基于遥感影像和点密度的房屋年代分析及震害预测

朱志忠，陆吉赟，李 敏，赵 宇

(1.浙江大学 建筑工程学院，浙江 杭州 310058；2.浙江省地震局，浙江 杭州 310007)

震害预测是指针对某一地区在特定地震作用下的地震危险性进行分析，模拟研究区房屋的破坏情况，评估可能带来的人员伤亡和经济损失等[1].我国多地区已开展震害预测，可为政府制定地震减灾规划和地震应急方案提供科学依据.基于GIS(geographic information system)的震害预测在数据的输入、管理、操作、分析和可视化等方面有强大优势，推动了震害预测工作的发展[2].基于房屋普查数据进行震害预测能经济快速地反映单体房屋抗震性能[3].

老城区具有房龄较老、抗震性能较差、人口密度高和救灾难度大等特点，其地震风险高，因而震害预测尤为重要[4].然而，很多老城区基础地理信息数据不完整，缺乏年代、使用类型和现状等信息，老城区的房屋类型杂、年代广、分布乱，使得震害预测难度较大[5].

随着遥感影像的分辨率逐渐提高，很多学者利用遥感影像获取房屋基本信息，如文献[6-7]利用遥感影像获取房屋高度;文献[8]利用遥感影像提取建筑轮廓.有学者利用遥感影像识别房屋属性并评价抗震性能，如C.GEIß等[9]利用遥感影像评价同类结构房屋的地震易损性；WU H.等[10]利用遥感影像提取房屋信息，利用支持向量机算法评价房屋抗震性能.嘉兴老城区地理信息数据缺乏年代和使用现状等信息，难以客观地进行震害预测，逐栋调查则耗费很大.笔者借助遥感影像，提出“单元点密度”概念，用单元点密度分析房屋年代，从而在现有数据不足的情况下优化震害预测结果.重点阐述如何得到单元点密度并揭示其与年代的关系，进而得到房屋年代信息，随后选择高杰等[11]提出的震害因子法进行快速震害预测，基于ArcGIS完成分析计算，三维呈现震害预测结果.

1 前期数据准备

研究区位于浙江省嘉兴市老城区，面积约为2.5 km2，如图1所示.

图1 研究区地理位置

经过现场调查发现研究区房屋具有如下特征：房屋年代主要介于20世纪60年代到20世纪90年代之间，80年代的房屋数量最多；建筑高度多在20 m以下，以2～6层居多；结构形式以混合结构为主，设防烈度主要为6度，部分建筑未设防，抗震性能相对较差；布局较密集，整体建筑密度在51%左右.研究区主要由无设防的棚户区、宿舍/家属楼、商品住宅、旧式商业及办公建筑组成，如图2所示.

图2 嘉兴老城区主要房屋类型

经浙江省测绘与地理信息局获取研究区基础地理信息数据(简称矢量数据)如图3a所示，主要包含房屋、道路、公共设施和河流.其中房屋数据包含研究区所有房屋的空间位置、平面尺寸、占地面积、层数和结构型式，但矢量数据缺少年代属性.统计矢量数据得到不同层数与结构房屋的占地面积，如图4所示.

图3 研究区矢量数据及遥感影像

图4 矢量数据统计结果

年代是震害预测的重要依据，如果逐栋调查将会耗费大量物力，利用遥感影像及现有矢量数据可以分析房屋年代(下一节详细阐述).商业获取研究区美国Digital Globe公司的商业卫星WorldView-3的真彩色遥感影像如图3b所示，分辨率为0.31 cm.对遥感影像进行滤波、锐化等预处理，增强其视觉效果.

2 房屋单元点密度

随着时代发展，房屋逐渐从密集分布变化为合理布局，密集程度逐渐降低，提出通过遥感影像解译单元点密度指标，以反映房屋分布密集程度，进而推断房屋年代.

2.1 房屋单元点密度计算

通过目视解译遥感影像，把道路、小区外轮廓等作为边界，将具有相似外观、形状和层数的房屋聚集成1个房屋单元，如图5所示，因而单元内的房屋建成年代相同或相近.保证单元内的房屋相似，统计其点密度才具有年代意义，房屋单元的获取是统计房屋密集程度的基础.将研究区分割完成后得到204个房屋单元(见图5a)，蓝色区域如图5b-e所示.

图5 房屋单元示例及分割结果

统计单元内房屋数量时，需要借助矢量数据，即统计每个单元内的房屋矢量面个数.为避免重复计数，需将矢量数据进行预处理，例如将裙房与主楼合并成1个矢量面，再将合并后的面转成点，如图6所示.ArcGIS软件中通过空间连接分析得到每个房屋单元内的房屋数量.

图6 矢量预处理图

单元点密度m为单位面积内的房屋数量，即

(1)

式中：单元内房屋数量为合并裙房后的矢量面数目；单元面积为房屋单元的实际面积.

2.2 单元点密度与房屋年代的相关性

从研究区6个社区中抽取了31栋房屋，通过现场调查获得房屋准确年代信息.31栋房屋的年份与单元点密度的关系如图7所示.

图7 单元点密度与年份的关系

从图7可以看出：随着房屋年份变大，单元点密度呈下降趋势，其相关系数R2为0.793 2，房屋年份与单元点密度的统计关系为

y=-8.33×10-5x+0.167，

(2)

式中：y为单元点密度；x为房屋年份.

房屋年份与点密度的统计关系相关性较强，但存在部分区块的房屋年预测结果与真值偏离严重的问题，主要集中于20世纪70年代与80年代的房屋，该年代商品住宅几乎尚未出现，住宅主要为单位宿舍或家属楼，房屋布局相似，没有明显差异，点密度与年份的规律较弱，因此由点密度预测的年份存在一定误差.

由拟合的直线给出单元点密度与年份的对应关系如表1所示.

表1 单元点密度与年代的关系

2.3 建筑密度与房屋年代的相关性

建筑密度是我国现行规范中控制房屋密集程度的重要指标[12].按照2.2节所述方法划分单元，计算每个单元建筑密度，得到31栋房屋样本所在单元建筑密度与房屋年份的关系如图8所示，单元建筑密度与年份无明显相关性.究其原因：① 大型建筑被单独分为1个单元，导致其计算得到的房屋密度很高；② 90年代嘉兴地区房屋多为商住混合房屋，不同主楼的底层裙房(商铺)连在一起，占地面积较大，导致计算密度高.

图8 单元建筑密度与年份的关系

综合可见，建筑密度指标不适用于老城区房屋年代的推测，选择单元点密度作为判断老城区房屋年代的指标更具合理性.

3 震害预测

3.1 预测模型

高杰等[11]提出用震害因子法进行房屋震害预测，震害因子法可以显式表达震害因子(调查参数)与震害指数的数学关系，即

(3)

表2 震害因子及权重初步取值

震害因子中结构形式、层数由矢量数据直接获取，建造年代信息从单元点密度推算得到，嘉兴地区为6度设防地区，棚户区可认为无设防.得到震害因子的取值后，由式(3)计算D值，根据表3，按照D值落入的区间确定房屋在不同烈度地震作用下的破坏程度.

表3 震害因子及权重初步取值

3.2 震害预测结果展示

按照上述方法推算年代，利用上述震害预测模型计算不同地震烈度下的震害指数，并在ArcScene中三维展示震害预测结果，如图9所示.

图9 震害预测结果展示

嘉兴老城区房屋设防烈度低，以年代较老的砌体结构为主，抗震性能较差.从图9可以看出：在7度烈度地震作用下，棚户区为“倒塌”状态，砼结构房屋基本为“完好”状态，多层砌体住宅主要为“中等破坏”状态；在8度烈度地震作用下，整体破坏程度变大，除棚户区依然为“倒塌”状态，多层砌体住宅主要为“倒塌”和“严重破坏”2种状态，“倒塌”状态的房屋主要为年代较旧的房屋.

4 结 论

老城区房屋的年代与空间分布特征有一定关系，单元点密度越高，即分布越密集，通常房屋年代越久.部分城市老城区房屋没有年代信息，利用遥感影像的解译与GIS矢量数据，根据笔者提出的单元点密度可以推断年代，该方法适用于建筑年代范围广的老城区.基于GIS利用基础地理信息数据即可进行快速震害预测，简单易行，便于直观展示，数据便于管理更新.

随着遥感技术的发展，遥感影像单体建筑信息提取有较多研究，由遥感影像可解译房屋多项参数.对于2.2节中70与80年代预测误差问题，今后的研究可以结合屋顶纹理信息、层数、单体占地面积等参数进行多因素综合分析，有利于提高年代预测的准确性.若利用遥感影像推断房屋抗震性能控制参数(如结构形式等)，则具有一定的研究价值.