引文格式： 李強(qiáng)，張景發(fā)，牛瑞卿. GIS與面向?qū)ο蠼Y(jié)合的遙感影像震后損毀道路快速提取[J].測(cè)繪通報(bào)，2015(4)：78-81.DOI:10.13474/j.cnki.11-2246.2015.0116

GIS與面向?qū)ο蠼Y(jié)合的遙感影像震后損毀道路快速提取

李強(qiáng)1，張景發(fā)1，牛瑞卿2

(1. 中國(guó)地震局地殼應(yīng)力研究所，北京 100851； 2. 中國(guó)地質(zhì)大學(xué)(武漢)地球物理與空間信息學(xué)院，

湖北 武漢 430074)

Damaged Road Extraction from Post-seismic Remote Sensing Images Based on

GIS and Object-oriented Method

LI Qiang，ZHANG Jingfa，NIU Ruiqing

摘要：地震是破壞性極強(qiáng)的自然災(zāi)害之一，2013年4月20日的雅安蘆山地震導(dǎo)致大范圍的道路損毀，一度使得寶興縣城成為孤島，救援很難開(kāi)展。造成道路損毀的一個(gè)主要原因是地震誘發(fā)的次生災(zāi)害堵塞道路。針對(duì)寶興縣道路損毀的現(xiàn)狀，本文提出了一種面向?qū)ο笈cGIS空間分析相結(jié)合的遙感影像提取方法，在震后短時(shí)間內(nèi)快速提取因次生災(zāi)害造成的損毀道路情況，快速及時(shí)地確定損毀道路的位置及范圍。試驗(yàn)證明，本方法能快速提取次生災(zāi)害造成的損毀道路的位置與范圍，其與目視解譯結(jié)果吻合，大大減少了震后影像解譯時(shí)間，提高了地震應(yīng)急的效率，可為抗震應(yīng)急救災(zāi)提供決策支持。

關(guān)鍵詞：次生災(zāi)害；GIS；面向?qū)ο?；損毀道路

中圖分類號(hào)：P23

收稿日期：2014-03-26

基金項(xiàng)目：國(guó)家863計(jì)劃(2012AA121304)

作者簡(jiǎn)介：李強(qiáng)(1987—)，男，碩士生，研究方向?yàn)檫b感影像震害信息提取及震害估計(jì)。E-mail：whliqiang@gmail.com

通信作者： 張景發(fā)

一、引言

地震具有突發(fā)性強(qiáng)、防御難度大等特點(diǎn)，是造成人民生命和財(cái)產(chǎn)損失最為嚴(yán)重的自然災(zāi)害之一。強(qiáng)地震的發(fā)生，都會(huì)造成大量的滑坡、泥石流等次生災(zāi)害的發(fā)生。道路是抗震救災(zāi)的生命線，地震造成道路損毀的一個(gè)主要原因是次生災(zāi)害導(dǎo)致的道路堵塞。2013年4月20日蘆山7.0級(jí)強(qiáng)烈地震發(fā)生之后，地震造成的滑坡、崩塌等次生災(zāi)害對(duì)國(guó)家及省級(jí)公路在內(nèi)的交通設(shè)施損毀嚴(yán)重，使得救援人員、車輛和物資等難以進(jìn)入災(zāi)區(qū)，嚴(yán)重阻礙了救災(zāi)工作的進(jìn)度。地震應(yīng)急的首要任務(wù)是分析獲取進(jìn)入災(zāi)區(qū)的主干道損毀及通行情況，因此，損毀道路信息提取方法及速度決定了應(yīng)急決策的制定及抗震救災(zāi)的時(shí)效。遙感具有綜合、快速、范圍大等特點(diǎn)，是獲取災(zāi)害信息的主要數(shù)據(jù)源[1]，傳統(tǒng)的地震應(yīng)急信息獲取方法主要是對(duì)遙感影像進(jìn)行目視解譯，這種方法時(shí)效差且效率低，需要花費(fèi)大量的人力和時(shí)間。隨著遙感影像分辨率的提高及影像信息提取方法的不斷完善，信息提取基本上實(shí)現(xiàn)了半自動(dòng)及自動(dòng)化。遙感震害損毀道路的提取通過(guò)遙感影像的變化檢測(cè)及分類技術(shù)提取，包括對(duì)震前震后影像進(jìn)行對(duì)比分析和通過(guò)震后影像直接獲取[1]。任玉環(huán)利用震前震后高分辨率遙感影像，通過(guò)面向?qū)ο蟮姆诸惙椒ㄟM(jìn)行道路識(shí)別并進(jìn)行變化檢測(cè)，提取出了損毀的道路[2]；陳世榮利用區(qū)域分割結(jié)合紋理和光譜特征對(duì)汶川地震道路損毀情況進(jìn)行了評(píng)估[3]；秦軍等建立了基于低空遙感影像的道路損毀度遙感評(píng)估模型，對(duì)汶川地震都一汶路至夏家坪段道路損毀程度進(jìn)行了評(píng)估[4]；楊中等利用地震烈度破壞和GIS技術(shù)進(jìn)行了震后損毀道路的快速評(píng)估[5]；馬歡等基于高分辨率遙感影像利用其紋理與幾何特征提取了道路信息。上述的研究方法在震后道路損毀信息提取方面取得了一定的成果，但是也存在著一定的缺點(diǎn)，如震前震后影像相差時(shí)間較長(zhǎng)因而不能完整匹配；缺乏震前影像；震后道路受兩旁植被遮蓋或建筑物陰影信息的影響，不能獲得較高精度的提取道路信息；損毀道路的提取不能滿足地震應(yīng)急的緊迫性，不能快速有效地將道路損毀情況反映給地震應(yīng)急指揮部門或前線救災(zāi)人員。

在地震應(yīng)急的情況下，利用GIS技術(shù)對(duì)災(zāi)區(qū)道路損毀情況進(jìn)行宏觀全面的了解并評(píng)估損毀長(zhǎng)度，可為應(yīng)急救災(zāi)提供決策依據(jù)。針對(duì)蘆山地震引起的滑坡、崩塌等次生災(zāi)害造成的道路堵塞，本文提出了利用面向?qū)ο蠓椒ㄌ崛〈紊鸀?zāi)害，然后結(jié)合GIS數(shù)據(jù)及緩沖區(qū)及疊置等空間分析功能，快速獲取震后因次生災(zāi)害造成的道路損毀情況，避免了人工目視解譯，可為地震應(yīng)急節(jié)省寶貴的時(shí)間。

二、研究區(qū)域和數(shù)據(jù)源

寶興縣位于四川西部，雅安市北部，30°10′—30°30′N，102°30′—102°50′E，毗鄰蘆山縣，屬亞熱帶季風(fēng)氣候區(qū)，四季分明，全境褶皺密集，斷裂發(fā)育，形成以高山為主的地貌。地勢(shì)西北高、東南低，地表崎嶇。境內(nèi)按海拔高度分為高山、中山、低山及河谷平壩3個(gè)地貌類型區(qū)。寶興縣轄3個(gè)鎮(zhèn)、5個(gè)鄉(xiāng)、1個(gè)民族鄉(xiāng)，總面積3114km2，人口約為6萬(wàn)人。2008年5月12日的汶川地震對(duì)寶興縣城造成了巨大的損失，2013年的蘆山地震，寶興縣為地震的重災(zāi)區(qū)，省道馬飛線(S210)穿過(guò)縣城，由于地震造成倒塌堵塞馬飛線，一度使寶興縣城變成一個(gè)孤島。研究區(qū)截取寶興縣城北部區(qū)域航片影像，影像獲取時(shí)間為2013年4月21日，影像空間分辨率為0.6m，大小為3884×4886。研究區(qū)地理位置分布如圖1所示。

圖1　研究區(qū)地理位置示意圖

三、研究方法

隨著GIS技術(shù)的發(fā)展，GIS技術(shù)越來(lái)越多地應(yīng)用于地震預(yù)報(bào)預(yù)測(cè)及震后評(píng)估，主要包括次生災(zāi)害評(píng)估、損毀建筑物評(píng)估及道路評(píng)估[7]。傳統(tǒng)的結(jié)合GIS的信息提取主要是利用GIS強(qiáng)大的制圖功能及統(tǒng)計(jì)分析功能，參考GIS數(shù)據(jù)提高信息提取的精度，并沒(méi)有將GIS的空間分析功能引入進(jìn)來(lái)。本研究利用面向?qū)ο蟮姆椒ㄌ崛≌鸷蟠紊鸀?zāi)害信息，利用GIS的空間分析功能，將道路進(jìn)行緩沖區(qū)分析之后，與提取的次生災(zāi)害信息拓?fù)浏B置交集分析，得出次生災(zāi)害導(dǎo)致道路損毀的區(qū)域位置及長(zhǎng)度范圍，方法流程如圖2所示。

圖2　研究方法技術(shù)流程

1. 基于面向?qū)ο蟮姆椒ㄌ崛∮跋翊紊鸀?zāi)害信息

隨著遙感影像空間分辨率的提高，越來(lái)越多的方法被用來(lái)提取影像信息，其中面向?qū)ο笫墙鼛啄陮ｉT針對(duì)高分辨率影像發(fā)展形成的圖像分析方法[8]。它的基本原理是通過(guò)分析影像像元的光譜、紋理、空間特征，將具有相同光譜、紋理、空間特征的像元集中形成一個(gè)圖斑對(duì)象。該方法不僅綜合考慮了影像的光譜信息特征，而更多的是利用形狀、大小、紋理、拓?fù)潢P(guān)系以及上下文的語(yǔ)義信息，因此能有效地克服基于像元光譜信息提取的不足。面向?qū)ο筇崛》椒ㄒ话惴謨蓚€(gè)階段：影像分割(發(fā)現(xiàn)對(duì)象)和信息提取(特征提取)[9]。在面向?qū)ο蠓治龅那捌?，首先選取一定的閾值尺度將影像分割成圖斑對(duì)象，然后以圖斑對(duì)象作為分類的基本單元，對(duì)影像進(jìn)行分類提取分析。

(1) 圖像分割

圖像分割是面向?qū)ο髨D像分類的一個(gè)基礎(chǔ)過(guò)程。通過(guò)分割將像元聚集成具有相同特征的圖斑對(duì)象，再對(duì)圖斑對(duì)象進(jìn)行分類。傳統(tǒng)的分類方法只是參考像元的光譜特征，僅僅依據(jù)光譜特征對(duì)影像進(jìn)行分割容易形成碎片或者形狀破碎的圖像對(duì)象，因此在分割的過(guò)程中，要加入形狀因子，提高圖像分割的完整性。本文中采用的是多尺度分割方法，是一種自下而上的區(qū)域生長(zhǎng)方法，即從單個(gè)像素開(kāi)始按照一定的算法逐步合并成不規(guī)則的多邊形，它可以提取原始影像中任何尺度的同質(zhì)對(duì)象。多尺度分割從某個(gè)像元開(kāi)始，然后與其相鄰的對(duì)象按照某種相似度算法進(jìn)行計(jì)算，若該像元與相鄰的對(duì)象合并后異質(zhì)性指標(biāo)小于給定的閾值，則合并；否則不能合并。當(dāng)一輪合并結(jié)束后，新的未合并的像素繼續(xù)以上一輪剛生成的對(duì)象為基本單元，繼續(xù)分別與它的相鄰對(duì)象進(jìn)行計(jì)算、合并，這一過(guò)程將持續(xù)到在用戶指定的尺度上已經(jīng)沒(méi)有任何像素需要再進(jìn)行對(duì)象的合并為止。分割的過(guò)程中，每個(gè)像元的平均異質(zhì)性最小，隨著像元的合并，對(duì)象的異質(zhì)性增大，但是所有對(duì)象的異質(zhì)性都在給定分割尺度下的閾值范圍內(nèi)。分割之后形成的對(duì)象具有相同的光譜、紋理、形狀特征。

在遙感中，尺度大多被理解為空間尺度、時(shí)間尺度和光譜尺度，空間分辨率、時(shí)間分辨率和光譜分辨率即分別為空間尺度、時(shí)間尺度和光譜尺度的表征。遙感影像的空間尺度又包含兩個(gè)方面的含義：影像的空間分辨率以及影像所反映的實(shí)際地理區(qū)域的大小[10]。圖像分割之前首先要確定一個(gè)合適的分割尺度，選擇最優(yōu)的分割尺度是保證提取精度的關(guān)鍵，通常分割尺度越大，形成的對(duì)象越少，面積越大。對(duì)于確定的地物類型，最優(yōu)的分割尺度是能用一個(gè)或者幾個(gè)對(duì)象表示，并且邊界很清晰，內(nèi)部不能太破碎。在分割過(guò)程中要不斷地嘗試，選取最優(yōu)分割尺度，直到滿意為止。

對(duì)次生災(zāi)害形成的倒塌信息進(jìn)行高精度識(shí)別，經(jīng)過(guò)多次試驗(yàn)，采用的最優(yōu)分割尺度為75，光譜權(quán)重為0.8，形狀權(quán)重為0.2，而形狀因子可以進(jìn)一步用光滑度和緊致度兩個(gè)形狀比率因子來(lái)表達(dá)，即

Hshape=Wcompact·Hcompact+(1-Wcompact)·Hsmooth

式中，Hshape 為形狀因子；Wcompact為用戶為緊致度因子定義的權(quán)重；Hcompact為緊致度因子，緊致度用來(lái)描述對(duì)象形狀是否接近矩形；Hsmooth為光滑度因子。本文中定義光滑度為0.6，緊致度為0.4。

(2) 分類規(guī)則集建立及信息提取

根據(jù)影像特征，目視解譯出研究區(qū)的主要地表覆蓋地物為植被、道路、水體、房屋及裸露的土地。本文的目標(biāo)是提取次生災(zāi)害體，研究區(qū)的次生災(zāi)害主要是崩塌和滑坡，次生災(zāi)害的發(fā)生使得在道路邊緣或者山坡上形成堆積體，從而表現(xiàn)出與周圍地物信息不同的光譜、紋理特征。本文將圖像分為次生災(zāi)害體與背景類，其中背景類包含植被、道路、水體和房屋。

面向?qū)ο蟮挠跋穹诸惣靶畔⑻崛∈腔谟跋駥?duì)象的，最小的分類處理單元為影像對(duì)象，因此每一地物類可表示為滿足條件影像對(duì)象的集合。根據(jù)分割對(duì)象的光譜特征、紋理特征、形狀特征等定義各類的判定規(guī)則集。主要選取如下幾個(gè)規(guī)則，次生災(zāi)害體的灰度分布在一個(gè)相對(duì)固定的灰度區(qū)間內(nèi)，可以設(shè)置一定的光譜均值閾值排除其他類別；災(zāi)害體表面比較粗糙，不同于其他類別，設(shè)置紋理特征信息閾值排除其他信息；災(zāi)害體的面積及體積一般很大，并且呈現(xiàn)不規(guī)則形狀，可以設(shè)置面積及矩形度來(lái)識(shí)別。部分提取的次生災(zāi)害如圖3所示。

圖3　提取的次生災(zāi)害信息

2. 基于GIS提取損毀道路

目視解譯發(fā)現(xiàn)，部分次生災(zāi)害導(dǎo)致形成的堆積體部分堆積在道路中間，并沒(méi)有完全阻塞道路，對(duì)車輛及行人的通行并沒(méi)有造成很大的影響。然而地震現(xiàn)場(chǎng)余震不斷，連續(xù)不斷的余震仍然會(huì)導(dǎo)致次生災(zāi)害的發(fā)生。而本次研究是為了提取次生災(zāi)害造成的道路損毀，在理論上也將部分阻塞的道路歸于損毀道路的范疇中。因此對(duì)道路進(jìn)行緩沖區(qū)分析，分析在設(shè)定的閾值寬度范圍內(nèi)，道路路面中是否存在次生災(zāi)害產(chǎn)生的碎屑堆積體。

首先通過(guò)疊加道路矢量信息發(fā)現(xiàn)，省道馬飛線穿過(guò)研究區(qū)，試驗(yàn)中選取的閾值寬度范圍即緩沖區(qū)距離為10m,并且閾值寬度范圍是隨著道路級(jí)別及道路寬帶的變化而改變的；然后將道路緩沖區(qū)與提取的次生災(zāi)害作交集疊置分析，獲取道路緩沖區(qū)范圍內(nèi)次生災(zāi)害；最后將道路矢量信息與疊置分析獲取的交集再作交集，得到損毀道路線性矢量信息，并統(tǒng)計(jì)出損毀道路的長(zhǎng)度，提取技術(shù)流程如圖4所示。提取出的損毀道路如圖5所示。

圖4　基于GIS提取損毀道路流程

圖5　道路損毀圖

四、結(jié)果分析

將提取結(jié)果與目視解譯結(jié)果相比較，其結(jié)果見(jiàn)表1。在圖5(a)中，次生災(zāi)害1提取的道路損毀情況大于圖5(b)中道路損毀，完好道路錯(cuò)分為損毀道路的距離為0.105km，分析影像可知，在面向?qū)ο筇崛〈紊鸀?zāi)害過(guò)程中，橋梁與道路接壤處有因次生災(zāi)害造成的堆積體存在，而橋梁與次生災(zāi)害1產(chǎn)生的堆積體光譜特征相似，從而將橋梁誤判為堆積體。由次生災(zāi)害2、3、4造成的道路損毀情況可知，本文方法能準(zhǔn)確定位并提取因次生災(zāi)害導(dǎo)致的道路損毀，與目視解譯結(jié)果相比，提取損毀道路的分布范圍與其基本吻合。圖5(b)中白線范圍勾畫(huà)的是目視解譯的分布在道路兩旁的次生災(zāi)害，與圖3面向?qū)ο筇崛〗Y(jié)果相比較可以看出，面向?qū)ο筇崛〕龅拇紊鸀?zāi)害位置及分布范圍與目視解譯結(jié)果一致。

常規(guī)的地震應(yīng)急損毀道路確定的方法是在地震發(fā)生之后，人工實(shí)地勘察或?qū)Λ@取的遙感影像進(jìn)行目視解譯，耗時(shí)耗力。本文提出的方法實(shí)現(xiàn)了損毀道路全自動(dòng)化提取，試驗(yàn)表明，本文方法能夠獲取因次生災(zāi)害造成的損毀道路的分布情況，在地震發(fā)生后能快速地獲取損毀道路的分布位置及范圍。

五、結(jié)束語(yǔ)

地震為突發(fā)性的自然災(zāi)害，地震發(fā)生后，掌握主干道的通暢情況是抗震救援的關(guān)鍵。傳統(tǒng)的對(duì)損毀道路的了解主要靠人為實(shí)地勘察或遙感影像目視解譯。本文提出的基于面向?qū)ο蟮姆椒ㄊ紫忍崛≌鸷笤斐傻拇紊鸀?zāi)害，然后結(jié)合GIS疊置分析等空間分析功能，快速獲取震后次生災(zāi)害造成的道路損毀或堵塞分布情況。試驗(yàn)證明，本文提出的道路損毀提取方法與目視解譯結(jié)果基本吻合，與傳統(tǒng)的目視解譯相比，本文方法節(jié)省了大量的時(shí)間和人力，為地震應(yīng)急救援和決策爭(zhēng)取了時(shí)間，可為抗震救災(zāi)部門提供決策支持。

表1　結(jié)果驗(yàn)證比較

參考文獻(xiàn)：

[1]趙福軍，趙磊.面向?qū)ο蟮倪b感震害信息提取方法—以汶川地震為例[J].地震,2009(29)：130-138.

[2]任玉環(huán)，劉亞嵐，魏成階.汶川地震道路震害高分辨率遙感信息提取方法探討[J].遙感技術(shù)與應(yīng)用,2009,24(1)：52-56.

[3]陳世榮，馬海建，范一大.基于高分辨率遙感影像的汶川地震道路損毀評(píng)估[J].遙感學(xué)報(bào),2008,12(6)：949-954.

[4]秦軍，曹剛，耿娟.汶川地震災(zāi)區(qū)道路損毀度遙感評(píng)估模型[J].西南交通大學(xué)學(xué)報(bào),2010,45(5):768-774.

[5]楊中，王瑋，王彩芬.基于GIS的道路震害損毀評(píng)估方法研究與實(shí)現(xiàn)[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì),2010,20(26):164-166.

[6]馬歡，楚恒，王汝言.紋理與幾何特征在道路提取中的應(yīng)用[J].計(jì)算機(jī)與現(xiàn)代化,2012(7):96-99.

[7]劉長(zhǎng)英，萬(wàn)廣欣，徐雷.GIS在地震預(yù)報(bào)、地震災(zāi)害和損失估計(jì)中的應(yīng)用[J].測(cè)繪與空間地理信息，2009,32(3)：159-164.

[8]胡進(jìn)剛，張曉東，沈欣，等．一種面向?qū)ο蟮母叻直媛视跋竦缆诽崛》椒╗J]．遙感技術(shù)與應(yīng)用,2006,21(3):184-188．

[9]申真，張杰云.基于面向?qū)ο蟮母叻直媛蔬b感影像道路提取研究[J].科學(xué)之友，2011(22):3-5.

[10]張明媚.面向?qū)ο蟮母叻直媛蔬b感影像建筑物特征提取方法研究[D].太原：太原理工大學(xué)，2012.