航天光学遥感在自然灾害管理中应用能力评述

和海霞 范一大 杨思全 黄河 汤童

（1 民政部国家减灾中心，北京 100124）

（2 民政部卫星减灾应用中心，北京 100124）

1 引言

自然灾害种类多、频次高、分布广、影响大、损失重，给人们的生命财产安全及社会经济正常发展带来巨大威胁。加强自然灾害管理是减轻自然灾害损失的有效手段。按照灾前、灾中、灾后等不同时期和工作内容，自然灾害管理可划分为防灾、减灾、救灾、恢复重建等阶段，可采取相应的灾害风险评估、灾害监测、灾害评估、恢复重建监测等技术方法来实现管理。

传统的自然灾害管理主要依靠灾害信息员上报地面调查和信息统计，这种方式具有灾情报送针对性强、内容可靠丰富等优点，但同时存在着一些不足，主要表现在：①灾害（尤其是巨灾）发生时，灾区道路、通信等基础设施受损严重，灾害信息员及时进入灾区和及时发布信息存在困难。②灾害信息员通常获取的是点上的信息，调查覆盖面积较小，不能全面准确开展旱灾、雪灾等大范围灾害的风险评估和损失评估工作。③灾情通常变化快，及时更新存在困难。④人力耗费大。综上可知，传统的自然灾害管理方法，不能完全适应全面、准确、快速的灾害信息获取需求，需要更有效的技术手段的支撑。航天光学遥感因其探测范围广、获取数据快、动态监测能力强、分辨率高、直观性强、经济便捷、可定期或连续观测等优点，能弥补传统自然灾害管理手段的不足，针对空间尺度大、灾情信息变化快、持续时间长、破坏性大、损失严重等灾害，在开展风险评估、灾害监测、灾害评估、恢复重建进度监测等方面独具优势［1］。

本文从灾害特征参数反演、灾害风险评估、灾害监测、灾害损失评估和恢复重建等方面较为系统地阐述了航天光学遥感减灾技术的应用现状和能力，并从航天器设计角度提出了目前灾害管理中存在问题的解决途径。

2 应用现状

航天光学遥感利用可见光、近红外、短波红外等光学谱段遥感器探测电磁波与地物相互作用后的辐射信号，从而获取致灾因子、孕灾环境、承灾体等地物丰富的图像信息，为灾害预警、灾情调查与监测、灾害损失评估提供支持。

从20世纪60年代中期开始，中国科学院和地震部门先后对1966年邢台地震、1975年海城地震、1976年唐山地震和1988 年澜沧-耿马地震等重灾区进行了航空摄影［2］，开启了光学遥感灾害应用研究。1998年长江流域特大洪涝灾害期间，王世新等以美国“诺阿”（NOAA）卫星搭载的甚高分辨率扫描辐射仪（AVHRR）、“陆地卫星”（Landsat）搭载的专题制图仪（TM）和法国“斯波特”（SPOT）卫星等获得的航天光学遥感数据，结合加拿大“雷达卫星”（Radarsat）、我国国家863 计划机载合成孔径雷达（SAR）等微波数据，对九江段干堤决口的发展、地理背景成因、损失状况、灾后重建等进行了监测评估和分析［3］，为光学遥感在灾害评估、灾害调查和监测领域的应用积累了丰富的经验。近年来，以民政部国家减灾中心为代表的综合减灾部门，在航天光学遥感灾害管理应用方面开展了大量的工作。针对2008年汶川地震的灾情特征，国家减灾委员会和民政部通过国内遥感数据获取机制和国际“减灾宪章”机制，先后获取了包括“艾科诺斯”（IKONOS）、“世界观测”（Worldview）、“快鸟”（Quickbird）等遥感卫星在内的遥感数据1 277景，开展了倒塌房屋评估、次生灾害影响评估、受灾人口估算、综合评估等灾害遥感应用及研究工作，光学遥感监测灾害评估与监测技术得到了全面、广泛的应用［4］；针对2009年玉树地震和舟曲特大泥石流灾害的灾情特征，利用高空间分辨率光学数据开展了房屋倒损、交通线路堵塞、次生灾害监测，以及灾民安置区规划和安置点监测，使得光学遥感实物量损失评估技术得到了重点发展［5］；针对旱灾的灾情特征，利用光学遥感具备能够定量地反演植被和土壤含水量变化信息的特点，有效地开展了2010年西南五省连旱和2012年云南旱灾监测及灾情评估工作。

光学遥感在我国灾害管理领域得到了广泛的应用，虽然针对房屋倒损、受灾人口、生命线损毁、基础设施损毁、农作物受损、灾后重建等方面的监测评估开展了大量的技术研究工作，但遥感数据分析与数据应用潜力挖掘有待进一步加强，在灾害特征参数反演、风险评估和恢复重建等技术能力方面还缺乏深入分析。

3 应用能力分析

3．1 灾害特征参数反演

灾害特征参数是利用遥感数据的线性或非线性组合形成的能反映缓发性灾害和突发性灾害的成因特征、时空特征、结构特征和发展过程特征的参数。灾害特征参数反演通常依据植被、水体、冰雪等地物光谱特征，对无序、随机、多样的自然灾害特征进行定量化、有序化、规律化、简单化的理论抽象和表达，是灾害风险评估、监测、损失评估的基础。航天光学遥感数据因其光谱信息丰富、探测范围广、数据获取稳定性强等特点，在灾害特征参数反演领域应用潜力巨大，能为灾害特征的持续观测和长时间序列分析提供有力的数据支撑，对揭示灾害重现规律意义重大。基于航天光学遥感数据，可开展植被指数、水体指数、雪被指数、地表温度、农作物含水量、土壤含水量、归一化火点指数、云指数等旱灾、雪灾、洪涝、火灾等灾害相关参数反演。

3．2 灾害风险评估

灾害风险评估是在评估孕灾环境稳定性、致灾因子危险性、承灾体脆弱性等方面的基础上，对灾害系统进行风险评估［6］。

（1）孕灾环境稳定性。孕灾环境由大气圈、水圈、岩石圈、生物圈、人类圈和技术圈组成［6］。孕灾环境稳定性越高，灾害发生的概率和造成的损失越低。航天光学遥感因其覆盖能力强、更新速度快等优势，能够较为精确地识别和快速更新孕灾环境特征信息，进而满足不同灾害类型孕灾环境稳定性评估的需求。例如，利用云覆盖天数、气旋变化等大气圈变化特征，开展旱灾、台风和洪涝的孕灾环境稳定性评估；根据水体面积、水位等水圈变化特征，开展洪涝和旱灾的孕灾环境稳定性评估；根据地层和岩性结构类型、地表土地利用和土地覆盖类型等岩石圈特征，开展滑坡、泥石流等的孕灾环境稳定性评估。

（2）致灾因子危险性。致灾因子危险性分析是利用模型量化可能引发灾害损失的各种自然和人为异变因素的强度。航天光学遥感数据在致灾因子识别和强度变化分析方面发挥着重要作用，尤其是在以云、植被、水体、温度等作为致灾因子的灾害类型分析上。例如：通过对热带气旋的识别和强度变化的监测，开展台风等灾害危险性分析；对积雪覆盖面积和积雪时间进行监测，开展雪灾危险性分析；通过云覆盖遥感监测，开展旱灾致灾因子危险性分析［7］。

（3）承灾体脆弱性。承灾体脆弱性是描述承灾体在受到外部致灾因子影响时可承受损失程度的一种指标，通常可采用灾后损失反推法、社会易损性构建法、灾害案例信息量法、区域宏观经济发展衡量法［8］等4种方法确定，其核心内容是分析人员、社会财富、生命线系统等的可能受损情况。航天光学遥感数据可辅助统计数据开展承灾体脆弱性分析，如高分辨率遥感数据可辅助地面统计数据进行真实性检验，或在地面数据缺失的情况下粗略定量房屋、交通道路、农业等受损程度。

3．3 灾害发生及演化过程监测

（1）灾害发生范围监测。航天光学遥感可实时监测震中、火点、溃坝点等灾害诱发地或主发地的地理位置及其周围地物特征，监测灾害影响区、极重灾区、严重灾区、一般灾区等地区的受损范围变化状况。

（2）受灾程度监测。受灾程度主要用灾害等级、建（构）筑物破坏程度、人员伤亡、经济损失等因子来表述［9］。受灾程度监测主要对受灾程度及其增强、持续、减弱等演化过程进行监测。航天光学遥感数据可对灾害引起的房屋破坏情况进行直接估算，并利用人口比例和社会经济背景数据间接估算人员伤亡和经济损失情况，进而开展受灾程度分析。此外，利用灾前灾后多时相航天光学数据可进行综合灾情指数的反演，模拟灾害的发生及演化过程。

（3）基础设施监测。利用高空间分辨率遥感数据可监测护堤、大坝、高速公路、高速铁路、大桥、电线、输油管等线状地物，以及湖、水库、港口、机场等面状地物的状态，以开展灾前风险分析和灾后损失评估。

（4）灾害救助进度监测。航天光学遥感数据在灾害救助不同阶段发挥着不同的作用。在灾害发生初期，可进行灾民安置点选址和帐篷需求量评估；在灾情救助过程中，可开展救助进度监测，如监测帐篷的安置情况、救灾物质的分布状况等。图1为玉树地震期间国家减灾中心以天为单位对结古镇周边地区帐篷安置情况进行多时相序列监测。

图1 青海省玉树地震灾区结古镇周边地区帐篷安置时序变化图Fig．1 Monitoring map of tent placement changes in Yushu earthquake disaster area of Qinghai province

3．4 灾害损失评估

（1）灾害范围评估。灾害范围评估是综合考虑致灾强度、灾情严重程度和灾害造成的影响等因素，构建灾情指数（DI）［10］，根据灾情指数突变点对灾害影响范围进行分等定级，确定极重灾区、严重灾区、一般灾区、影响区等［11］。2010年舟曲发生特大山洪泥石流期间，利用航天光学影像数据结合地面统计数据，综合分析泥石流强度、房屋倒损、基础设施损毁等状况，进而将灾区划分为极重区域、严重区域、一般区域，如图2所示。

图2 舟曲特大山洪泥石流灾害范围评估图Fig．2 Extent assessment map in affected area by Zhouqu large debris flow

（2）灾害实物量损失评估。实物量损失评估是综合评估的基础和依据，重点对房屋、基础设施、农业等实物直接损失进行全面评估。航天光学遥感数据在实物量评估领域应用潜力巨大：一是利用航天高空间分辨率光学遥感数据，根据图像的纹理信息和光谱信息，将房屋因灾受损情况划分为房屋倒塌、房屋严重损坏、房屋一般损坏3类，图3是利用“快鸟”卫星数据结合航空高分辨率光学遥感数据开展的舟曲特大山洪泥石流灾害房屋倒损评估图；二是利用航天高空间分辨率光学遥感数据，评估道路损毁的长度和宽度、路灯损坏数量、机场受损状况、通信基站受损等基础设施损毁状况；三是利用航天中、低空间分辨率遥感数据，开展受灾农作物长势分析，评估农作物因灾减产成数和相应损失，进而开展农作物受损评估。

（3）次生灾害损失评估。次生灾害损失评估是对原生灾害所诱导出来的灾害所造成的损失进行评价，如地震所引起的滑坡、水灾、火灾、有毒物质的散逸、爆炸等对人类造成的损失评价。航天光学遥感在次生灾害损失评估中的应用包括：①次生灾害等级评估。利用光学遥感数据，对水体信息异常、不稳定地质构造和岩石等致灾因子灾前灾后空间和光谱变化特征进行分析，评估堰塞湖、滑坡、崩塌等次生灾害的等级，为损失评估提供背景信息。②借助光学遥感影像，通过三维可视化技术和虚拟现实技术，开展次生灾害演变过程和受灾范围的模拟演示，辅助确定次生灾害受灾范围。③开展次生灾害引起的实物量损失评估。

图3 舟曲特大山洪泥石流灾害房屋倒损评估图Fig．3 House damage assessment map in Zhouqu large debris flow disaster

（4）灾害综合评估。灾害综合评估是依据简单明了、综合评估、依靠科学、保持区域完整、便于衔接的原则，对灾害的范围、强度及其造成的生命和财产损失开展系统评估，并对资源、环境、人口的承载能力进行评估，为恢复重建提供理论依据和数据支撑。综合灾情指数（SDI）是灾害综合评估的重要依据之一［9］，它通常是对一系列灾情评价因子进行归一化和加权处理，并依次累加求和，定量化地反映灾情的严重程度。航天光学遥感可为综合灾情指数的构建提供基础背景数据，并在旱灾等对植被影响较大的灾种的综合评估中起决定性作用。

3．5 恢复重建监测与评估

恢复重建是在灾害综合评估的基础上，开展灾民过渡性安置，依据灾后恢复重建规划开展住房建设、基础设施建设、公共服务设施建设、防灾减灾和生态修复、土地利用恢复等工作。航天光学遥感在恢复重建过程中的作用集中体现在3个方面：①为恢复重建选址提供科学的数据支撑。10 米级航天遥感数据可辅助分析灾区周围地貌、地形特征，为恢复重建选址提供决策支持。②恢复重建进度监测。高分辨率卫星数据，可用于监测房屋和基础设施的恢复重建进度。③恢复重建效果监测与评估。可利用航天遥感快速、多期次成像、成本低的特征，对恢复重建的效果进行监测，评估恢复重建的人文效应与生态效应，为后续防治规划提供科学的数据支撑。

目前，紧密围绕我国灾害特点和灾害管理需求，通过深入分析不同空间、时间和光谱分辨率遥感数据的技术优势，已经建立了针对不同灾种的遥感信息提取模型与算法，并将其应用于汶川地震、舟曲特大山洪泥石流灾害、玉树地震、北方冬麦区干旱、北方雪灾、南方低温雨雪冰冻灾害等多个重大灾害的预警、监测与评估工作，取得了较好的效果。在归纳总结重大案例成果的基础上，构建了面向旱灾、洪涝、雪灾、地震、滑坡、泥石流、海冰、冰凌、台风、火灾等不同灾种的遥感灾害特征参数反演、灾害风险评估、灾害监测、灾害损失评估、恢复重建监测与评估产品体系。但是，这些光学遥感产品体系和服务内容多属于任务驱动型，被动性较强，即灾害管理部门“需要什么做什么”，对航天光学遥感灾害应用能力的主动服务工作链缺乏深度延伸，针对自然灾害管理的航天光学遥感器的光谱分辨率、空间分辨率、重访周期等参数需求缺少深入分析。

4 面向灾害需求的航天光学遥感器设计

灾害类型的多样性、灾害发生的时空不确定性、灾害损失的严重性、灾害范围的广泛性等特点，对光学遥感数据呈现出多样性需求，现有的航天遥感器不能完全满足需要，因此，在设计面向灾害需求的航天光学遥感器时应注意以下问题。

（1）多种空间分辨率遥感器平衡发展。不同空间分辨率遥感数据在不同尺度和不同类型灾害领域作用不同：米级分辨率数据在地震、滑坡、洪涝等灾害导致的房屋和基础设施损毁评估中能发挥重要作用；10米级分辨率和100米级分辨率数据对旱灾、森林和草原火灾、冰凌、海冰、大型地质灾害等大范围灾害的风险评估和监测意义重大；1 000 米级分辨率数据能在雪灾监测领域发挥作用。因此，遥感器设计应以灾害管理需求为导向，优先发展高空间分辨率遥感器，兼顾中、低空间分辨率遥感器，做到灾害发生时能及时获取到不同空间特征的有效数据。

（2）多种光谱分辨率遥感器平衡发展。多光谱遥感技术可用于有效开展房屋损毁、生命线损毁、其他基础设施损毁、帐篷安置等监测和识别工作，高光谱则能在冰雪、植被、土壤、岩石等与灾害有关的目标识别方面发挥更大的作用；因此，应协同发展高光谱和多光谱遥感器。

（3）机动成像模式与常规成像模式相结合。灾情动态变化性和救灾工作持续性的特点，要求卫星既具有姿态敏捷又具有持续观测能力，即在常规模式下能实现对灾区的持续成像，而在应急模式下能够根据需要及时调整卫星姿态，实现灾区的快速成像，解决高空间分辨率遥感卫星相对较小的幅宽和与大范围灾害目标监测之间的矛盾。

（4）星上数据预处理与灾害专题信息提取技术相结合。积极发展星上实时处理与信息快速生成技术，将灾害信息提取模型固化到卫星上，使数据处理和分析与遥感器数据获取系统连为一体［12］，以实现灾害信息的智能化、快速化处理。

表1为针对不同灾害类型的航天光学遥感器设计指标需求。

表1 不同灾害类型对航天光学遥感器设计的指标需求Table 1 Desired specifications of space optical imager aimed at various disasters

5 结束语

航天光学遥感具有数据源丰富、直观、重复观测能力强等优点，在孕灾环境、致灾因子、承灾体、灾情监测、灾害损失评估和灾害救助领域发挥着重要的作用。本文以建（构）筑物、生命线、农作物、基础设施等损毁监测为切入点，较为系统地梳理了航天光学遥感数据在灾害特征参数反演、灾害风险评估、灾害监测、灾害损失评估、恢复重建监测与评估等灾害管理领域的应用能力。为了满足灾害管理需求，提高灾区恶劣背景下的数据获取能力，最大限度地发挥灾害监测卫星的先导性作用，在进行航天遥感器设计时，一方面要统筹考虑不同灾害类型和不同灾害管理阶段对多种空间分辨率和多种光谱分辨率数据的需求；一方面要在保障常规成像的基础上，重点发展机动成像模式，提高灾区的数据覆盖率。同时，为了提高遥感数据处理的时效性，增强应急能力，应积极发展星上智能数据处理与灾害信息提取技术。

致谢

感谢中国地质大学（武汉）国家遥感中心地壳运动与深空探测部陈伟涛同志为本文提供的宝贵意见。

（References）

［1］范一大．遥感技术支持下的灾害管理［J］．中国减灾，2005（2）：46-48

Fan Yida．Disaster management based on remote sensing technology［J］．Disaster Reduction in China，2005（2）：46-48（in Chinese）

［2］魏成阶，刘亚岚，王世新，等．四川汶川大地震震害遥感调查与评估［J］．遥感学报，2008，12（5）：673-682

Wei Chengjie，Liu Yalan，Wang Shixin，et al．Investigation and assessment of damage in earthquake Wen-chuan Sichuan quake based on remote sensing［J］．Journal of Remote Sensing，2008，12（5）：673-682（in Chinese）

［3］魏成阶，王世新．遥感技术在我国洪涝灾害监测评估中的作用［J］．中国科学院院刊，1998（6）：443-447

Wei chengjie，Wang shixin．Flood monitoring and assessment of China based on remote sensing［J］．Chinese Academy of Sciences Journal，1998（6）：443-447（in Chinese）

［4］范一大，杨思全，王磊，等．汶川地震应急监测评估方法研究［J］．遥感学报，2008，12（6）：858-864

Fan Yida，Yang Siquan，Wang Lei，et al．Study on urgent monitoring and assessment in Wenchuan earthquake［J］．Journal of Remote Sensing，2008，12（6）：858-864（in Chinese）

［5］杨思全，刘三超，吴玮，等．青海玉树地震遥感监测应用研究［J］．航天器工程，2011，20（2）：90-96

Yang Siquan，Liu Sanchao，Wu Wei，et al．Remote sensing applications in Qinghai Yushu earthquake monitoring and assessment［J］．Spacecraft Engineering，2011，20（2）：90-96（in Chinese）

［6］史培军．三论灾害研究的理论与实践［J］．自然灾害学报，2002，11（3）：1-9

Shi Peijun．Theory on disaster science and disaster dynamics［J］．Journal of Natural Disasters，2002，11（3）：1-9（in Chinese）

［7］刘良明，向大享，文雄飞，等．云参数法干旱遥感监测模型的完善［J］．武汉大学学报（信息科学版），2009，34（2）：207-235

Liu Liangming，Xiang Daxiang，Wen Xiongfei，et al．Improvement of cloud parameters based drought monitoring model using remote sensing data［J］．Geomatics and Information Science of Wuhan University，2009，34（2）：207-235（in Chinese）

［8］樊运晓，罗云，陈庆寿．区域承灾体脆弱性评价指标体系研究［J］．现代地质，2001，15（1）：113-116

Fan Yunxiao，Luo Yun，Chen Qingshou．Research on indexes system about regional vulnerability assessment［J］．Geoscience，2001，15（1）：113-116（in Chinese）

［9］胡伟华，宋立军，苗崇刚，等．地震灾区分级和灾害程度排序方法研究［J］．灾害学，2010，25（2）：30-35

Hu Weihua，Song Lijun，Miao Chonggang，et al．Research on methods for classification of earthquake stricken areas and sequencing of disaster degrees［J］．Journal of Catastrophology，2010，25（2）：30-35（in Chinese）

［10］程立海，唐宏，周廷刚．自然灾害强度的评估方法及应用——基于综合灾情指数的研究［J］．自然灾害学报，2011，20（1）：46-50

Cheng Lihai，Tang Hong，Zhou Tinggang．Evaluation method of natural disaster intensity and its application：a research based on comprehensive disaster condition index［J］．Journal of Natural Disasters，2011，20（1）：46-50（in Chinese）

［11］国家减灾委员会-科学技术部抗震救灾专家组．汶川地震灾害综合分析与评估［M］．北京：科学出版社，2008：38-289

National Committee for Disaster Reduction-Group of Disaster Relief with Ministry of Science and Technology．Comprehensive assessment of Wenchuan earthquake［M］．Beijing：Science Press，2008：38-289（in Chinese）

［12］张兵．智能遥感卫星系统［J］．遥感学报，2011，15（3）：415-431

Zhang Bing．Intelligent remote sensing satellite system［J］．Journal of Remote Sensing，2011，15（3）：415-431（in Chinese）