高分辨率遙感圖像在城市快速震害預測中的應用研究*

趙琪，翟永梅，李鐵錚

(1.同濟大學結構工程與防災研究所，上海200092;2.同濟大學上海防災救災研究所，上海200092;3.中國建筑東北設計研究院，遼寧沈陽110006)

0 引言

地震災害是一種突發(fā)性強、破壞力巨大的自然災害。資料顯示，地震中人員傷亡總數(shù)的95%以上是由房屋倒塌造成的，僅有不足5%的人員傷亡是直接由地震及地震引發(fā)的水災、山體滑坡等次生災害導致的。同時生命線工程的破壞、某些次生災害也在不同程度上受建筑物破壞的影響。我國是地震多發(fā)國家，地震引發(fā)建筑物及各類工程設施破壞、倒塌，造成了的巨大損失。因此建筑物破壞程度及其分布情況是衡量城市地震災害規(guī)模的重要指標［1－2］。

震害預測分析工作具有重要的意義，它是一個城市制定抗震防災規(guī)劃的基礎依據(jù)。建筑物的信息是城市防震減災數(shù)據(jù)的重點，因此其數(shù)據(jù)的質量直接關系到城市抗震防災工作的成敗。然而目前建筑物信息大多通過人工調查獲得。這種傳統(tǒng)的方法不僅耗費大量的人力物力財力資源，而且由于歷時長，失去了時效性。高分辨率遙感圖像具有快速、實時、全面、客觀、直觀的特點。隨著技術的進步，遙感衛(wèi)星圖像的獲取越來越容易，同一地區(qū)圖像獲取周期越來越短，圖像精度越來越高，費用也越來越低。因此，以高分辨率遙感圖像作為信息源來進行震害預測具有越來越明顯的優(yōu)勢［3］。

1 城市建筑物高度的計算原理和方法

建筑物的陰影表征了其位置、幾何高度、太陽、衛(wèi)星位置之間的關系，通過計算其長度，再結合四者的相對幾何位置關系進行三角函數(shù)運算，可求得建筑物的高度。為了便于計算，假設地面平坦，建筑物垂直于地表。

(1)當遙感衛(wèi)星圖像中衛(wèi)星的相關參數(shù)，如太陽高度角、太陽方位角和衛(wèi)星高度角等已知時，設建筑物的高度為H，陰影可見長度為L，衛(wèi)星高度角為α，太陽高度角為β，則這些參數(shù)之間的關系為:

當太陽、衛(wèi)星位于建筑同側

當太陽、衛(wèi)星位于建筑異側

(2)當遙感衛(wèi)星圖像中衛(wèi)星的相關參未知時，在同一副遙感圖像中，衛(wèi)星高度角為α，太陽高度角β為均為定值，由式(1)和式(2)可見，H與L成正比關系，此時可調查一棟建筑物的高度與陰影之間的關系，求出比例系數(shù)，得到其余建筑物的高度。

2 陰影信息提取

本文利用ENVI軟件，以河南省某縣城局部的遙感圖像為例說明遙感圖像中陰影信息的提取步驟，所采用的遙感圖像的分辨率為0.61 m。

陰影在高分辨率遙感圖像中具有明顯的光譜特征，即具有比較低的灰度值，而且不同陰影之間的灰度值有較強的統(tǒng)一性。可以認為，高分辨遙感影像中的陰影具有一致的灰度集，充分利用這一特點，就可以實現(xiàn)對陰影的提取［3］。具體提取步驟如下:

(1)圖像增強處理

拉伸圖像的直方圖，統(tǒng)一最小化陰影區(qū)域的灰度值，同時增大非陰影地物的灰度值，以進一步提高陰影和非陰影區(qū)域的對比效果。本文對圖像采用交互式線性拉伸。設置最小拉伸值為75，最大拉伸值為205。經過增強處理后的圖像見圖1。

圖1 增強后的預測區(qū)域遙感影像

(2)訓練樣本選取

為了收集陰影光譜響應模式的數(shù)字特征，反映信息類型光譜類別的所有組成，需要在多個目標區(qū)域選取有代表性、完整性的訓練樣本。本文選取的訓練樣本見圖2中紅色高亮部分。

圖2 訓練樣本

(3)干擾區(qū)域剔除

利用邊緣檢測及圖像分割方法將與震害預測無關的干擾地物類型(如河流、綠地等)劃分出來，并以特定灰度值替代，在后續(xù)計算中可以方便地剔除這些區(qū)域的圖像，以減少工作量，提高計算速度。

(4)圖像分類

本文采用平行六面體分類法，選定一些已知地物類別的訓練樣區(qū)，建立分類標準，然后計算機將按同樣的標準對整個圖像進行識別和分類。

(5)圖像分類后處理

由于光譜信息的干擾，經過分類處理后的遙感圖像上會分布一些散落、孤立的“斑點”，“孔洞”。通過腐蝕和膨脹運算可有效消除“斑點”和“空洞”，提高分類的質量。

(6)分類結果矢量化

經過一系列處理之后，陰影可以被較好地提取出來，在此基礎上對提取結果進行矢量化，使其能夠被GIS系統(tǒng)讀取，計算所需數(shù)據(jù)。陰影信息的提取結果見圖3。

圖3 陰影信息提取結果

(7)可見陰影長度計算

可見陰影長度的計算方法較多，許妙忠［4］、王樹根［5］等均提出了一些方法，但是誤差不易控制。本文采用矢量圖分割法來直接讀取陰影長度，其原理如圖4所示。在太陽光投射方向上做一系列平行直線，使其與各陰影矢量圖相交，這些矢量圖內的線段長度便是陰影的可見長度。本文通過MATLAB的圖像處理工具箱編程來實現(xiàn)該算法，計算可見陰影長度。

圖4 矢量圖分割法原理示意圖

3 建筑物層數(shù)計算

3.1 建筑物層數(shù)的自動計算

得到陰影長度后，可用式(1)或式(2)計算建筑物高度。由于圖像中的衛(wèi)星參數(shù)未知，故采用式(2)計算。結合現(xiàn)場調研數(shù)據(jù)，可以利用遙感影像處理軟件ENVI的Measurement Tool計算比例系數(shù)K。實地調查及計算結果見表1。取平均值計算得，住宅:K=0.234，公用建筑:K=0.192。

表1 建筑實測層數(shù)與計算投影長度

采用上述比例系數(shù)，結合式(2)，可計算整個目標區(qū)域內建筑物的高度。本文以3 m作為標準層高來劃分建筑物層數(shù)，4 m以下的為一層建筑，4 m到7 m之間為兩層建筑，7 m到10 m之間為三層建筑，依次類推。實際調研結果與計算結果見表2。

表2 目標區(qū)域內建筑計算層數(shù)

3.2 精度分析

分析計算層數(shù)與實際層數(shù)，可發(fā)現(xiàn):在總的35棟建筑中，僅有6棟結果出錯，且出錯均為1層，均方根誤差為0.414，說明該方法在建筑物層數(shù)的提取上具有很高的精度，能夠適用于城市群體性震害預測中大范圍建筑層數(shù)信息的提取。

4 建筑物平面信息提取

4.1 城市建筑物高度的計算原理和方法

城市建筑物的屋頂由于建筑材料不同而呈現(xiàn)出不同的光譜特征，給平面信息的自動化提取造成了很大困難，并且建筑物幾何形狀多種多樣，缺乏統(tǒng)一性，現(xiàn)有的計算方法普適度不高，滿足不了實際應用的需求。本文對建筑物的提取采用人工矢量化的方法，經過經緯度配準，可通過GIS平臺直接獲取最終提取結果。本文中目標區(qū)域的提取結果如圖5～圖7所示。

圖5 住宅建筑平面信息提取結果

圖6 公共建筑平面信息提取結果

圖7 廠房建筑平面信息提取結果

4.2 建筑信息統(tǒng)計處理

綜合提取出的建筑物層數(shù)信息與平面信息進行信息后處理。將層數(shù)信息分別與各自的平面信息對應，廠房均按照單層廠房計算。目標區(qū)域內各類型房屋建筑面積統(tǒng)計結果見表3。

4.3 精度分析

比較計算面積和實際面積，可發(fā)現(xiàn):計算結果的相對誤差均在10%以內，對于目前使用較多的鋼筋混凝土結構，誤差更小。說明該方法在建筑面積的上提取具有很高的精度，能夠適用于城市群體性震害預測中大范圍建筑面積信息的提取。

表3 房屋建筑面積統(tǒng)計m2

5 基于易損性分析的震害預測

建筑物震害預測方法較多，其中易損性分析方法由于計算簡便結果可靠，應用實例較多［6］。建筑按照其結構易損性可分為A、B、C、D四類:

A類結構主要包括鋼和鋼筋混凝土結構，如鋼筋混凝土框架結構、框剪結構等。

B類結構主要包括磚混結構、工業(yè)建筑等。這類結構是20世紀80－90年代的主要結構類型，抗震性能次于A類。

C類結構主要包括白灰砂漿砌筑的磚結構房屋，墻厚24 cm的空曠磚結構房屋等。

D類結構主要包括農村里的生土結構，如土坯房屋、土坯窯洞、碎石結構等，是抗震性能最差的結構。

本文中預測區(qū)域建筑物結構類型由層數(shù)來判定，判定標準是:一層的建筑為平房(包括土坯房、簡易房和一層磚房);兩層到六層的為多層磚混結構;七層以上為鋼筋混凝土框架結構、框剪結構。

5.1 震害預測結果計算

尹之潛根據(jù)我國歷次地震破壞結果、實驗資料和彈塑性地震反應分析資料的統(tǒng)計分析結果，考慮地區(qū)和年代差異，建立了基于不同地震烈度下的震害矩陣，本文采用的矩陣見表4(該地區(qū)抗震設防烈度為VII度)。

表4 基本烈度為VII度地區(qū)的震害矩陣［7］%

分別根據(jù)已經計算出的各類結構的建筑面積和實際數(shù)據(jù)，結合震害矩陣，可以計算得到震害預測結果，見表5。

表5 Ⅶ度地震作用下震害預測結果m2

5.2 綜合抗震能力評價

表6 破壞程度與破壞指數(shù)［8］

為了得到更直觀、有效的震害預測結果，通常在城市震害預測中，把建筑物的破壞程度量化，量化結果稱之為破壞指數(shù)，如表6所示。破壞指數(shù)值越小，表示其破壞程度越小;反之，則表示破壞程度越大。

地震危險性指數(shù)為破壞指數(shù)與震害矩陣中對應項的乘積之和。城市里各類建筑的地震危險性指數(shù)加權平均值代表這個城市建筑物總體的地震危險性程度，稱之為建筑物的綜合地震危險性指數(shù)。數(shù)值愈小表示這個建筑物地震危險性愈小。因此建筑物的綜合地震危險性指數(shù)可以作為評價一個城市建筑物總體抗震能力的指標。這個指數(shù)可由式(3)計算。

式中:As為s類建筑的面積總和;A為各類建筑面積總和;Cds(I)為地震危險性系數(shù)。

根據(jù)遙感數(shù)據(jù)計算得該地區(qū)在7度地震作用下綜合地震危險性指數(shù)為0.102 6;根據(jù)實際數(shù)據(jù)計算所得結果為0.102 5，兩者均小于0.2，根據(jù)文獻［8］中的建議，可以認為達到了10年減災目標中工程性防御性能的要求。

5.3 誤差分析

由表5可見，基于遙感圖像信息的震害預測結果與基于實際調研數(shù)據(jù)的預測結果很接近，誤差在7%以內，可以滿足實際工程要求。綜合地震危險性指數(shù)的絕對誤差僅為0.000 1，相對誤差為0.09%。可見，基于遙感圖像的震害預測方法具有較高的精度，能夠應用于城市防災規(guī)劃工作中。

6 結論

開展震害預測工作，制定實施抗震防災規(guī)劃，可以有效減輕城市地震災害。建筑物信息的提取是震害預測的基礎工作?；诟叻直媛蔬b感圖像的建筑信息自動化提取技術能夠克服工調查方法耗資耗力，時效性差的缺點，大大減小工作量，快速獲得所需數(shù)據(jù)。通過對河南省某縣遙感圖像的分析，獲取了進行建筑物震害預測所需的數(shù)據(jù)，與實際調研數(shù)據(jù)進行比較，結果表明通過高分辨率遙感影像可以獲得精度較高的建筑物信息數(shù)據(jù)。本文結合震害矩陣進行了震害預測，計算出綜合地震危險性指數(shù)，給出了預測結果，評價該區(qū)域建筑物的綜合抗震能力，并與實際調研結果比較。結果表明，基于高分辨率遙感圖像的建筑物信息提取方法精度較高，誤差符合實際應用要求，能夠適應大范圍區(qū)域震害預測工作的需要，適用于城市抗震防災規(guī)劃。

［1］孫海，馮啟民，林巖釗.基于WEBGIS的城市建筑物震害評估方法研究［J］．災害學，2010，25(S0):325－332．

［2］樊躍新，非明倫，余慶坤．汶川8.0級地震所引發(fā)的防震減災工作啟示［J］．災害學，2009，24(4):73－76．

［3］翟永梅.城市震害預測和快速評估中高分辨率遙感技術的應用研究［D］．上海:同濟大學，2009:8－9

［4］許妙忠，余志惠.高分辨率衛(wèi)星影像中陰影的自動提取與處理［J］．測繪信息與工程，2003，28(1):20－22．

［5］王樹根，王軍利，王愛萍.基于整體變分模型的影像陰影檢測算法研究［J］．武漢大學學報:信息科學版，2006，3l(8):663－666．

［6］李書進，毛羚.湖北農村民居現(xiàn)狀調查與震害預測［J］.災害學，2010，25(3):141－142．

［7］尹之潛.地震災害及損失預測方法［M］．北京:地震出版社，1995．

［8］尹之潛，楊淑文.城市地震防御能力評價和防御水準問題［J］．自然災害學報，1998，7(1):28－30．