地理资讯系统技术学期报告.docVIP

地理資訊系統技術學期報告DEM輔助順向坡判釋之研究 許秋玲 黃如鈺 前言 在台灣西部山麓地帶，順向坡是相當普遍的坡單元，在豪雨或是地震後岩層容易沿著不連續面滑動，常會造成嚴重的災害。山坡地範圍內的區位原本即有較高的潛在崩山災害傾向，而目前山坡地地質災害敏感區與山坡地土地利用潛力資料普遍缺乏且精度不足。因此，對於坡型之分析仍需仰賴人工配合地質圖(傾向、傾角)以及地形圖(坡向)作綜合分析，或是配合野外實察觀看露頭才能確定該區屬於何種坡型，判斷不易，而其中的順向坡坡型為評估平面型地滑以及岩石滑移兩種潛在崩山災害類型的重要影響因子。因此順向坡坡型之判釋在評估山坡地潛在災害類型有其經濟性的需求。 研究目標 DEM為網格式資料(raster)，其分析特性屬pixel-base的方式，然而一般要分析物件(object)時多採用region-base，region-base之分類方式可忽略細小變化，可以區分出大範圍的特徵值。本研究希望透過region growing以達成region-base之分析方式，使得網格式DEM資料具有物件之概念。 本研究利用DEM之地形特徵值的推估，以坡向分區之演算法為研究重點，利用region growing之threshold的設定來決定region的邊界，來形成坡向之趨勢面與地質資料相結合即可推估順向坡的所在位置。 文獻回顧 區域成長（Region Growing）原本是應用在影像處理的技術，而顧名思義就是將像素或是比較小的區域聚合，成長為較大區域的過程，可以用此將一張影像加以分割。在本研究中，則是將區域成長（Region Growing）應用在坡向的分區上，所得出的結果以作為進一步的分析之用。 Rolf Adams and Leanne Bischof (1994)提出了”Seeded Region Growing”（SRG）演算法，此演算法的基礎和傳統的區域成長演算法相同，均是假定位於同一區域內的pixel具有相似性，而其機制則是以成長點（seed）為中心，當鄰近的pixel和此seed的差距小於一個門檻值時，則此pixel即歸屬於此區域，如此向外生長直到該區域無法再向外生長，形成一個封閉的區域為止。以下即是此演算法的概念說明： 首先先選出n個seed點（這些點分別為：A1、A2、…..An，每一個都是一個集合），這些seed點將會形成不同的region，不過對某些region而言，會有只包含該seed點的情況發生。之後在處理的過程中，會每次將一個pixel歸類到這些region其中的一個。 令T是尚未歸類到任一region、但至少是屬於某一region的邊界的pixel之集合，也就是說T是到目前為止，已經存在的所有region位於其邊界pixel的集合。 N(x)是pixel X周圍八方位的鄰近pixel的集合，在此演算法中每一次會從T集合裡面取出一個pixel，判斷此pixel是屬於其N(x)裏各個pixel所歸屬的區域的哪一個，然後將其標記為該區域。檢驗N(x)中的所有pixel，計算它們和鄰近region的距離，所謂的距離就是該pixel和該region裡所有pixel平均值之差值。根據這些距離大小來排出這些pixel在T集合中所的排列順序，若有某個pixel可以歸類到兩個region以上者，則需決定要將它擺在哪一個region，通常判斷的標準是以該pixel和某一個區域平均值之差值最小者屬之。 以上所述的主要是概念的部分，在實作方面，要做一個簡單的sorted list（稱之為SSL，sequentially sorted list）以儲存T集合（即位於各個區域的鄰近pixel點），此list僅記載著每一個pixel的座標和其所鄰近區域之差值，每次處理一個新的pixel時，就自SSL內取出運算之。因為：所有的pixel都是已存在region的鄰近點、它們都被置於SSL中、當運算時我們會自SSL取出排在第一個順序的值，因此我們可以了解，所有區域的所有邊界pixel都是平行處理的。而當我們加入一個新的pixel點在SSL中時，必須根據其與所相鄰區域之差值而排列。 以下是SRG演算法的虛擬碼： 起始 根據起始的group去標記種子點 將種子點（這一點是T集合起始的點）的鄰近八個點放在SSL中 區域成長 While SSL不是空的 do 自SSL中移出第一個pixel y 測試此點的鄰近數點 if y周圍的所有點都已被標記為同一塊區域(這些點並不是標記為邊界點) then 將y也標記成同一塊區域 更新對應區域的平均值 將y周圍尚未歸屬於任一區域或是沒有被置於S