公路是国家的生命线,灾害发生后,一旦公路受到损毁和破坏,将严重影响人员流动和物资运输。因此,准确获取灾害发生后的公路受灾信息,判定公路损毁情况,对公路灾后重建和应急救援来说至关重要。在灾区公路受损的情况下,传统的地面现场调查方法难以开展,公路灾害点调查速度慢,调查面积较小,应急反应不及时,且耗时耗力。遥感技术运用到公路灾情普查和灾害点提取,能够对受灾点的检测和应急做出快速响应,准确获取宏观尺度上、大范围内的公路水毁情况。因此,利用高分辨率遥感影像对灾区公路水毁进行检测具有十分重要的意义。本文研究公路水毁灾害主要是研究水位上涨对公路淹没,如何运用遥感手段的方法,对公路水淹信息进行有效提取。随着遥感影像分辨率的持续提高,传统的像素分类方法仅利用光谱信息进行信息提取,而忽略了其他有效信息,无法满足从高分辨率遥感影像进行信息提取的要求。近年来,面向对象分类方法是遥感影像进行分类研究的热点,特别是高分辨率遥感影像。然而目前在面向对象的遥感影像分类研究中,常利用光谱信息结合属性信息特征差异性进行分析分类,但在面向对象遥感影像分类方法中多尺度分割尺度参数的确定和特征的选择常根据经验法进行确定,存在人为主观因素。针对面向对象分类过程中的最优尺度参数确定的问题,本文采用逐一定性对比排除法确定最优分割尺度,针对仅有可见光波段的影像,在没有近红外等其他波段的情况下,采用自定义波段特征BSCC结合多种影像特征,运用多种方法对遥感影像进行解译,对公路水毁信息进行提取。具体研究内容如下所示:(1)基于仅有RGB三个可见光波段的高分二号遥感影像在eCognition进行预处理。主要包括几何校正,影像的拼接裁剪和影像增强。(2)基于eCognition软件影像的多尺度分割研究。平台的支撑下,研究形状因子、光谱因子、紧致度和平滑度参数设置对遥感影像多尺度的分割影响,确定基于研究区的多尺度分割的有效性,结合ESP模型插件进行参考,确定最优尺度参数的值。(3)运用面向对象的方法,对影像进行分类提取。实验选取灾前和灾后遥感影像,通过统一灾前、灾后空间坐标基准,选取最优尺度进行分割,在多尺度分割算法的基础上,对影像地物的光谱特征、形状特征、纹理特征、上下文特征和自定义特征的充分挖掘和分析,创建合适的规则集,综合利用阈值分析法结合支持向量机(SVM)对灾前灾后影像进行提取,并运用种子增长算法对灾后的水体进行提取,对影像进行解译,对研究区影像进行分类,进行精度和Kappa系数验证。(4)对受灾公路进行分析。导出分类后的灾前公路矢量数据和灾后公路、水体矢量数据。结合Arc GIS软件,同时将灾前公路矢量数据映射到灾后公路矢量数据上,并对灾前公路进行缓冲区分析,其结果与灾后水体进行叠加分析,得到公路被水毁的信息。本方法能够有效的识别仅有可见光(RGB)波段影像的地物信息,并对公路水毁信息进行有效提取。