遥感技术在城市建筑震害预测中的应用研究＊

李铁铮,翟永梅

(1.同济大学土木工程学院,上海 200092;2.同济大学上海防灾救灾研究所,上海 200092)

0 引言

地震灾害是重大自然灾害之一,严重威胁着人民生命和财产的安全。强烈的地震具有突发性,毁灭性的特点,它可以在顷刻之间摧毁一座城市,造成大量的建筑倒塌、人员伤亡、生产停顿等一系列社会经济问题。

编制和实施城市抗震防灾规划,是减轻城市地震灾害的有效措施,随着中国城市化进程的进一步加快,为了更好地保障地区经济社会持续、健康、快速发展,许多地方都陆续开展了编制城市抗震防灾规划的工作。而建筑物震害预测则成为编制防灾规划的基础性工作。

长期以来,建筑物属性信息的获取主要依靠人工实地调研。这种方法获取的数据精度和置信度虽说较高,但存在着工作量大、效率低、费用高、数据获取周期长等不足。

近年来,随着遥感技术的不断发展,尤其是高分辨率民用遥感卫星的成功发射和应用,使得利用遥感技术进行城市震害预测成为可能。遥感技术所具有的覆盖范围广,受地面状况影响小,图像获取方便等优点,使得它在建筑物识别,震灾调查和快速预估评估方面发挥出越来越重要的作用。本文拟结合郑州市郑州新区抗震防灾规划编制工作的具体工程实例,开展遥感技术在城市震害预测中的应用研究。

1 建筑物信息提取原理和方法

1.1 建筑物高度信息提取

1.1.1 太阳、房屋与阴影的关系

为了简化,首先做出如下两种假设:

(1)假设建筑物位于平原地带,无地形因素的干扰;

(2)建筑物垂直于地球表面。

设建筑物的高度为H,在平行于太阳光投射方向上建筑物阴影的实际长度为S,建筑物阴影可见长度为L2,被遮挡的长度为L1。卫星高度角为α,太阳高度角为β(图1)。

图1 太阳和卫星位于建筑物同侧

遥感图像上可见的阴影长度为:

可以求得这种情况下建筑物高度H和可见阴影长度L2之间的公式为:

如图2,当太阳和卫星位于建筑物的两侧时,在平行于太阳光投射方向上建筑物阴影的实际长度S和遥感图上建筑物阴影可见长度L2相等,此时L1=0。这种情况下建筑物高度H和可见阴影长度L2之间的公式为:

图2 正常蓄水位下坝体渗流场分布图

综合以上两种情况的分析可知通过阴影求建筑物高度信息的两种方法:

①如果已知遥感卫星图片中卫星的相关参数信息,如太阳高度角,太阳方位角和卫星高度角等,便可结合遥感图像中建筑物阴影的可见长度L2利用公式(2)和公式(3)求出实际建筑物的高度。

②如果遥感卫星图片的卫星参数未知,在这种情况下,同一幅遥感图像内的卫星参数信息相同,设K1=tanα＊tanβ/(tanα-tanβ),K2=tanβ无论在哪种情况下,K1和K2都为常数,H=L2＊Ki(i=1,2),即建筑物实际高度和其在遥感图像中在太阳光投射方向上的可见阴影长度L2成正比。在这种情况下,可以通过获得当地某一建筑物的实际高度来反求Ki,从而计算出其他建筑物的高度信息。

建筑物结构类型由高度来划分,划分的标准是:按平均层高为3 m划分,建筑物高度4 m以下的为1层建筑,4 m到7 m之间为两层建筑,7 m到10 m之间为3层建筑,依次类推。1层的建筑为平房(包括土坯房、简易房和一层砖房);2层以上、小于6层的为多层砖混结构;6层以上的则为钢筋混凝土框架结构、框剪结构。用建筑的层数乘以建筑物每层的建筑面积,就可以得到建筑物的总面积。

1.1.2 阴影提取

阴影在高分辨率遥感图像中的光谱特征比较明显,即具有较低的灰度值,而且不同阴影之间的灰度值有较强的统一性。可以认为,高分辨遥感影像中的阴影具有一致的灰度集,充分利用这一特点,就可以实现对阴影的提取目的。黄浩[1],许妙忠[2]等学者在这方面都做出过一定贡献。本文选取郑州新区某小区的若干栋商品房建筑的高分辨率遥感图像,进行提取过程的演示(图3)。具体过程如下。

图3 郑州新区某小区遥感影像

(1)图片增强处理

非线性拉伸图像直方图,降低阴影区域的灰度值,同时使其他非阴影地物的灰度值增大,以此来提高阴影和非阴影区域的对比效果。增强后的图片效果如图4所示。

图4 增强处理后的遥感图像

(2)样本选取

为了得到满意的分类结果,所选取的训练样本必须能够反映此种信息类型光谱类别的所有组成。图片的阴影特征虽然很明显,但由于各阴影投射的地域不一,造成阴影区域的光谱特征有所差异,所以样本要尽量在多个不同区域选择,本图的样本选择如图5所示(红色高亮区域部分为样本)。

图5 样本选择

(3)图像分类

综合监督分类的几种分类方法的优缺点,再结合本图的分类性质,笔者采用的是平行六面体分类法。在分类过程中尤其要注意的是要因图而异地选取合适的数值变差范围,以防出现错选与漏选的问题。图6所示是分类后的结果。

图6 初步分类结果

(4)后处理

一般情况下,经过分类后的遥感图像上仍会分布一些散落、孤立的“斑点”,而且阴影区域的分类结果中有类似“孔洞”的存在。“斑点”是因为地物中存在一些与阴影光谱信息相近的物体,“孔洞”则是因为在阴影区存在与阴影光谱信息相差比较大的物体。“斑点”相比阴影来说,其像素很少,所以可以设定一个面积阈值,去除孤立散落的“斑点”。要填补图中的“孔洞”,可以通过数学形态学中的闭运算(closing operate)来进行。图7为去除“斑点”和“孔洞”后的结果。

(5)阴影分类结果矢量化

图7 去除“斑点”填补“孔洞”后的结果图

对经过一系列后处理之后的阴影图像进行矢量化(如图8)。矢量化后的阴影文件可以被GIS读取,进而计算得到所需数据。这里的阴影矢量化是为之后的阴影长度提取工作做数据准备。

图8 矢量化结果图

(6)阴影长度计算

这里所指的阴影长度就是图1和图2中所示的阴影可见长度L2。国内诸多学者如董玉森、谢军飞、张桂芳、王永刚、刘龙飞等均对阴影信息的提取进行了相关探索[3-7]。本文应用一种通过阴影自身的矢量图来分割太阳光投射方向上的直线,从而直接读取阴影长度的方法。首先在太阳光投射方向上拉出一系列平行直线,使其与各阴影矢量图相交。然后,截断阴影矢量图以外的直线部分,取这些直线与各阴影矢量的交集,截断后结果如图9所示,这些矢量内的线段长度便是阴影的可见长度L2。L2的计算过程可在GIS中实现,阴影矢量和截断后的线段分属两个图层,然后进行查询操作,即寻找每一阴影矢量内完全包含的对象,此对象就是阴影对应的长度。过程简便快捷,且保证了一定的精度。

图9 截断割线后的结果图

1.2 建筑物面积信息提取

与阴影不同,建筑物屋顶由于建筑材料的不同而表现出不同的光谱特征,且建筑物没有确定的几何形状,因而对建筑物的自动化提取造成了很大困难。现有的一些建筑物自动化提取办法大都计算复杂,普适度不高,满足不了实际应用的需求。基于此,本文对建筑物的提取采用人工矢量化的方法。经过经纬度的配准,矢量化的建筑物在GIS上便能直接获取建筑物的面积,也就是建筑物每层的面积。矢量化结果如图10所示。

图10 建筑物的矢量化

2 算法检验与精度分析

2.1 数据验证

为了检验提取建筑物数据的精度,本文选取了郑州市中牟县的部分建筑物进行提取数据的验证。建筑物的实际层数从中牟县建设局获得,计算层数为通过高分辨率遥感影像提取所得。图11到图16分别给出了A、B、C三个区域的建筑物矢量叠加图及计算值和实际测量值。表1给出了提取的均方根误差。

图11 A区建筑物矢量叠加图

图12 A区建筑物实际层数与计算层数比较

图13 B区建筑物矢量叠加图

图14 B区建筑物实际层数与计算层数比较

图15 C区建筑物矢量叠加图

图16 C区建筑物实际层数与计算层数比较

表1 均方根误差(层)

为了检验对面积提取的精确度,选取了中牟县某两处楼盘进行精度分析(图17、图18)。实际数据从中牟县建设局处获得。表2给出了计算值和实际值:

图17 D区影像

图18 E区影像

表2 计算值与实际值比较

2.2 误差因素分析及精度评价

2.2.1 误差因素分析

通过A、B、C三个区域计算层数和实际层数的对比结果,可以看出个别建筑物层数信息的提取有误差,误差因素经分析原因有如下两点:

(1)建筑物阴影误差。本文中阴影的提取方法主要是基于高分辨率遥感图像的光谱信息,因而对图像的质量要求非常高。实际用到的图像中的树木,道路等地物有时也会呈现和阴影类似的光谱特征,从而被误当作阴影而提取;此外,建筑物周围的地物也会遮挡阴影。如C区中的18号建筑,其阴影和周围的树木光谱特征相似,部分树木被误识别为阴影,造成计算层数大于实际层数;而C区的17号建筑,其阴影则被周围地物遮挡,阴影提取值小于实际值,造成计算层数小于实际层数。此外,低矮型建筑的阴影区域通常很小,轮廓很不清晰,也会造成阴影提取的误差。

(2)建筑物层高因素。调查中发现某些商场或厂房车间,建筑层高远大于本文所设定的3 m,造成按照遥感图像提取的建筑物层数大于实际层数。

2.2.2 精度评价

通过数据验证与结果分析,对于建筑物属性信息的提取精度本文有如下几点认识:

(1)多高层建筑的提取精度比低矮型建筑的提取精度高。低矮型建筑的阴影区域通常很小,其轮廓很不清晰,造成阴影提取值与实际不符,从而影响层数的计算;而多高层建筑的阴影区域大,轮廓明显,提取精度相对高。

(2)受树木、道路等地物的影响,空旷地带的提取精度比密集地带的提取精度高。如在C区,提取层数有误差的4栋建筑都因为建筑之间布满树木等地物,造成阴影提取的不准确,导致层数识别错误。

(3)综合A、B、C三个区域的数据验证结果,其层数提取的均方根误差分别为0.574(层)、0.316(层)、0.623(层),三个区域共56栋建筑物的总均方根误差为0.467(层);对于中牟县老县城两个楼盘的精度分析表明,面积提取的相对误差都在10%之内。这些结果表明本文的方法是可行的,具有一定的应用价值。

3 总结与展望

基于高分辨率遥感影像的建筑物信息提取技术相比于传统的人工调查手段优势十分明显:节省大量的人力财力,获取的数据时效性好,能够紧随城市的建设步伐。本文首先提出了基于高分辨率遥感影像的建筑物的提取原理和方法,并利用一幅试验区的遥感影像介绍了对建筑物阴影的提取过程及阴影长度的计算方法。最后对提取结果作了精度评估,对建筑物层高的提取基本符合实际情况,56栋建筑物的总均方根误差为0.467(层),面积提取结果和实际数值的相对误差在10%之内,基本满足震害预测的需求。

本文的研究虽然取得了初步的成功,但依然任重道远,尚有许多有待进一步深入进行的研究工作:首先在建筑物的提取方面,由于技术上的不成熟和精度不高等因素,采用了人工的矢量化提取方式。这是以后有待进一步研究的地方,以实现提取过程的完全自动化。其次在建筑物高层信息的提取方面,虽然结果精度可以满足要求,但信息提取自动化程度仍不高,需较多人工参与,如何使该方法进一步自动化,也是今后需要研究的一个课题。

[1] 黄浩,张友静.基于影像融合的IKONOS影像阴影信息自动提取方法[J].2004,遥感信息,2004(4):29-31.

[2] 许妙忠,于志惠.高分辨率卫星影像中阴影的自动提取与处理[J].测绘信息与工程,2003(1):20-22.

[3] 董玉森,詹云军,杨树文.利用高分辨率遥感图像阴影信息提取建筑物高度[J].咸宁师专学报,2002,22(3):35-39.

[4] 谢军飞,李延明.利用IKONOS卫星图像阴影提取城市建筑物高度信息[J].国土资源遥感,2004(4):4-6.

[5] 张桂芳,单新建,尹京苑,等.单幅高空间分辨率卫星图像提取建筑物三维信息的方法研究[J].地震地质2007,29(1):180-186.

[6] 王永刚,刘慧平.利用角点最近距离统计平均法计算建筑物阴影长度[J].国土资源遥感,2008(3):32-36.

[7] 刘龙飞,王锐君,董卫平,等.一种快速提取建筑物高度的方法研究[J].遥感技术与应用,2009,24(5):631-634.