基于无人机遥感的四川九寨沟地震极灾区灾情快速调查*

邓　飞，窦爱霞，吴玮莹，陈子翰,袁小祥

(中国地震局地震预测研究所，北京 100036)

2017年8月8日21:19，四川省阿坝藏族羌族自治州九寨沟县发生7.0级地震，根据中国地震台网测定，震中(33.20°N，103.82°E)位于九寨沟风景区比芒村(距离九寨沟县城39 km)，震源深度20 km。截至2017年8月13日20时，此次地震造成25人死亡，525人受伤，6人失联，73 671间房屋不同程度受损；同时，地震还诱发了大量山体滑坡，造成省道S301等公路多处阻塞和破坏。

高分辨率卫星遥感、航空遥感等现代空间对地观测技术具有探测范围大、获取资料速度快，不受地域限制和地震破坏影响的优势，已成为一种较为快速、准确、全面获取地震灾情信息的重要调查手段[1-5]，并多次应用于地震灾害中，如：汶川地震[6-8]、玉树地震[9-11]、芦山地震[12]、鲁甸地震[13]等。九寨沟地震发生后，本文作者所在单位迅速展开地震遥感应急工作，第一时间制作完成了2017年8月8日四川九寨沟7.0级地震的“遥感背景影像图”、“地势景观图”、“人口分布图”和“建筑物分布图”等图件，并呈送给上级领导用于了解灾区的基本信息；此外，积极联系有关部门获取震后灾区高分辨率遥感影像，在黄金救援期72 h内，于8月10日依次接收到高分二号影像4景(中国资源卫星应用中心提供，8月9日拍摄)，北京二号影像6景(二十一世纪空间技术应用股份有限公司提供，8月9日拍摄)，覆盖震中附近的无人机影像数据(国家测绘地理信息局提供，8月9日拍摄)。通过分析卫星遥感影像，发现高分二号和北京二号影像云量较多；由于卫星空间分辨率的原因，在卫星影像只可目视判断建筑物群体的倒塌情况，而难以识别建筑单体的详细破坏信息，但可明显判读地震诱发的滑坡和导致的道路损坏。而接收到的无人机遥感数据，覆盖此次地震核心区(包括震中附近主要村庄和道路)，并且空间分辨率高，有助于建筑物震害和道路破坏的目视解译和详细判读，进而成为应急救援的重要数据源。

地震造成的建筑物破坏、诱发的地质灾害是直接地震灾害的反映，而救灾帐篷是重大地震等自然灾害发生后安置灾民的重要装备，其在某一程度上可反映受灾人员数量和安置情况。准确的灾区帐篷数量和空间分布为评估灾区救助需求、分配救援物资以及优化安置点布局的提供重要参考依据[14]。因此，本文基于地震应急阶段国家测绘地理信息局提供的无人机遥感影像解译成果和后期(8月15日)接收的中国地震局地壳应力研究所提供的无人机遥感影像，对九寨沟地震极灾区的建筑物、滑坡、救灾帐篷进行解译，开展灾情调查与评估，讨论基于无人机遥感技术在地震灾害重点区域快速调查的可行性及优缺点。

1　研究区概况

1.1　灾区背景

九寨沟地震发生在青藏高原东缘向四川盆地过渡的深切割高山峡谷地带。地震灾区整体地势复杂，高差起伏变化较大，地势呈西北高、东南低的趋势，海拔975～5 558 m，平均海拔在3 000 m以上，坡度一般在30°以上。地质构造背景复杂，断裂发育，对该区域地质构造环境有较大影响的断裂主要有塔藏断裂、文县断裂、雪山断裂、岷江断裂以及虎牙断裂[15]，如图1所示。

图1　灾区地势背景和活动断层及地震烈度分布图

1.2　研究区及影像数据

本文研究区位于九寨沟县漳扎镇境内，是此次地震核心区域。研究区包括了漳扎镇、郎寨村、荷叶寨、树正寨、永竹村等村庄，基本覆盖了地震烈度Ⅷ度区内所有的村庄，省道S301、县道Z120等道路穿插而过(图2)。影像数据包括国家测绘地理信息局提供的0.2 m空间分辨率无人机影像和中国地震局地壳应力研究所提供的0.5 m空间分辨率无人机影像。无人机可低空飞行，因此其获取的遥感影像不仅空间分辨率高，而且云量较少，是灾害应急时重要的遥感数据源之一。

接收到的无人机影像需要经过几何配准、拉伸增强等预处理。影像几何配准是为了使不同时间、不同遥感器系统获取的无人机影像同名点具有相同的地理位置，消除了由于遥感平台、成像时间等造成的地物位置差异而引起的“伪变化”信息。影像增强处理是为了使图像颜色表现丰富、清晰，更好地反映地物间的差异，特别是损毁建筑物与完好建筑物之间纹理、色彩差异明显，从而提高目视判读效果。

图2　研究区范围示意图

2　影像处理方法

目前，基于遥感技术提取地震灾害信息的方法可分为两种：人工目视解译的方法和计算机自动识别的方法[16-17]。前者的优点是信息提取精度高，但花费时间相对较多；后者的优点是提取速度快、花费时间少，但现有的算法不管是滑坡提取[18-19]还是建筑物震害识别[20-21]方面的精度相对较低。本文主要调查地震极灾区的灾情，区域范围较小，目视判读提取灾害信息也较快，因此选择采用目视解译的方法。目视解译遵循全面客观的原则，根据解译对象的形状、大小、色彩、阴影、纹理等特征，建立破坏的建筑物、滑坡、帐篷的解译标志(表1)，结合震前高分二号影像数据采用直接判读或对比分析的方法，解译出此次地震的震害情况。

3　地震灾情信息提取

3.1　损毁房屋

为了快速了解研究区建筑物灾情，在遥感应急阶段只解译提取了倒塌、局部倒塌、未倒塌但有明显破坏的房屋建筑，未提取规则完好的房屋。从正射无人机影像上看出，绝大多数房屋呈现直立景观，几何形状规则，排列整齐，轮廓完整清晰，能准确目视计算房屋的数量，如图3a、图3b；可见极少数房屋轮廓或局部轮廓不清晰，纹理杂乱，为倒塌或局部倒塌类型,图3c，实地调查如图3d；此外，多数有瓦房屋，无人机正射影像上表现为纹理不均匀，有明显的色调异常斑块或屋脊线扭曲变形等影像特征，此类房屋震害特点是主体结构未倒塌，但存在屋顶有落瓦现象，图3e，实地调查如图3f。在研究区范围内，快速初步解译出倒塌11栋，局部倒塌房屋20栋，未倒塌有明显(主要是落瓦)房屋953栋。经实地调查，解译的震害特征与实地调查的情况较为符合。但是，正射影像仅能从房顶信息、屋旁的堆积体情况等了解建筑物震害，实地调查发现未倒塌有明显破坏的房屋侧面或内部存在一定的破坏；同时，有些遥感影像上未见破坏的建筑物实际上也遭受不同程度的破坏(图4)。

表1　解译对象的判读标志

图3　房屋建筑破坏调查

图4　遥感调查与地面调查比对

3.2　地震地质灾害

此次地震的地质灾害主要是地震诱发的山体滑坡、崩塌。按照目视判读标志和解译原则，对研究区内的滑坡进行了提取，结果表明在研究区影像覆盖范围内，此次地震至少触发了299处滑坡，滑坡主要以中小型浅层滑坡为主，滑坡总面积约为2.6 km2，其空间分布见图5。根据图5解译结果，滑坡主要沿省道S301(四寨村-甲蕃古城路段)、县道Z128(金玲海-箭竹海路段)等道路较为发育，其中分别在九道拐和熊猫海附近分布较为集中。同时，地震诱发的滑坡还造成了道路不同程度的破坏和堵塞，在研究区覆盖的道路内，共解译出堵塞路段共24处，长度约为3.2 km，主要分布在县道Z128的金玲海至箭竹海路段。县道Z128金玲海至箭竹海路段虽然滑坡堵塞严重，但其位于九寨沟风景名胜区内，房屋建筑物较少，地震时几乎没有游客。因此，对于地震应急救援工作更应先打通省道S301四寨村-甲蕃古城路段的两处滑坡堵塞。

3.3　救灾帐篷

救灾帐篷虽不是地震造成的灾害，但其成为检测灾后安置灾民的重要依据，在某一程度上可反映受灾人数和政府救灾的响应能力，可作为分配救援物资的参考依据之一。从无人机正射影像上看出，救灾帐篷主要分布在村镇内或附近地势平坦开阔地带，救灾帐篷主要为蓝色顶蓬的民政救灾帐篷，其他救灾帐篷包括白色顶蓬的部队帐篷和一些政府、居民个人帐篷。利用8月9日获取的无人机影像，在其覆盖范围内共解译出796顶帐篷，其中民政救灾帐篷540顶，其他帐篷共256顶，如图5。在24 h内新增的近800顶帐篷，可以有效解决受灾居民的临时安置问题，这表明了救灾工作响应的及时与高效性。基于8月15日获取的无人机影像，新增帐篷90顶分布在上四寨村附近，经实地调查发现，这些帐篷主要用于救灾排险人员居住。

图5　滑坡与救灾帐篷解译结果(a、b为局部放大区域)

4　结论与讨论

本文基于无人机遥感影像，采用目视判读的方法，开展四川九寨沟7.0级地震核心区灾情调查。依据无人机遥感解译结果，得到以下几点结论。

(1)此次地震造成的房屋建筑遥感震害特点为：绝大多数房屋轮廓完整，边缘清晰，几何形状规则,青瓦屋顶纹理不均匀，存在落瓦现象。实地调查发现，框架、砖混结构墙体多数存在明显或细微的裂缝，无人机影像上未见破坏；而研究区常见的穿斗木结构房屋未倒塌，但存在落瓦的同时，石块或石土填充的墙体破坏严重，无人机影像上可见屋顶落瓦造成的纹理紊乱，未见墙体倒塌的堆积物。因此，无人机影像上无倒塌并不意味着建筑物没有遭受破坏，地震应急房屋快速调查或评估可基于无人机遥感影像，详细调查要以地面调查结果为主、参考高分辨率遥感影像。

(2)无人机遥感相比卫星遥感具有低空飞行、避免云层干扰的特点。采用无人机遥感影像在研究区内解译出299处中小型浅层滑坡，其中主要集中分布在九道拐和熊猫海附近。对于应急救援时的道路疏通工作，应有轻重缓急之分，基于无人机影像可以辅助做出较为准确的决策。

(3)从帐篷解译结果表明，救灾帐篷主要分布在村镇内或附近地势平坦开阔地带；在24 h内新增帐篷796顶，反映了地震救助工作开展的迅速性。采用无人机影像提取的救灾帐篷，不仅可以作为救援物资分配的参考之一，而且可用于评价政府救灾的响应能力。

无人机正射影像只可提取房屋建筑顶部震害信息，无人机搭载倾斜摄影相机获取房屋的侧面信息，将极大提高房屋建筑震害提取精度。无人机遥感相比卫星遥感在数据获取能力方面存在局限性，震后与卫星遥感结合，充分发挥其超高空间分辨率优势，无人机遥感将成为震后遥感数据获取的重要手段。

致谢：本文主要使用了以下单位的数据：中国地震局提供的烈度数据、国家测绘地理信息局和中国地震局地壳应力研究所提供的灾区无人机遥感影像、中国资源卫星应用中心和二十一世纪空间技术应用股份有限公司提供了灾区震前卫星遥感影像数据等。同时，中国地震局地震预测研究所灾害信息研究中心科研团队成员参与了震后震害提取工作。在此一并致谢！