GIS与面向对象结合的遥感影像震后损毁道路快速提取

2015-12-26李强,张景发,牛瑞卿

测绘通报 2015年4期

关键词：面向对象

引文格式：李强，张景发，牛瑞卿. GIS与面向对象结合的遥感影像震后损毁道路快速提取[J].测绘通报，2015(4)：78-81.DOI:10.13474/j.cnki.11-2246.2015.0116

李强1，张景发1，牛瑞卿2

(1. 中国地震局地壳应力研究所，北京 100851； 2. 中国地质大学(武汉)地球物理与空间信息学院，

湖北武汉 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：地震是破坏性极强的自然灾害之一，2013年4月20日的雅安芦山地震导致大范围的道路损毁，一度使得宝兴县城成为孤岛，救援很难开展。造成道路损毁的一个主要原因是地震诱发的次生灾害堵塞道路。针对宝兴县道路损毁的现状，本文提出了一种面向对象与GIS空间分析相结合的遥感影像提取方法，在震后短时间内快速提取因次生灾害造成的损毁道路情况，快速及时地确定损毁道路的位置及范围。试验证明，本方法能快速提取次生灾害造成的损毁道路的位置与范围，其与目视解译结果吻合，大大减少了震后影像解译时间，提高了地震应急的效率，可为抗震应急救灾提供决策支持。

关键词：次生灾害；GIS；面向对象；损毁道路

中图分类号：P23

收稿日期：2014-03-26

基金项目：国家863计划(2012AA121304)

作者简介：李强(1987—)，男，硕士生，研究方向为遥感影像震害信息提取及震害估计。E-mail：whliqiang@gmail.com

通信作者：张景发

一、引言

地震具有突发性强、防御难度大等特点，是造成人民生命和财产损失最为严重的自然灾害之一。强地震的发生，都会造成大量的滑坡、泥石流等次生灾害的发生。道路是抗震救灾的生命线，地震造成道路损毁的一个主要原因是次生灾害导致的道路堵塞。2013年4月20日芦山7.0级强烈地震发生之后，地震造成的滑坡、崩塌等次生灾害对国家及省级公路在内的交通设施损毁严重，使得救援人员、车辆和物资等难以进入灾区，严重阻碍了救灾工作的进度。地震应急的首要任务是分析获取进入灾区的主干道损毁及通行情况，因此，损毁道路信息提取方法及速度决定了应急决策的制定及抗震救灾的时效。遥感具有综合、快速、范围大等特点，是获取灾害信息的主要数据源[1]，传统的地震应急信息获取方法主要是对遥感影像进行目视解译，这种方法时效差且效率低，需要花费大量的人力和时间。随着遥感影像分辨率的提高及影像信息提取方法的不断完善，信息提取基本上实现了半自动及自动化。遥感震害损毁道路的提取通过遥感影像的变化检测及分类技术提取，包括对震前震后影像进行对比分析和通过震后影像直接获取[1]。任玉环利用震前震后高分辨率遥感影像，通过面向对象的分类方法进行道路识别并进行变化检测，提取出了损毁的道路[2]；陈世荣利用区域分割结合纹理和光谱特征对汶川地震道路损毁情况进行了评估[3]；秦军等建立了基于低空遥感影像的道路损毁度遥感评估模型，对汶川地震都一汶路至夏家坪段道路损毁程度进行了评估[4]；杨中等利用地震烈度破坏和GIS技术进行了震后损毁道路的快速评估[5]；马欢等基于高分辨率遥感影像利用其纹理与几何特征提取了道路信息。上述的研究方法在震后道路损毁信息提取方面取得了一定的成果，但是也存在着一定的缺点，如震前震后影像相差时间较长因而不能完整匹配；缺乏震前影像；震后道路受两旁植被遮盖或建筑物阴影信息的影响，不能获得较高精度的提取道路信息；损毁道路的提取不能满足地震应急的紧迫性，不能快速有效地将道路损毁情况反映给地震应急指挥部门或前线救灾人员。

在地震应急的情况下，利用GIS技术对灾区道路损毁情况进行宏观全面的了解并评估损毁长度，可为应急救灾提供决策依据。针对芦山地震引起的滑坡、崩塌等次生灾害造成的道路堵塞，本文提出了利用面向对象方法提取次生灾害，然后结合GIS数据及缓冲区及叠置等空间分析功能，快速获取震后因次生灾害造成的道路损毁情况，避免了人工目视解译，可为地震应急节省宝贵的时间。

二、研究区域和数据源

宝兴县位于四川西部，雅安市北部，30°10′—30°30′N，102°30′—102°50′E，毗邻芦山县，属亚热带季风气候区，四季分明，全境褶皱密集，断裂发育，形成以高山为主的地貌。地势西北高、东南低，地表崎岖。境内按海拔高度分为高山、中山、低山及河谷平坝3个地貌类型区。宝兴县辖3个镇、5个乡、1个民族乡，总面积3114km2，人口约为6万人。2008年5月12日的汶川地震对宝兴县城造成了巨大的损失，2013年的芦山地震，宝兴县为地震的重灾区，省道马飞线(S210)穿过县城，由于地震造成倒塌堵塞马飞线，一度使宝兴县城变成一个孤岛。研究区截取宝兴县城北部区域航片影像，影像获取时间为2013年4月21日，影像空间分辨率为0.6m，大小为3884×4886。研究区地理位置分布如图1所示。

图1　研究区地理位置示意图

三、研究方法

随着GIS技术的发展，GIS技术越来越多地应用于地震预报预测及震后评估，主要包括次生灾害评估、损毁建筑物评估及道路评估[7]。传统的结合GIS的信息提取主要是利用GIS强大的制图功能及统计分析功能，参考GIS数据提高信息提取的精度，并没有将GIS的空间分析功能引入进来。本研究利用面向对象的方法提取震后次生灾害信息，利用GIS的空间分析功能，将道路进行缓冲区分析之后，与提取的次生灾害信息拓扑叠置交集分析，得出次生灾害导致道路损毁的区域位置及长度范围，方法流程如图2所示。

图2　研究方法技术流程

1. 基于面向对象的方法提取影像次生灾害信息

随着遥感影像空间分辨率的提高，越来越多的方法被用来提取影像信息，其中面向对象是近几年专门针对高分辨率影像发展形成的图像分析方法[8]。它的基本原理是通过分析影像像元的光谱、纹理、空间特征，将具有相同光谱、纹理、空间特征的像元集中形成一个图斑对象。该方法不仅综合考虑了影像的光谱信息特征，而更多的是利用形状、大小、纹理、拓扑关系以及上下文的语义信息，因此能有效地克服基于像元光谱信息提取的不足。面向对象提取方法一般分两个阶段：影像分割(发现对象)和信息提取(特征提取)[9]。在面向对象分析的前期，首先选取一定的阈值尺度将影像分割成图斑对象，然后以图斑对象作为分类的基本单元，对影像进行分类提取分析。

(1) 图像分割

图像分割是面向对象图像分类的一个基础过程。通过分割将像元聚集成具有相同特征的图斑对象，再对图斑对象进行分类。传统的分类方法只是参考像元的光谱特征，仅仅依据光谱特征对影像进行分割容易形成碎片或者形状破碎的图像对象，因此在分割的过程中，要加入形状因子，提高图像分割的完整性。本文中采用的是多尺度分割方法，是一种自下而上的区域生长方法，即从单个像素开始按照一定的算法逐步合并成不规则的多边形，它可以提取原始影像中任何尺度的同质对象。多尺度分割从某个像元开始，然后与其相邻的对象按照某种相似度算法进行计算，若该像元与相邻的对象合并后异质性指标小于给定的阈值，则合并；否则不能合并。当一轮合并结束后，新的未合并的像素继续以上一轮刚生成的对象为基本单元，继续分别与它的相邻对象进行计算、合并，这一过程将持续到在用户指定的尺度上已经没有任何像素需要再进行对象的合并为止。分割的过程中，每个像元的平均异质性最小，随着像元的合并，对象的异质性增大，但是所有对象的异质性都在给定分割尺度下的阈值范围内。分割之后形成的对象具有相同的光谱、纹理、形状特征。

在遥感中，尺度大多被理解为空间尺度、时间尺度和光谱尺度，空间分辨率、时间分辨率和光谱分辨率即分别为空间尺度、时间尺度和光谱尺度的表征。遥感影像的空间尺度又包含两个方面的含义：影像的空间分辨率以及影像所反映的实际地理区域的大小[10]。图像分割之前首先要确定一个合适的分割尺度，选择最优的分割尺度是保证提取精度的关键，通常分割尺度越大，形成的对象越少，面积越大。对于确定的地物类型，最优的分割尺度是能用一个或者几个对象表示，并且边界很清晰，内部不能太破碎。在分割过程中要不断地尝试，选取最优分割尺度，直到满意为止。

对次生灾害形成的倒塌信息进行高精度识别，经过多次试验，采用的最优分割尺度为75，光谱权重为0.8，形状权重为0.2，而形状因子可以进一步用光滑度和紧致度两个形状比率因子来表达，即

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

式中，Hshape 为形状因子；Wcompact为用户为紧致度因子定义的权重；Hcompact为紧致度因子，紧致度用来描述对象形状是否接近矩形；Hsmooth为光滑度因子。本文中定义光滑度为0.6，紧致度为0.4。

(2) 分类规则集建立及信息提取

根据影像特征，目视解译出研究区的主要地表覆盖地物为植被、道路、水体、房屋及裸露的土地。本文的目标是提取次生灾害体，研究区的次生灾害主要是崩塌和滑坡，次生灾害的发生使得在道路边缘或者山坡上形成堆积体，从而表现出与周围地物信息不同的光谱、纹理特征。本文将图像分为次生灾害体与背景类，其中背景类包含植被、道路、水体和房屋。

面向对象的影像分类及信息提取是基于影像对象的，最小的分类处理单元为影像对象，因此每一地物类可表示为满足条件影像对象的集合。根据分割对象的光谱特征、纹理特征、形状特征等定义各类的判定规则集。主要选取如下几个规则，次生灾害体的灰度分布在一个相对固定的灰度区间内，可以设置一定的光谱均值阈值排除其他类别；灾害体表面比较粗糙，不同于其他类别，设置纹理特征信息阈值排除其他信息；灾害体的面积及体积一般很大，并且呈现不规则形状，可以设置面积及矩形度来识别。部分提取的次生灾害如图3所示。

图3　提取的次生灾害信息

2. 基于GIS提取损毁道路

目视解译发现，部分次生灾害导致形成的堆积体部分堆积在道路中间，并没有完全阻塞道路，对车辆及行人的通行并没有造成很大的影响。然而地震现场余震不断，连续不断的余震仍然会导致次生灾害的发生。而本次研究是为了提取次生灾害造成的道路损毁，在理论上也将部分阻塞的道路归于损毁道路的范畴中。因此对道路进行缓冲区分析，分析在设定的阈值宽度范围内，道路路面中是否存在次生灾害产生的碎屑堆积体。

首先通过叠加道路矢量信息发现，省道马飞线穿过研究区，试验中选取的阈值宽度范围即缓冲区距离为10m,并且阈值宽度范围是随着道路级别及道路宽带的变化而改变的；然后将道路缓冲区与提取的次生灾害作交集叠置分析，获取道路缓冲区范围内次生灾害；最后将道路矢量信息与叠置分析获取的交集再作交集，得到损毁道路线性矢量信息，并统计出损毁道路的长度，提取技术流程如图4所示。提取出的损毁道路如图5所示。

图4　基于GIS提取损毁道路流程

图5　道路损毁图

四、结果分析

将提取结果与目视解译结果相比较，其结果见表1。在图5(a)中，次生灾害1提取的道路损毁情况大于图5(b)中道路损毁，完好道路错分为损毁道路的距离为0.105km，分析影像可知，在面向对象提取次生灾害过程中，桥梁与道路接壤处有因次生灾害造成的堆积体存在，而桥梁与次生灾害1产生的堆积体光谱特征相似，从而将桥梁误判为堆积体。由次生灾害2、3、4造成的道路损毁情况可知，本文方法能准确定位并提取因次生灾害导致的道路损毁，与目视解译结果相比，提取损毁道路的分布范围与其基本吻合。图5(b)中白线范围勾画的是目视解译的分布在道路两旁的次生灾害，与图3面向对象提取结果相比较可以看出，面向对象提取出的次生灾害位置及分布范围与目视解译结果一致。

常规的地震应急损毁道路确定的方法是在地震发生之后，人工实地勘察或对获取的遥感影像进行目视解译，耗时耗力。本文提出的方法实现了损毁道路全自动化提取，试验表明，本文方法能够获取因次生灾害造成的损毁道路的分布情况，在地震发生后能快速地获取损毁道路的分布位置及范围。

五、结束语

地震为突发性的自然灾害，地震发生后，掌握主干道的通畅情况是抗震救援的关键。传统的对损毁道路的了解主要靠人为实地勘察或遥感影像目视解译。本文提出的基于面向对象的方法首先提取震后造成的次生灾害，然后结合GIS叠置分析等空间分析功能，快速获取震后次生灾害造成的道路损毁或堵塞分布情况。试验证明，本文提出的道路损毁提取方法与目视解译结果基本吻合，与传统的目视解译相比，本文方法节省了大量的时间和人力，为地震应急救援和决策争取了时间，可为抗震救灾部门提供决策支持。