基于遥感技术进行震害评估的研究进展

陆 程，孙建延

(中州大学工程技术学院，郑州450044)

基于遥感技术进行震害评估的研究进展

陆 程，孙建延

(中州大学工程技术学院，郑州450044)

随着高分辨率卫星影像成为一种便捷的信息源，遥感技术在震害快速评估中发挥着越来越重要的作用。首先分析了可用于震害评估的遥感数据源，然后总结了近年来国内外利用遥感影像进行震害评估的方法，将其归纳为基于震后影像的方法和基于变化检测的方法，介绍了遥感技术应用在地震灾害评估中的方法，并展望了遥感技术发展趋势。

遥感技术;震害信息;变化检测

1.引言

地震作为一种严重的自然灾害给人们造成了极大的痛苦和损失。我国是一个地震频发的国家，地震灾情的快速获取、灾害损失的准确评估，对于抗震救灾快速响应、减少震害损失、灾后重建等具有重要意义。随着遥感技术及相关系统的快速发展、遥感平台的增加、影像成本的不断降低，遥感技术已成为灾害调查、损失评估的重要方法，为决策提供基础信息方面发挥着重大作用。

由于完好的房屋建筑和损坏的房屋建筑在遥感影像中呈现出诸如灰度、外形、纹理、阴影等不同的影像特征，人们可以凭借这些特征的差异来获取房屋建筑的破坏信息。利用遥感影像进行震害评估可以直接从震后单时相影像中提取震害信息的人工目视解译或自动解译方法，以及对震前和震后多时相遥感影像进行对比分析的变化检测方法，从中识别震害信息。

2.可用于震害评估的遥感数据源选择

随着遥感获取技术的发展，目前可供使用的数据源有很多，包括雷达卫星、陆地资源卫星和高分辨率卫星等，如何根据应用需求选择合适的数据是顺利完成震害评估的前提和保证。选择合适的数据源，需要从地物及其遥感影像的特征分析入手，了解地物的特性及其在遥感影像中的表现形式。国内外的学者作过很多研究，其结果表明:低分辨率影像不适用于灾情获取，中等分辨率遥感影像可以用来估计宏观震害信息，利用高分辨率遥感影像可以将城市震害房屋独立地识别出来，对地震前后红外遥感影像的对比，可检测地震波及的范围等。目前所能获取的各种遥感卫星信息源在防震减灾工作中的可应用性如下［1－2］:

(l)活动断层及地震破裂带调查，主要分析活动断层的几何特性，构造地貌等，对分辨率要求不高，在10－30m范围内即可。

(2)房屋破坏调查，分析单栋房屋和房屋群的破坏情况，要求有较高的图像分辨率(＜6m)。

(3)生命线工程破坏调查，分析公路、铁路、桥梁、通讯塔等设施的破坏情况，要求有较高的图像分辨率(＜10m)。

(4)次生灾害调查，确定各种次生灾害，如水灾、火灾等，不同的灾种对图像分辨率及传感器的类型有不同的要求，如火灾要求红外波段，地质灾害要求中等分辨率遥感影像。

中分辨率影像数据源主要有Landsat卫星影像和SPOT卫星影像。在分辨率较低的影像上，房屋建筑的细节和轮廓均已消失，大部分建筑只是通过点的性状表现出来。对于遭受严重破坏的大片建筑物群，地表散射结果往往表现为低灰度，与基本完好房屋的散射效果存在较大差异。

随着遥感技术系统的不断发展，1m左右的高分辨率商业遥感卫星的成功发射，使得高分辨率遥感影像有了更多、更为廉价的选择。高分辨率影像主要来自于QuickBird卫星影像、IKONOS卫星影像或航空遥感影像。由于高分辨率遥感影像所包含的信息远比中低分辨率遥感影像丰富，在其影像上不但能够分辨出建筑群落，而且能够逐一分辨出建筑物的单体，甚至详细特征，能够更为详细地揭示震害的细节。因此，高分辨率卫星遥感影像遥感震害信息获取技术影像资料选择的必然方向，将成为今后震害信息获取主要数据源。

3.基于单时相遥感影像的震害评估方法

根据对震后单时相影像进行分析，及对地震前后多时相影像对比，震害评估方法可分为基于单时相遥感影像震害评估方法与基于变化检测的遥感影像震害评估方法。

依靠遥感影像人工目视解译进行震害灾情信息的获取，是几十年来利用航空遥感资料获取灾情的主要方法。20世纪90年代以来，随着卫星遥感技术的快速发展，多分辨率、多时相的遥感影像的大量出现，使得人们开始关注如何使用这些资料来提取灾害信息。1993年杨喆等利用航空遥感方法对云南澜沧－耿马地震灾情进行调查，对震区的震害特征、房屋破坏、山体崩落和滑坡进行定量量测、统计和分析，结果表明航空遥感方法对地震灾情调查是十分有效的［3］。1995年程家喻等通过统计我国近三十年来的地震资料，分析了基于航空照片对主要震害类型进行准确判读的概率，发现利用航片调查建筑物倒塌的准确率大于80%;对于城市和乡村应采用不同比例尺的航片，识别方式依然是依靠人工目视判读［4］。1996年魏成阶等按照《中国地震烈度表(1980)》要求，建立了遥感影像划分地震烈度标志和判读模型，提出《地震灾害损失航空遥感快速评估调查分类分级表》［5］。1996年丁军等以震害分析和研究为目的，讨论了遥感影像资料在城市地震灾害评价中采用的震害信息分类、获取方式、表示方法及应用问题［6］。1998年朱博勤等论述了震害地类的特性与建立解译模型的原则、方法与不同种类信息源的技术方案，探讨了地震灾害信息快速提取的技术方法［7］。

利用航空遥感人工解译进行震害调查周期长，成本较高，且依赖于评估人员的经验，难以在灾害救援和损失评估等方面发挥快速的优势。随着计算机技术和图像处理技术的发展，基于自动识别的震害评估技术逐步发展起来。2003年新疆巴楚－伽师地震后利用航空遥感影像实现了在地震应急阶段获取震害遥感影像并评估地震灾害［8，9］。中等分辨率遥感影像自动获取震害信息的处理技术，大多以点或者点邻域运算为基本操作单元，并形成以点特征为主要判据的特征空间。点特征判据算法主要是90年代中后期，为适应中等分辨率震害遥感影像计算机自动提取灾情而诞生的。首先要在影像中确定破坏区域和训练样本，形成特征空间，并确定限差，然后进行分类。Ronald等调查了1999年Mannara地震，利用雷达数据、Landsat影像、航空数据，借助GPS、GlS支持进行了分析，发现Landsat影像对于识别主要道路、城区边界、庞大建筑物的时候很有用，但是不能用于定量地进行灾情评价［10］。Mitomi等利用色调、饱和度、亮度和边界灰度值，对震后影像给予一定的阈值，对影像进行多尺度切割提取震害信息，利用震后单时相航空影像，基于光谱特征的最大似然分类法进行建筑物的损毁评估［11］。柳稼航提出了一种利用震后单时相高分辨率遥感影像震害房屋纹理结构的统计特性进行震害信息自动识别和分类的方法［12］。

4.基于变化检测的遥感影像建筑物震害评估研究现状

基于变化检测的震害评估算法是利用同一地区震前震后的多时相遥感影像，通过影像对比分析，生成变化分布图和其他检测结果。这一过程的基本目标是找出变化区域，并对其进行定性和定量的描述。根据对建筑物毁伤和变化特征的分析，衡量变化可以采用的参数指标有如下五类:

1)灰度特征;

2)光谱特征;

3)边缘及夹角特征;

4)纹理特征;

5)阴影分布特征。

在各种变化检测方法的分类中，目前采用最多的是从算法的角度出发，将目前的方法分为4类:

1)基于简单代数运算的变化检测;

2)基于图像变换的变化检测;

3)基于图像分类的变化检测;

4)基于特征描述的变化检测。

4.1 基于简单代数运算的变化检测方法

基于简单代数运算的变化检测技术包括图像差分、图像回归、图像比值和变化向量分析等。Zhang等利用灰度和结构特征进行建筑物变化检测［13］。Turker等融合多光谱与全色影像，通过针对亮度的差值法获取变化的区域［14］。这类方法的优点是相对简单、直接;不足之处在于该方法需使两次摄影的条件基本相同(这是很难做到的)，否则，由于新老图像相差较大，不能得到好的结果，而且在变化检测前需要对震前影像和震后影像进行严格的配准，否则将直接影响影像检测的结果。

4.2 基于图像变换的变化检测方法

基于图像变换的变化检测方法主要包括主成分分析、缨帽变换、正交变换和典型相关分析等。通过对多时相遥感影像进行变换，可以减少数据间的冗余信息，使变化信息在变换后的新影像上得到增强。

主成分分析将多时相数据按一般主成分分析研究或标准主成分分析的方法进行线性变换，得到反映各种变化的分量，这些变化分量互不相关，而且按其强度及影响范围顺序排列。对变化分量进行分析就可以总结变化规律，揭示变化原因。2000年Estrada等利用Landsat影像数据采用主成分分析方法，进行了灾情提取［15］。Wang等对QuickBird卫星影像采用统计的方法，对遥感数据时间序列进行回归、相关以及变化的显著性分析［16］。不但能确定变化的范围，而且对变化的性质、强度、趋势、分布进行定量分析。根据多时相遥感影像将变化归纳成一系列变化向量，向量方向表示变化类型，向量大小表示变化的强度，然后对研究区域进行分类、分级。

4.3 基于图像分类的变化检测方法

基于图像分类的变化检测方法对影像单独分类(监督分类或者非监督分类)，然后对图像的分类结果图进行比较，以确定变化的类别和区域。如果对应像素的分类类别相同，则认为该像素没有发生变化，否则认为该像素发生了变化。2001年Mitomi等为了提高自动灾害识别的精度，利用航空遥感数据采用最大似然分类法对震后建筑物的破坏进行了自动识别和检测［17］。Mitomi等通过从视频序列中提取出影像，利用颜色索引、边缘等特征进行最大似然法分类［18］。2002年，张景发等依据唐山地震后航空遥感影像，研究了典型震害遥感影像的分类与估计方法和地震前后遥感影像的变化检测技术［19］。2003年，窦爱霞等基于地震前后邻域统计特征相关分类提取震害的方法，提出基于方差、信息熵、峰值、偏斜度等多个二次特征相关分类提取震害的方法［20］。Yamazaki等的研究涉及到中分辨率影像、高分辨率影像和SAR影像，对高分辨率变化检测采用的是基于像素和基于对象的分类方法。分类后比较方法能够最小化地减少受非地物变化因素的影响，提供变化的类别信息。但是分类的精度直接会影响变化检测的性能，需要选择充足的学习样本。因此，该类方法的变化检测精度依赖于每幅图像分类精度的提高。

4.4 基于特征描述的变化检测方法

特征搜索分析法是对变化前后的图像分别进行建筑物检测和特征提取，然后对照分析所提取的特征是否多出或者减少，还是改变，从而得出毁坏建筑物。可以利用的特征包括几何结构(主要是线特征)、纹理特征等。Andre等对高分辨率影像通过比较提取出的建筑物轮廓进行变化检测［21］。Zhang等利用建筑物几何结构特征进行变化检测［13］。该方法主要的优点是从建筑物本身入手，对于影像配准和辐射校正的精度要求较少，具有很好的稳健性。但线特征的提取与分析比较是该类算法的难点，并且特征匹配的性能直接影响到变化检测的实现，需要稳健的线特征提取方法和线匹配方法。

4.5 结合高度信息的变化检测方法

由于建筑物的变化主要是反映在高度上的变化，而灰度的变化却不能反映高度上的变化。结合高度信息的变化检测方法，利用新老不同时期的影像对生成数字表面模型(DSM)，再用差值DSM来检测城市地区的变化，即根据立体像对来进行变化检测，同时结合单幅影像匹配方法来进行城市变化的检测。影像匹配和高程分析相结合的变化检测方法的优点:该方法不仅充分利用了影像匹配检测的特点(灰度匹配和直线匹配)，同时也充分利用了人工建筑物高度变化这一特点。通过对立体像对的分析，利用生成的DMS影像准确地检测出人工建筑物的变化。李德仁等提出基于已有的4D产品和新的立体重叠影像的三维变化检测方法，增加了立体重叠影像，因而可进行三维变化检测［22］。

变化检测的各种方法之间并不是严格区分的，每种方法都有自己的适用范围。因此在实际应用中究竟选择哪种方法，看应用的环境和用户的具体需要。变化检测方法存在的主要困难在于以下几个方面:

1)变化检测是基于影像这一数据源来进行分析的，所以对于影像本身就有一定要求。由于至少需要同一地区两幅不同时相的影像，所以这两幅影像就需要满足:来自于同一数据源，同一种卫星或者航拍影像;拍摄时的相机参数近似相同，因为从不同角度和高度拍摄得到的影像无法直接进行分析比较，需要进行复杂的校正;影像本身质量要达到进行分析比较的要求，符合一定的质量评价标准，如对比度、清晰度等指标。以上三个条件中，第二个条件一般都难以达到，都近似认为拍摄参数一致。这在一定程度上影响了分析效果。

2)由于是根据两幅或者多幅影像进行比较分析，所以影像间的位置就必须一一对应，这就需要先进行影像配准。而影像配准一直是影像处理和分析的研究难点，如何准确选择显著的控制点，并进行精确的影像配准直接影响着变化检测的准确度。

3)地面地物的变化，在影像上反映出来就是灰度异常变化。但是，不同时相的影像由于气候、光照、拍摄时季节以及其他物体阴影遮挡等原因，建筑物表面会有明显的变化，影像的亮度、对比度、信噪比等质量指标也会有较大的变化，这给检测真实的建筑物变化带来挑战。而且时间间隔大的卫星图象又可能导致检测不到在震后图象上出现的新建房屋的破坏等信息。

5.基于非可见光影像的震害评估方法

除了可见光影像，其他非可见光数据源也可以用于建筑物震害评估。例如，合成孔径雷达(SAR)也可以用于震害评估，且具有全天候、全天时的特点。1999年杨喆等利用机载SAR震害影像特征快速识别并确定极震区［23］。2004年Masashi等利用SAR影像分别对2003年阿尔及利亚地震、伊朗巴姆地震进行了灾情提取［1］。张景发等详细介绍了地震前后地震区SAR影像的变化检测方法，利用定性显示和定量计算的方法，进行建筑物损毁评估［19］。Matsuoka等研究了基于差值法的SAR影像变化检测方法［24］。

随着激光遥感技术的兴起和逐步实用化，由于激光遥感技术的诸多优势，很快被国外学者引入到建筑物灾情信息的自动识别中［25］。

6.结论

本文针对建筑物震害评估分析了目前可供使用的遥感信息源，采用高分辨率影像，融合多源数据进行震害评估具有明显的优势，总结了现有的震害评估方法。从现有的研究成果来看，不足之处在于大多只能进行定性分析，缺乏定量的计算;从计算方法来看，缺乏结构特征信息，特别是三维特征信息的提取。基于变化检测的震害评估方法由于其识别精度高受到了广泛的重视。由于震害的复杂性，在实际的震害评估中所应用的遥感影像模式识别方法尚不成熟。要确定变化检测应用采用何种方法，需要从变化检测所涉及的许多方面进行分析，包括变化检测的含义、变化检测的处理流程、变化信息获取的层次、现有各种变化检测方法的特点以及变化检测的影响因素和性能评价等。根据具体应用背景和任务的需求，确定最有效的变化检测技术和方法。

［1］Matsuoka M，Yamazaki F.Use of SAR Intensity Imagery for Earthquake Damage Detection［C］.Proceedings of the 2nd International Workshop on Remote Sensing，2004.

［2］Yamazaki F，Matsuoka M.Remote sensing technologies in post－ disaster damage assessment［J］.Journal of Earthquake and Tsunami.2007，1(3):193 －210.

［3］杨喆，程家喻，澜沧 －耿马地震灾情的航空遥感调查［J］.国土资源遥感，1993(15):17 －22.

［4］程家喻，杨喆，唐汉军.利用航空摄影进行震害调查的精度估计［J］.地震地质，1995，17(1):88－95.

［5］魏成阶，张渊智.地震烈度包络线的遥感与GIS方法快速生成［J］.自然灾害学报，1996，5(3):18 －28.

［6］丁军，王丹.遥感图像上城市震害信息的获取及其应用［J］.灾害学，1996，11(1):82 －86.

［7］朱博勤，魏成阶，张渊智.航空遥感地震灾害信息的快速提取［J］.自然灾害学报，1998，7(1):34 －39.

［8］王晓青，魏成阶，苗崇刚.震害遥感快速提取研究——以2003年2月24日新疆巴楚－伽师6.8级地震为例［J］.地学前缘，2003，8(增刊):285 －291.

［9］Wang X Q，et al.Study on the dynamic assessment of building damages to earthquake occurred in urban area based on RS and GIS［C］.25th IEEE International Geoscience and Remote Sensing Symposium，2005.

［10］Eguchi R T，et al.Using advanced technologies to conduct earthquake reconnaissance after the 1999 Marmara earthquake［C］.2nd Workshop on Advanced Technologies in Urban Earthquake Disaster Mitigation，2000.

［11］Mitomi H，et al.Determination of the areas with building damage due to the 1995 Kobe earthquake using airborne MSS images［C］.IEEE International Geoscience and Remote Sensing Symposium.2002.

［12］柳稼航，单新建，尹京苑.遥感图象自动识别城市震害房屋——以2001年印度库奇地震和1976年唐山地震为例［J］.地震学报，2004，26(6):623－633.

［13］Zhang J F，et al.Change detection of earthquake － damaged buildings on remote sensing image and its application in seismic disaster assessment［C］.23rd International Geoscience and Remote Sensing Symposium，2003.

［14］Turker M，San B T，SPOT HRV data analysis for detecting earthquake － induced changes in Izmit，Turkey［J］.International Journal of Remote Sensing，2003，24(12):2439 －2450.

［15］Estrada M，Matsuoka M，Yamazaki F.Use of Landsat images for the identification of damage due to the 1999 Kocaeli，Turkey earthquake［C］.Proceedings of the 21st Asian Conference on Remote Sensing，Singapore，2000.

［16］Wang H H，et al.Automatic identification of earthquakecaused building harm based on image fusion［C］.2nd International Conference on Space Information Technology，2007.

［17］Mitomi H，Yamazaki F，Matsuoka M.Development of automated extraction method for building damage area based on maximum likelihood classifier［C］.Proceedings of the 8th International Conference on Structural Safety and Reliability，2001.

［18］Mitomi H，et al.Automated damage detection of buildings from aerial television images of the 2001 Gujarat，India earthquake［C］.IEEE International Geoscience and Remote Sensing Symposium，2001.

［19］张景发，谢礼立，陶夏新.建筑物震害遥感图像的变化检测与震害评估［J］.自然灾害学报，2002，11(2):59－64.

［20］窦爱霞.震害遥感图像的变化检测技术研究［D］.山东科技大学，2003.

［21］Andre G，et al.Building destruction and damage assessment after earthquake using high resolution optical sensors［C］.The case of the Gujarat earthquake of January 26，2001.23rd International Geoscience and Remote Sensing Symposium，2003.

［22］李德仁.利用遥感影像进行变化检测［J］.武汉大学学报:信息科学版，2003，28(5):7 －12.

［23］杨喆，任德凤.利用机载SAR震害影像特征快速圈定极震区［J］.地震地质，1999，21(4):452 －458.

［24］Matsuoka M，Horie K，Ohkura H.Damage detection for the 2004 Niigata－ken Chuetsu earthquake using satellite SAR［C］.Conference on Disaster Forewarning Diagnostic Methods and Management，2006.

［25］Murakami H，et al.Change detection of buildings using an airborne laser scanner［J］.ISPRS Journal of Photogrammetry and Remote Sensing，1999，54(2 －3):148 －152.

(责任编辑 吕志远)

Abstract:As the satellite remotely sensed image with high resolution becomes a convenient and rapid information source，it will play an important role in seismic disaster assessment.In this paper，the remote sensing data source which can be used in earthquake damage assessment is analyzed.The methods applied remotely sensed image in post－earthquake damage assessment in recent years are summarized.Meanwhile，remote sensing technology used in earthquake damage assessment is introduced and the developing tendency of remote sensing technology is predicted.

Key words:remote sensing;earthquake damage information;change detection

A Survey on Remote Sensing Technology in Post－earthquake Damage Assessment

LU Cheng，SUN Jian －yan
(College of Engineering and Technology，Zhongzhou University，Zhengzhou 450044，China)

P315.9

A

1008－3715(2011)01－0114－04

2010－11－24

陆程(1978—)，女，河南驻马店人，硕士，中州大学工程技术学院讲师，主要研究方向信息技术。