要陡，沟道相对较窄。堆积区多位于沟口出口部位，呈扇形散开，堆积物质轮廓明显，光学影像多为灰白色，植被发育相对较少，典型影像特征见图 9。

利用光学影像和LiDAR数据共解译研究区不良地质现象83处，其中古滑坡7处、崩塌堆积体57处、泥石流沟19处。这些崩塌、滑坡堆积体单纯采用卫星光学遥感影像或者无人机航拍正射影像几乎难以识别。

5.2 “8·8”九寨沟地震同震地质灾害解译

遥感解译主要利用地震前、地震后高精度卫星影像和无人机影像通过目视解译的方法进行。研究区震前植被茂密，震后滑坡区植被大部分被破坏，从色彩和形状上很容易被识别。解译过程中详细对比震前卫星影像和震后卫星与重点区域无人机航拍影像，以避免将震前已有滑坡误判为同震滑坡。利用卫星光学影像对地震烈度Ⅶ度区进行详细解译，共解译九寨沟地震同震崩塌滑坡4 844处，灾害总面积9.6 km²。对于熊猫海核心景区采用机载LiDAR同轴光学相机获取的光学影像（地面分辨率20 cm），解译共发现同震地质灾害2 126处（灾害密度41处/km²），解译总面积51.79 km²，同震灾害面积4.83 km²。解译成果如图 10所示，从解译成果不难看出，熊猫海区域是此次地震地质灾害最为严重的区域, 解译成果及已有研究资料都表明九寨沟地震诱发地质灾害以中小型滑坡和崩塌为主，小部分为震前老滑坡的复活^[18-19]。

根据同震地质灾害解译成果发现，同震地质灾害与海拔高程、坡度、岩性、活动断裂距离有直接相关性，与坡向关联性不明显。统计结果表明：同震崩塌滑坡的发育密度先是随着高程增加而增加，集中在3 000~3 200 m高程范围其发育密度达到最大值，随后其发育密度逐渐减小；同震崩塌滑坡的面密度和点密度随坡度增大而逐渐增大；此次地震81%的同震崩塌滑坡均发育在石炭系灰岩和白云岩等硬岩地层中；距离水系、道路越近，同震地质灾害点密度和面密度越大，距离水系、道路距离1 km以内，其发育密度最大；整体上，距离震中和发震断裂越近，同震地质灾害点密度和面密度越大，距离震中3~4 km以内，其发育密度最大。

5.3 重大灾害隐患识别

重大地质灾害隐患是指具备孕灾条件、已有一定形变迹象和直接威胁对象的还未发生的潜在地质灾害。这类灾害在山区往往具有分布位置高、植被遮挡隐蔽性强、规模大、危害强等特点，传统的地质调查方法和群测群防难以发现。这些灾害隐患是群死群伤灾难性事件的重要风险源，灾害隐患的识别是防灾减灾工作中亟需解决的技术瓶颈，仅仅通过人工调查或者单一技术识别困难，灾害隐患发育是一个极为复杂的物理演化过程，加上其形成条件、地质过程和诱发因素的复杂多样性和随机性，使得其在灾变早期被识别面临技术难题。机载LiDAR技术在高植被覆盖区有独特技术优势，对灾害隐患识别具有重要参考价值。

崩滑灾害隐患识别过程中，应充分分析灾害孕灾背景条件，如考虑岩性条件、岩体结构发育特征、切割组合关系，不良地质现象控制性边界等，同时应参考周边同等地质条件下的已经发生灾害区域的地形地貌特点，进行类比分析。还应注意光学影像和LiDAR DEM的融合解译分析，充分发挥各遥感技术的特点和优势，注重裂缝、下错台坎等形变细节的特征，如再能叠加卫星InSAR的历史形变特征，更易于隐患识别。图 11中部明显已发生过一次崩滑灾害，地貌上形成了一个类似于“撮箕”形态的滑床形貌。由LiDAR影像不难看出，在已发生灾害的两侧同样具备相同的岩体构造条件，而且在图像右侧坡体具备更为不利的凌空条件，在陡倾结构面的切割下前缘岩体已然下错失稳，形成了新的陡坎及凌空，在中等倾向坡外结构面作为底滑面及近于垂直侧边界结构面相互切割组合下，形成新的崩滑灾害隐患。

另外，研究区发育有多条泥石流沟，这些泥石流沟道植被发育，坡面堆积物源不易发觉，林下地表侵蚀也十分严重，加之地震造成大量山体松动，众多震裂碎屑物质堆积于坡表和山麓沟谷处。这些沟域汇水面积大、沟道高陡，物源丰富，具备低频泥石流沟发育特征，一旦爆发泥石流其破坏力巨大。

本文通过机载LiDAR DEM和光学数据资料，采用岩体结构面组合分析及类比等方法，共解译出存在隐患的灾害点26处，其中崩塌危岩体16处、不稳定斜坡8处、泥石流沟2处，分布位置如图 12所示。

6 结语

本文通过卫星光学影像、航空遥感光学影像和机载LiDAR影像等多源遥感数据，开展了九寨沟地质灾害解译工作。区域地质与地貌条件的解译过程中，由于植被茂密遮挡、基岩出露少，岩地层岩性纹理特征不明显，地层界限划分主要参考1:50 000区域地质图，结合微地貌和岩体结构展布特征进行了局部修正。区域构造断裂解译以LiDAR DEM数据为主，辅助光学影像特征，能较清晰反映出断裂带位置、宽度等几何特征信息。岩体结构面分析主要针对山顶基岩裸露部位开展了岩体结构面的统计分析工作，结果显示岩体结构面自动识别搜索具有较高的准确率与可靠性，为灾害隐患形成条件和稳定性判断提供支撑。

研究区灾害解译分成3个层次，分别包括了已发生的不良地质现象解译、同震地质灾害解译和重大地质灾害隐患解译，从过去、现今和未来3个时间尺度开展灾害识别与解译，可为景区防灾减灾和恢复重建提供技术支撑。

本次解译工作采用光学影像和LiDAR数字高程模型融合解译，将光学影像色彩丰富、细节清晰的特点与过滤植被的DEM相融合，可大大提高灾害的识别准确性。本文提出了三维光学和DEM的灾害解译标志，为利用多源遥感数据开展地质灾害识别解译进行了有益的探索与尝试。

本文的地质灾害解译也暴露出了一些应用弊端，如岩性识别可靠性不高、林下小型崩塌危岩体难以精确识别等，由此也可以看出单一的遥感技术应用都存在一定的适用条件，要想得到好的应用结果，往往需要将多个技术融合使用，倾斜摄影相机、多光谱相机、LiDAR、合成孔径雷达等新兴传感器的出现，势必会形成多源遥感数据的融合，从而解决山区重大地质灾害早期识别的技术难题。