李 皓 張 合 呂國軍

?

基于遙感影像的建筑數(shù)據(jù)構(gòu)建研究1

李 皓 張 合 呂國軍

（河北省地震局，石家莊 050021）

在地震災(zāi)情快速評估中，基于空間分布的高精度房屋和人口數(shù)據(jù)是最重要的兩組數(shù)據(jù)，其直接決定著災(zāi)情快速評估結(jié)果的準(zhǔn)確性以及現(xiàn)場重點(diǎn)救援的目標(biāo)指向。然而，高精度房屋數(shù)據(jù)的獲取一直是一個(gè)難題，由于受到諸多因素的制約，至今缺少好的解決途徑，這也是導(dǎo)致當(dāng)前災(zāi)情快速評估準(zhǔn)確性不高的主要原因之一。本文基于遙感影像和實(shí)地調(diào)查相結(jié)合，構(gòu)建較高精度的房屋基礎(chǔ)信息，更好地反映房屋和人口的實(shí)際分布情況，為提高地震災(zāi)害損失快速評估的精度和準(zhǔn)確性奠定必要的基礎(chǔ)。

居民地 遙感 房屋 人口

引言

地震是人類面臨的主要自然災(zāi)害之一。面對突發(fā)的破壞性地震，應(yīng)急救援的首要工作就是第一時(shí)間提供地震災(zāi)害的最初評估（陳文凱等，2008），初步判定地震災(zāi)害的規(guī)模及人員傷亡情況，并給出地震影響范圍及相應(yīng)的烈度分布，以便各級(jí)政府及時(shí)啟動(dòng)相應(yīng)級(jí)別的應(yīng)急響應(yīng)，部署救援力量。準(zhǔn)確的數(shù)據(jù)是震后預(yù)評估的基礎(chǔ)，居民地?cái)?shù)據(jù)可以準(zhǔn)確精細(xì)地反映人口和房屋的實(shí)際分布。居民地是“天地圖”特有的圖層，是按照1：1萬比例采集的矢量數(shù)據(jù)，能夠較直觀準(zhǔn)確地反映專題數(shù)據(jù)在區(qū)域內(nèi)的空間分布特征。精確的居民地?cái)?shù)據(jù)在很大程度上提高了數(shù)據(jù)使用時(shí)的準(zhǔn)確性和可靠性，可充分體現(xiàn)轄區(qū)專題數(shù)據(jù)的內(nèi)部差異，對地震災(zāi)害風(fēng)險(xiǎn)評估、統(tǒng)計(jì)分析等應(yīng)用領(lǐng)域都具有重要意義。本文利用遙感影像提取居民地矢量數(shù)據(jù)，結(jié)合實(shí)際調(diào)查，構(gòu)建研究區(qū)域的房屋建筑基礎(chǔ)信息，形成研究區(qū)居民地?cái)?shù)據(jù)，所得結(jié)果可為人員傷亡評估方法的改進(jìn)奠定必要的基礎(chǔ)（王永明，2015；聶高眾等，2002）。

1 房屋數(shù)據(jù)構(gòu)建

本文選取張家口懷安縣作為研究區(qū)。為保證房屋數(shù)據(jù)的完整性、可靠性，本研究結(jié)合不同地域和鄉(xiāng)鎮(zhèn)經(jīng)濟(jì)發(fā)展水平，對研究區(qū)每個(gè)鄉(xiāng)鎮(zhèn)選取不少于3個(gè)調(diào)研點(diǎn)，共計(jì)34個(gè)（圖1），并對這34個(gè)調(diào)研點(diǎn)開展了現(xiàn)場數(shù)據(jù)調(diào)研，包括調(diào)研點(diǎn)人口、戶數(shù)和房屋總面積，并剔除其中個(gè)別離散性大的數(shù)據(jù)，形成了32個(gè)樣本數(shù)據(jù)（見表1）。

圖1 農(nóng)居房屋調(diào)查點(diǎn)

表1 農(nóng)居房屋調(diào)查點(diǎn)基本參數(shù)

本文對以上對32個(gè)調(diào)研點(diǎn)房屋總面積、人口、戶數(shù)分別進(jìn)行了擬合分析，如圖2所示。

圖2 面積、人口、戶數(shù)擬合曲線

通過對人口、戶數(shù)、房屋面積的擬合分析可以看出其在研究區(qū)存在較好的線性關(guān)系，相關(guān)性比較顯著，說明實(shí)際調(diào)研數(shù)據(jù)的可信度較高。

2 居民地識(shí)別

居民地是指是人類居住和進(jìn)行各種日?；顒?dòng)的中心場所。在高分辨遙感影像中，居民地通常由密集的建筑物群、內(nèi)部綠地以及周邊的道路交通網(wǎng)所構(gòu)成。準(zhǔn)確有效地獲取居民地的實(shí)時(shí)信息，對建筑物矢量提取在GIS上的應(yīng)用具有重要的現(xiàn)實(shí)及經(jīng)濟(jì)意義（姜立新等，2011）。本文充分利用高分辨率遙感影像（高分一號(hào)影像）上居民地特有的局部特征，嘗試對研究區(qū)居民地進(jìn)行提取和分類，以研究居民地面積與人口、戶數(shù)及房屋面積之間的關(guān)系。

2.1 遙感影像選取

本文選取資源三號(hào)衛(wèi)星（2米融合，全色2米，多光譜5.8米）、高分一號(hào)衛(wèi)星（2米融合，全色2米，多光譜8米）的數(shù)據(jù)進(jìn)行研究。其主要指標(biāo)如下：

（1）全色和多光譜遙感影像數(shù)據(jù)須為同一探測器同步接收；

（2）影像RPC參數(shù)文件；

（3）影像層次豐富，紋理細(xì)節(jié)清晰，色調(diào)正常，無明顯噪聲、斑點(diǎn)、壞線、接痕和變形，且城區(qū)建筑無異常高亮。

2.2 居民地?cái)?shù)據(jù)采集方法

研究區(qū)居民地?cái)?shù)據(jù)采集采用綜合調(diào)繪法，即基于數(shù)字正射影像數(shù)據(jù)源提取，依據(jù)影像特征，參照已有的土地利用數(shù)據(jù)庫等數(shù)據(jù)或資料進(jìn)行內(nèi)業(yè)解譯（陳云浩等，2006；李莉，2012；梁艷，2012）。具體流程見圖3。

圖3 影像處理流程圖

數(shù)據(jù)采集時(shí)以村為單位，利用eCognition進(jìn)行人工識(shí)別，內(nèi)容主要包括多層及以上房屋建筑、低矮房屋建筑、廢棄房屋建筑區(qū)、多層及以上獨(dú)立房屋建筑、低矮房屋獨(dú)立房屋建筑等城鎮(zhèn)和農(nóng)村宅基地及其附屬區(qū)域，含城鎮(zhèn)和農(nóng)村內(nèi)部道路（谷國梁等，2012）。

房屋建筑一般指上有屋頂，周圍有墻，能防風(fēng)避雨，御寒保溫，供人們在其中工作、學(xué)習(xí)、生活、生產(chǎn)、儲(chǔ)藏物資，并有固定基礎(chǔ)，層高一般在2.2米以上的永久性居住場所（圖4）。

圖4 居民地實(shí)際與遙感圖像對比圖

Fig. 4 Comparison of on-site and remote sensing map of residents

房屋建筑區(qū)指城鎮(zhèn)和鄉(xiāng)村集中居住區(qū)域內(nèi)被連片房屋建筑遮蓋的地表區(qū)域，即被外部道路、耕地及河流、山川、大片樹林、草地等自然分界線分割而成的區(qū)塊內(nèi)部，由高度相近、結(jié)構(gòu)類似、排布規(guī)律、建筑密度相近的成片房屋建筑的外廓線圍合而成的區(qū)域（王巖等，2009；李強(qiáng)等，2017）。

獨(dú)立房屋建筑包括城鎮(zhèn)地區(qū)規(guī)模較大的單體建筑和分布于分散的居民點(diǎn)、規(guī)模較小的散落房屋建筑（圖5）。

圖5 農(nóng)村居民地提取輪廓線

房屋建筑區(qū)的范圍通過連接圍合該區(qū)域的各個(gè)房屋建筑的輪廓轉(zhuǎn)折點(diǎn)形成。勾畫時(shí)，在包含相同房屋建筑數(shù)量的情況下，應(yīng)可能保持范圍最?。ㄍ鯐郧嗟龋?004）。無論城市還是鄉(xiāng)村，房屋建筑區(qū)應(yīng)由完全連接在一起的房屋連續(xù)覆蓋，且與周邊其他類型有明顯分界線，范圍內(nèi)全部或接近全部為房屋建筑。對于鄉(xiāng)村地區(qū)集聚程度較低、自然散亂分布、被其他類型分隔的房屋建筑，將其歸類為獨(dú)立房屋建筑，不予勾畫（劉龍飛等，2009；謝軍飛等，2004）。

2.3 居民地?cái)?shù)據(jù)采集結(jié)果

按照上述步驟對研究區(qū)進(jìn)行了居民地?cái)?shù)據(jù)采集，提取的居民地共計(jì)306個(gè)，共計(jì)約50km2。見圖6。

圖6 研究區(qū)居民地提取結(jié)果

對32個(gè)樣本點(diǎn)居民地面積進(jìn)行了統(tǒng)計(jì)，見表2。

表2 研究區(qū)居民地面積提取結(jié)果Table 2 Results of extraction of residential area in the study area

結(jié)合32個(gè)樣本點(diǎn)人口、戶數(shù)、房屋面積的數(shù)據(jù)對居民地進(jìn)行了擬合分析，結(jié)果如圖7所示。

圖7 人口、戶數(shù)、房屋面積對居民地面積擬合圖

通過對人口、戶數(shù)、房屋面積與居民地的擬合分析，樣本數(shù)據(jù)值越大，離散越明顯，居民地面積在0.5km2以下的數(shù)據(jù)擬合程度非常好，說明面積較小的鄉(xiāng)鎮(zhèn)村莊樣本點(diǎn)，人口、戶數(shù)、房屋面積與居民地面積存在較好的關(guān)聯(lián)性，鄉(xiāng)鎮(zhèn)村莊面積較大的樣本點(diǎn)則關(guān)聯(lián)性相對較差。對307個(gè)居民地進(jìn)行了整理（見表3），發(fā)現(xiàn)0.5km2以上居民地共計(jì)12個(gè)，所占比例不到4%，對擬合優(yōu)度的影響可以忽略不計(jì)。

表3 研究區(qū)居民地面積統(tǒng)計(jì)

由此可通過居民地?cái)?shù)據(jù)構(gòu)建農(nóng)居房屋及人口數(shù)據(jù)，并合理地承載于居民地中，以形成具有較高精度的房屋空間分布數(shù)據(jù)，以便更好地滿足地震災(zāi)害評估對高質(zhì)量數(shù)據(jù)的要求。

3 房屋結(jié)構(gòu)分布情況

研究區(qū)轄4個(gè)鎮(zhèn)、7個(gè)鄉(xiāng)，分別是柴溝堡鎮(zhèn)、左衛(wèi)鎮(zhèn)、頭百戶鎮(zhèn)、懷安城鎮(zhèn)、第三堡鄉(xiāng)、渡口堡鄉(xiāng)、第六屯鄉(xiāng)、西灣堡鄉(xiāng)、西沙城鄉(xiāng)、太平莊鄉(xiāng)、王虎屯鄉(xiāng)。針對34個(gè)調(diào)研點(diǎn)開展了房屋建筑物抗震能力調(diào)查，內(nèi)容包括不同層數(shù)的建筑物結(jié)構(gòu)類型、年代、設(shè)防情況、人口、抗震薄弱環(huán)節(jié)等。

針對房屋的調(diào)研，將張家口房屋進(jìn)行了分類，大體分為土結(jié)構(gòu)房屋（土窯洞）、木結(jié)構(gòu)（土木結(jié)構(gòu)房屋、磚木結(jié)構(gòu)房屋）、砌體結(jié)構(gòu)房屋、框架結(jié)構(gòu)房屋、石器房屋這5類結(jié)構(gòu)。

在實(shí)際的調(diào)研中，對調(diào)研點(diǎn)不同結(jié)構(gòu)房屋進(jìn)行了數(shù)量統(tǒng)計(jì)及分類，得到了不同結(jié)構(gòu)房屋所占比例。

從房屋結(jié)構(gòu)分布圖來看，研究區(qū)北西向房屋主要為磚木結(jié)構(gòu)和土木結(jié)構(gòu)；中部沿西沙城東西方向土窯洞比例明顯增多，達(dá)50%以上，其它主要為磚木和土木結(jié)構(gòu)；研究區(qū)房屋砌體結(jié)構(gòu)增多，幾乎沒有土窯洞；研究區(qū)東北主要以磚木、土木、窯洞為主。經(jīng)過調(diào)研，房屋結(jié)構(gòu)分布不均的原因主要是受經(jīng)濟(jì)收入、交通情況、地形地貌的影響。經(jīng)濟(jì)收入高的地區(qū)，如懷安鎮(zhèn)，年均收入可達(dá)到2—3萬元，當(dāng)?shù)赝粮G洞基本已改造，新建房屋主要是砌體房屋。途經(jīng)高速、國道的調(diào)研點(diǎn)房屋結(jié)構(gòu)明顯偏好，交通越是發(fā)達(dá)便捷的地方，土窯洞的數(shù)量越少。處于山區(qū)的鄉(xiāng)村，信息閉塞，房屋就地取材，多為土窯洞和土木房屋。交通好、地勢較為平坦的地區(qū)、經(jīng)濟(jì)收入偏高，房屋結(jié)構(gòu)抗震能力相對較好，而交通偏遠(yuǎn)、地勢相對偏高的山區(qū)，經(jīng)濟(jì)收入偏低，房屋結(jié)構(gòu)抗震能力相對較差。所以我們認(rèn)為房屋分布情況可以根據(jù)交通情況和地形地貌特點(diǎn)進(jìn)行區(qū)域劃分。

按照調(diào)研總結(jié)的思路，交通、地形地貌是影響房屋分類的主要原因，我們將研究區(qū)房屋結(jié)構(gòu)分布情況疊加在地形圖上，G207、S343、S247公路沿線、處于山腳下房屋結(jié)構(gòu)主要以磚木結(jié)構(gòu)為主，占80%左右，其余多為土木結(jié)構(gòu)，懷安城鎮(zhèn)由于縣政府的原因，存在一定數(shù)量的砌體結(jié)構(gòu)。而沒有途經(jīng)高速、國道，交通較為不便，地處山區(qū)的調(diào)研點(diǎn)，房屋結(jié)構(gòu)以土窯洞、土木結(jié)構(gòu)為主，還有少量磚木結(jié)構(gòu)，砌體結(jié)構(gòu)、框架結(jié)構(gòu)數(shù)量可以忽略不計(jì)。

根據(jù)調(diào)研點(diǎn)在地形地貌交通圖分布的特點(diǎn)，我們對研究區(qū)房屋結(jié)構(gòu)進(jìn)行了區(qū)域分類，按照以下分類進(jìn)行了劃分：

（1）途經(jīng)高速、國道、縣連接鄉(xiāng)道周邊按照調(diào)研點(diǎn)比例劃分。

（2）交通欠發(fā)達(dá)、地處山區(qū)按照調(diào)研點(diǎn)中房屋結(jié)構(gòu)的比例劃分。

（3）經(jīng)濟(jì)發(fā)達(dá)地區(qū)按照房屋類型劃分。

（4）對于結(jié)構(gòu)比例近似地區(qū)取平均值（保留個(gè)位小數(shù)，取整）。

按照上述原則，對研究區(qū)房屋類型進(jìn)行了整理和劃分，將其劃分為5種不同類型，見圖8。

圖8 研究區(qū)各類結(jié)構(gòu)分布情況

Fig .8 Distribution of various types of structures in the study area

4 認(rèn)識(shí)與建議

通過遙感影像獲取的居民地圖層具有較為清晰的輪廓界線，其真實(shí)地反映了房屋和人口在空間上的實(shí)際分布，具有較為精細(xì)的數(shù)據(jù)顆粒，可滿足高精度空間分析的要求，為基于模型的房屋空間數(shù)據(jù)構(gòu)建提供了有利條件。通過比對分析可知：農(nóng)居房屋面積與人口和居民地面積之間具有明顯的線性相關(guān)性，特別是在相同經(jīng)濟(jì)、地理和民俗條件下，其相關(guān)性更為顯著。借助這種特性可通過人口和居民地?cái)?shù)據(jù)構(gòu)建農(nóng)居房屋數(shù)據(jù)，以形成具有較高精度的房屋空間分布數(shù)據(jù)，更好地滿足地震災(zāi)害評估的高精度空間分析。由于城鎮(zhèn)房屋的趨同性不強(qiáng)，所以，城鎮(zhèn)房屋數(shù)據(jù)與人口、居民地的相關(guān)性也就不顯著。對于城鎮(zhèn)這類大面積連片的區(qū)域，更適合采用格網(wǎng)化的數(shù)據(jù)構(gòu)建方法。

陳文凱，何少林，張景發(fā)等，2008．利用遙感技術(shù)提取震害信息方法的研究進(jìn)展．西北地震學(xué)報(bào)，30（1）：88—93．

陳云浩，馮通，史培軍等，2006．基于面向?qū)ο蠛鸵?guī)則的遙感影像分類研究．武漢大學(xué)學(xué)報(bào)·信息科學(xué)版，31（4）：316—320．

谷國梁，姜立新，2012．城市建筑物震害三維模擬在GIS中的應(yīng)用．震災(zāi)防御技術(shù)，7（2）：152—163．

姜立新，帥向華，聶高眾等，2011．地震應(yīng)急聯(lián)動(dòng)信息服務(wù)技術(shù)平臺(tái)設(shè)計(jì)探討．震災(zāi)防御技術(shù)，6（2）：156—163．

李莉，2012．面向?qū)ο蟮母叻直媛蔬b感影像信息提取研究．成都：成都理工大學(xué)．

李強(qiáng)，張景發(fā)，2017．高光譜遙感技術(shù)在建（構(gòu)）筑物震害識(shí)別中的應(yīng)用．震災(zāi)防御技術(shù)，12（1）：96—106．

梁艷，2012．面向?qū)ο笈c基于像素的高分辨率遙感影像分類在土地利用分類中的應(yīng)用比較．太原：太原理工大學(xué)．

劉龍飛，王銳君，董衛(wèi)平等，2009．一種快速提取建筑物高度的方法研究．遙感技術(shù)與應(yīng)用，24（5）：631—634．

聶高眾，陳建英，李志強(qiáng)等，2002．地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫建設(shè)．地震，22（3）：105—112．

王曉青，丁香，2004．基于GIS的地震現(xiàn)場災(zāi)害損失評估系統(tǒng)．自然災(zāi)害學(xué)報(bào)，13（1）：118—125．

王巖，王曉青，竇愛霞，2009．面向?qū)ο筮b感分類方法在汶川地震震害提取中的應(yīng)用．地震，29（3）：54—60．

王永明，2015．重大突發(fā)事件情景構(gòu)建理論框架與技術(shù)路線．中國應(yīng)急管理，（8）：53—57．

謝軍飛，李延明，2004．利用IKONOS衛(wèi)星圖像陰影提取城市建筑物高度信息．國土資源遙感，（4）：4—6．

Construction of Building Data Based on Remote Sensing Images

Li Hao, Zhang He and Lv Guojun

（Hebei Earthquake Agency, Shijiazhuang 050021, China）

In earthquake disaster rapid assessments, high accuracy based on spatial distribution of housing and demographic data are the most important of two sets of data, which greatly helps the disaster fast assessment of accuracy and the key rescue targets. However, high-precision data acquisition for housing has been the problem for long time, due to the restriction by many factors, which results in the low accuracy in disaster fast assessment. Construction of building data based on remote sensing images is helpful to better reflect the actual distribution of housing and population, and will provide more valuable information for earthquake disaster evaluation and earthquake disaster surveys.

Residential area; Remote sensing; Housing; Population

李皓，張合，呂國軍，2018．基于遙感影像的建筑數(shù)據(jù)構(gòu)建研究．震災(zāi)防御技術(shù)，13（1）：168—176．

10.11899/zzfy20180115

中國地震局應(yīng)急救援司地震應(yīng)急青年重點(diǎn)任務(wù)（CEA_EDEM-201603）

2017-03-10

李皓，男，生于1988年。工程師。主要研究方向?yàn)榈卣饝?yīng)急、工程結(jié)構(gòu)抗震。E-mail：13703118849@163.com