基于遙感影像的建筑數據構建研究1

李 皓 張 合 呂國軍

?

基于遙感影像的建筑數據構建研究1

李 皓 張 合 呂國軍

（河北省地震局，石家莊 050021）

在地震災情快速評估中，基于空間分布的高精度房屋和人口數據是最重要的兩組數據，其直接決定著災情快速評估結果的準確性以及現場重點救援的目標指向。然而，高精度房屋數據的獲取一直是一個難題，由于受到諸多因素的制約，至今缺少好的解決途徑，這也是導致當前災情快速評估準確性不高的主要原因之一。本文基于遙感影像和實地調查相結合，構建較高精度的房屋基礎信息，更好地反映房屋和人口的實際分布情況，為提高地震災害損失快速評估的精度和準確性奠定必要的基礎。

居民地 遙感 房屋 人口

引言

地震是人類面臨的主要自然災害之一。面對突發的破壞性地震，應急救援的首要工作就是第一時間提供地震災害的最初評估（陳文凱等，2008），初步判定地震災害的規模及人員傷亡情況，并給出地震影響范圍及相應的烈度分布，以便各級政府及時啟動相應級別的應急響應，部署救援力量。準確的數據是震后預評估的基礎，居民地數據可以準確精細地反映人口和房屋的實際分布。居民地是“天地圖”特有的圖層，是按照1：1萬比例采集的矢量數據，能夠較直觀準確地反映專題數據在區域內的空間分布特征。精確的居民地數據在很大程度上提高了數據使用時的準確性和可靠性，可充分體現轄區專題數據的內部差異，對地震災害風險評估、統計分析等應用領域都具有重要意義。本文利用遙感影像提取居民地矢量數據，結合實際調查，構建研究區域的房屋建筑基礎信息，形成研究區居民地數據，所得結果可為人員傷亡評估方法的改進奠定必要的基礎（王永明，2015；聶高眾等，2002）。

1 房屋數據構建

本文選取張家口懷安縣作為研究區。為保證房屋數據的完整性、可靠性，本研究結合不同地域和鄉鎮經濟發展水平，對研究區每個鄉鎮選取不少于3個調研點，共計34個（圖1），并對這34個調研點開展了現場數據調研，包括調研點人口、戶數和房屋總面積，并剔除其中個別離散性大的數據，形成了32個樣本數據（見表1）。

圖1 農居房屋調查點

表1 農居房屋調查點基本參數

本文對以上對32個調研點房屋總面積、人口、戶數分別進行了擬合分析，如圖2所示。

圖2 面積、人口、戶數擬合曲線

通過對人口、戶數、房屋面積的擬合分析可以看出其在研究區存在較好的線性關系，相關性比較顯著，說明實際調研數據的可信度較高。

2 居民地識別

居民地是指是人類居住和進行各種日常活動的中心場所。在高分辨遙感影像中，居民地通常由密集的建筑物群、內部綠地以及周邊的道路交通網所構成。準確有效地獲取居民地的實時信息，對建筑物矢量提取在GIS上的應用具有重要的現實及經濟意義（姜立新等，2011）。本文充分利用高分辨率遙感影像（高分一號影像）上居民地特有的局部特征，嘗試對研究區居民地進行提取和分類，以研究居民地面積與人口、戶數及房屋面積之間的關系。

2.1 遙感影像選取

本文選取資源三號衛星（2米融合，全色2米，多光譜5.8米）、高分一號衛星（2米融合，全色2米，多光譜8米）的數據進行研究。其主要指標如下：

（1）全色和多光譜遙感影像數據須為同一探測器同步接收；

（2）影像RPC參數文件；

（3）影像層次豐富，紋理細節清晰，色調正常，無明顯噪聲、斑點、壞線、接痕和變形，且城區建筑無異常高亮。

2.2 居民地數據采集方法

研究區居民地數據采集采用綜合調繪法，即基于數字正射影像數據源提取，依據影像特征，參照已有的土地利用數據庫等數據或資料進行內業解譯（陳云浩等，2006；李莉，2012；梁艷，2012）。具體流程見圖3。

圖3 影像處理流程圖

數據采集時以村為單位，利用eCognition進行人工識別，內容主要包括多層及以上房屋建筑、低矮房屋建筑、廢棄房屋建筑區、多層及以上獨立房屋建筑、低矮房屋獨立房屋建筑等城鎮和農村宅基地及其附屬區域，含城鎮和農村內部道路（谷國梁等，2012）。

房屋建筑一般指上有屋頂，周圍有墻，能防風避雨，御寒保溫，供人們在其中工作、學習、生活、生產、儲藏物資，并有固定基礎，層高一般在2.2米以上的永久性居住場所（圖4）。

圖4 居民地實際與遙感圖像對比圖

Fig. 4 Comparison of on-site and remote sensing map of residents

房屋建筑區指城鎮和鄉村集中居住區域內被連片房屋建筑遮蓋的地表區域，即被外部道路、耕地及河流、山川、大片樹林、草地等自然分界線分割而成的區塊內部，由高度相近、結構類似、排布規律、建筑密度相近的成片房屋建筑的外廓線圍合而成的區域（王巖等，2009；李強等，2017）。

獨立房屋建筑包括城鎮地區規模較大的單體建筑和分布于分散的居民點、規模較小的散落房屋建筑（圖5）。

圖5 農村居民地提取輪廓線

房屋建筑區的范圍通過連接圍合該區域的各個房屋建筑的輪廓轉折點形成。勾畫時，在包含相同房屋建筑數量的情況下，應可能保持范圍最小（王曉青等，2004）。無論城市還是鄉村，房屋建筑區應由完全連接在一起的房屋連續覆蓋，且與周邊其他類型有明顯分界線，范圍內全部或接近全部為房屋建筑。對于鄉村地區集聚程度較低、自然散亂分布、被其他類型分隔的房屋建筑，將其歸類為獨立房屋建筑，不予勾畫（劉龍飛等，2009；謝軍飛等，2004）。

2.3 居民地數據采集結果

按照上述步驟對研究區進行了居民地數據采集，提取的居民地共計306個，共計約50km2。見圖6。

圖6 研究區居民地提取結果

對32個樣本點居民地面積進行了統計，見表2。

表2 研究區居民地面積提取結果Table 2 Results of extraction of residential area in the study area

結合32個樣本點人口、戶數、房屋面積的數據對居民地進行了擬合分析，結果如圖7所示。

圖7 人口、戶數、房屋面積對居民地面積擬合圖

通過對人口、戶數、房屋面積與居民地的擬合分析，樣本數據值越大，離散越明顯，居民地面積在0.5km2以下的數據擬合程度非常好，說明面積較小的鄉鎮村莊樣本點，人口、戶數、房屋面積與居民地面積存在較好的關聯性，鄉鎮村莊面積較大的樣本點則關聯性相對較差。對307個居民地進行了整理（見表3），發現0.5km2以上居民地共計12個，所占比例不到4%，對擬合優度的影響可以忽略不計。

表3 研究區居民地面積統計

由此可通過居民地數據構建農居房屋及人口數據，并合理地承載于居民地中，以形成具有較高精度的房屋空間分布數據，以便更好地滿足地震災害評估對高質量數據的要求。

3 房屋結構分布情況

研究區轄4個鎮、7個鄉，分別是柴溝堡鎮、左衛鎮、頭百戶鎮、懷安城鎮、第三堡鄉、渡口堡鄉、第六屯鄉、西灣堡鄉、西沙城鄉、太平莊鄉、王虎屯鄉。針對34個調研點開展了房屋建筑物抗震能力調查，內容包括不同層數的建筑物結構類型、年代、設防情況、人口、抗震薄弱環節等。

針對房屋的調研，將張家口房屋進行了分類，大體分為土結構房屋（土窯洞）、木結構（土木結構房屋、磚木結構房屋）、砌體結構房屋、框架結構房屋、石器房屋這5類結構。

在實際的調研中，對調研點不同結構房屋進行了數量統計及分類，得到了不同結構房屋所占比例。

從房屋結構分布圖來看，研究區北西向房屋主要為磚木結構和土木結構；中部沿西沙城東西方向土窯洞比例明顯增多，達50%以上，其它主要為磚木和土木結構；研究區房屋砌體結構增多，幾乎沒有土窯洞；研究區東北主要以磚木、土木、窯洞為主。經過調研，房屋結構分布不均的原因主要是受經濟收入、交通情況、地形地貌的影響。經濟收入高的地區，如懷安鎮，年均收入可達到2—3萬元，當地土窯洞基本已改造，新建房屋主要是砌體房屋。途經高速、國道的調研點房屋結構明顯偏好，交通越是發達便捷的地方，土窯洞的數量越少。處于山區的鄉村，信息閉塞，房屋就地取材，多為土窯洞和土木房屋。交通好、地勢較為平坦的地區、經濟收入偏高，房屋結構抗震能力相對較好，而交通偏遠、地勢相對偏高的山區，經濟收入偏低，房屋結構抗震能力相對較差。所以我們認為房屋分布情況可以根據交通情況和地形地貌特點進行區域劃分。

按照調研總結的思路，交通、地形地貌是影響房屋分類的主要原因，我們將研究區房屋結構分布情況疊加在地形圖上，G207、S343、S247公路沿線、處于山腳下房屋結構主要以磚木結構為主，占80%左右，其余多為土木結構，懷安城鎮由于縣政府的原因，存在一定數量的砌體結構。而沒有途經高速、國道，交通較為不便，地處山區的調研點，房屋結構以土窯洞、土木結構為主，還有少量磚木結構，砌體結構、框架結構數量可以忽略不計。

根據調研點在地形地貌交通圖分布的特點，我們對研究區房屋結構進行了區域分類，按照以下分類進行了劃分：

（1）途經高速、國道、縣連接鄉道周邊按照調研點比例劃分。

（2）交通欠發達、地處山區按照調研點中房屋結構的比例劃分。

（3）經濟發達地區按照房屋類型劃分。

（4）對于結構比例近似地區取平均值（保留個位小數，取整）。

按照上述原則，對研究區房屋類型進行了整理和劃分，將其劃分為5種不同類型，見圖8。

圖8 研究區各類結構分布情況

Fig .8 Distribution of various types of structures in the study area

4 認識與建議

通過遙感影像獲取的居民地圖層具有較為清晰的輪廓界線，其真實地反映了房屋和人口在空間上的實際分布，具有較為精細的數據顆粒，可滿足高精度空間分析的要求，為基于模型的房屋空間數據構建提供了有利條件。通過比對分析可知：農居房屋面積與人口和居民地面積之間具有明顯的線性相關性，特別是在相同經濟、地理和民俗條件下，其相關性更為顯著。借助這種特性可通過人口和居民地數據構建農居房屋數據，以形成具有較高精度的房屋空間分布數據，更好地滿足地震災害評估的高精度空間分析。由于城鎮房屋的趨同性不強，所以，城鎮房屋數據與人口、居民地的相關性也就不顯著。對于城鎮這類大面積連片的區域，更適合采用格網化的數據構建方法。

陳文凱，何少林，張景發等，2008．利用遙感技術提取震害信息方法的研究進展．西北地震學報，30（1）：88—93．

陳云浩，馮通，史培軍等，2006．基于面向對象和規則的遙感影像分類研究．武漢大學學報·信息科學版，31（4）：316—320．

谷國梁，姜立新，2012．城市建筑物震害三維模擬在GIS中的應用．震災防御技術，7（2）：152—163．

姜立新，帥向華，聶高眾等，2011．地震應急聯動信息服務技術平臺設計探討．震災防御技術，6（2）：156—163．

李莉，2012．面向對象的高分辨率遙感影像信息提取研究．成都：成都理工大學．

李強，張景發，2017．高光譜遙感技術在建（構）筑物震害識別中的應用．震災防御技術，12（1）：96—106．

梁艷，2012．面向對象與基于像素的高分辨率遙感影像分類在土地利用分類中的應用比較．太原：太原理工大學．

劉龍飛，王銳君，董衛平等，2009．一種快速提取建筑物高度的方法研究．遙感技術與應用，24（5）：631—634．

聶高眾，陳建英，李志強等，2002．地震應急基礎數據庫建設．地震，22（3）：105—112．

王曉青，丁香，2004．基于GIS的地震現場災害損失評估系統．自然災害學報，13（1）：118—125．

王巖，王曉青，竇愛霞，2009．面向對象遙感分類方法在汶川地震震害提取中的應用．地震，29（3）：54—60．

王永明，2015．重大突發事件情景構建理論框架與技術路線．中國應急管理，（8）：53—57．

謝軍飛，李延明，2004．利用IKONOS衛星圖像陰影提取城市建筑物高度信息．國土資源遙感，（4）：4—6．

Construction of Building Data Based on Remote Sensing Images

Li Hao, Zhang He and Lv Guojun

（Hebei Earthquake Agency, Shijiazhuang 050021, China）

In earthquake disaster rapid assessments, high accuracy based on spatial distribution of housing and demographic data are the most important of two sets of data, which greatly helps the disaster fast assessment of accuracy and the key rescue targets. However, high-precision data acquisition for housing has been the problem for long time, due to the restriction by many factors, which results in the low accuracy in disaster fast assessment. Construction of building data based on remote sensing images is helpful to better reflect the actual distribution of housing and population, and will provide more valuable information for earthquake disaster evaluation and earthquake disaster surveys.

Residential area; Remote sensing; Housing; Population

李皓，張合，呂國軍，2018．基于遙感影像的建筑數據構建研究．震災防御技術，13（1）：168—176．

10.11899/zzfy20180115

中國地震局應急救援司地震應急青年重點任務（CEA_EDEM-201603）

2017-03-10

李皓，男，生于1988年。工程師。主要研究方向為地震應急、工程結構抗震。E-mail：13703118849@163.com