三維影像技術在承災體基礎數據調查中的應用——以吐魯番市主城區為例1

李金香 溫和平 張治廣 蘭 陵 金 花

?

三維影像技術在承災體基礎數據調查中的應用——以吐魯番市主城區為例1

李金香 溫和平 張治廣 蘭 陵 金 花

（新疆維吾爾自治區地震局，烏魯木齊 830011）

承災體基礎數據是地震災害評估的核心數據，是制定防災減災政策的基礎，具有十分重要的地位。數據獲取主要靠野外調查，費時費力，研究承災體數據的快速獲取方法刻不容緩。本文以新疆維吾爾自治區吐魯番市主城區為例，對三維影像技術在承災體基礎數據調查中的應用進行了研究，以無人機傾斜攝影測量數據為基礎，運用三維模型構建、遙感信息提取與地理信息系統空間分析方法，進行區域房屋基礎數據信息提取，獲取了研究區真實房屋空間分布、結構類型、建筑面積及層數等數據，為該地區地震預測預防、地震應急、震時救災以及震后恢復等防震減災工作服務。

三維模型 無人機 遙感 承災體 吐魯番

引言

地震是一種嚴重危害人類生存安全、阻礙社會經濟發展、破壞社會穩定的自然災害，其突發性和瞬時破壞性特點已成為全球嚴重的公共安全、社會問題，甚至是政治問題（曹彥波等，2007）。人類的生命、所擁有的財產、賴以生存的資源和環境以及正常生產和生活遭受地震危害的部分為地震災害承災體（高興和，2002）。離開承災體減災就無從談起，因此，要重視對承災體的考察研究；而充分評估自然異變和社會承災能力的災害預報才具有現實的減災意義（王鋒，1991）。深入考察研究承災體是制定減災對策的重要基礎（殷杰等，2012）。

災害承災體調查工作是一項重要的基礎性工作，此項工作可以加強國家對災區相關基礎數據變化情況的了解，為減輕和防御災害提供基礎信息支撐。地震災害給承災體造成的損害和破壞主要以建筑生產線的損毀為主。在實際災害的形成過程中，人類生存及活動的主場所（房屋）倒塌最為常見和頻繁（陳有順等，2009；王瑛等，2009；李慧明等，2010；常想德等，2017）。房屋基礎數據的調查與收集是進行防震減災對策研究最為重要和難度最大的工作。目前，地震災害主要承災體（房屋）基礎數據的獲取主要靠野外調查（張繼文等，2009），2000年合肥市地震局開展了合肥市房屋基礎資料調查，并建立房屋基礎數據庫（甘承釗等，2000）；2008年中國地震局地質研究所開展了南北地震帶房屋基礎數據抽樣調查；2012年新疆地震局對新疆所有縣市區200多個抽樣點進行格網野外房屋抽樣調查。在其他行業，同樣依靠野外調查獲得承災體數據，如康薇薇等（2011）進行了房屋調查在特高壓項目中的應用研究；楊耀中等（2014）進行了江蘇省海洋災害承災體調查研究，其成果對減少災害損失、提高對災害的應對能力和應急處置水平以及對開展災害預警報工作、風險評估和區劃工作起到了積極的作用。

為更好地建立新疆地震應急區域房屋基礎數據庫，展現真實房屋空間分布，完善區域房屋屬性等相關信息，而非僅僅局限于野外調查區域數據和格網估算數據，本研究引進三維遙感技術，將小型無人機作為圖像獲取的載體，獲取清晰度高、時效性強、場景特征豐富的無人機航拍遙感影像。綜合運用RS和GIS手段，提取區域房屋占地面積，同時實現高效的場景三維重建。在高精度三維城市地圖上，進行區域房屋樓層及房屋紋理結構目視解譯，完成區域房屋基礎數據信息提取，獲取研究區真實房屋空間分布、結構類型、建筑面積、層數等信息，完善新疆地震應急基礎數據庫，為該地區地震的預測預防、地震的應急工作、救援以及震后恢復等防震減災工作服務，同時也能為防御城市其他災害以及城市規劃、建筑等事業服務。

1 研究方法

已有的研究中，承災體數據的獲取主要靠野外調查，主要采用現場查看、咨詢、現場測量等方法；根據調查數據，結合統計數據，采用多元回歸分析算法計算區域格網房屋基礎數據（韓貞輝，2013；丁文秀等，2015）。該類數據以1km2為基礎計算單元，對比以縣級行政區劃為計算單元的統計數據，雖然精度更高，卻仍為估算數據，而非實際量測值，數據精度有限。本研究采用傾斜攝影測量技術進行了大重疊度無人機遙感影像三維場景重建，打破了傳統正射攝影垂直拍攝建筑物屋頂的局限性，可以從多個角度完整地獲取建筑物表面的紋理信息，真實展現建筑物的紋理結構。同時結合遙感數據處理方法，最終獲取各類型建筑物的面積信息，減少了野外工作的任務量，提高了數據精度。

表1 本研究方法獲取房屋數據的優點

本研究的實驗方法和研究主要步驟如下：

（1）基于傾斜攝影測量技術的建筑物三維模型構建。主要包括影像預處理、特征提取、三維結構解算、點云模型構建、正射影像圖和三維模型構建。

（2）面向對象（李政國等，2011）房屋空間分布信息自動提取。即基于獲得的研究區正射影像圖進行房屋空間分布信息提取，面向對象的信息自動提取方法主要包括影像分割、提取規則建立、目標提取及后處理優化。

（3）基于光譜、紋理信息的目視解譯。在高精度三維地圖上，通過基于光譜、紋理信息的目視解譯，獲取研究區房屋結構及層數等基本屬性信息。

（4）計算房屋建筑面積。統計基于面向對象方法提取的房屋的占地面積，結合目視解譯方法獲取的層數信息，計算房屋建筑面積。

圖1 技術路線圖

技術路線見圖1。

2 建筑物信息提取

2.1 建筑物三維模型構建

獲取三維模型的方法可以分成3類：①利用數學方法構建模型；②利用掃描設備掃描物體構建模型；③利用圖像立體成像構建模型。數學方法和掃描方法構建的模型精度高，但難以構建大區域場景模型，因此，在區域建筑物三維模型構建中圖像建模方法的應用較多。

目前，無人機航拍廣泛應用于軍事偵察、城市規劃、土地及水資源調查、自然災害監測、公共安全國防事業及廣告攝影等領域。本研究將無人機航拍圖像與基于序列圖像的三維重建技術相結合，圍繞室外場景進行三維重建，建立了吐魯番市市區三維地圖；將遙感與GIS相結合，獲得研究區房屋基礎數據。通過無人機低空影像采集平臺上安裝的5個面陣相機，按照固定程序每1秒鐘同時曝光拍攝5張照片，從不同角度拍攝同一物體。作業區域位于吐魯番市主城區，測區為平地，無人機數據于2014年4月12日獲取，地面分辨率為59mm，航向重疊度為80%，旁向重疊度為70%，攝影儀用SONY相機，焦距35mm，當日能見度較好，整個航區共采集1607組8035張影像。采用Acute3D公司的Smart 3D Capture軟件進行全自動正射影像和傾斜影像的聯合空中三角測量，構建三維真實場景。主要建模步驟如下：

（1）對影像及POS數據進行預處理，剔除模糊、畸變的數據，使影像與POS數據一一對應。

（2）在Smart 3D Capture軟件中新建一個數據處理工程（project），用航空影像、相機參數、機載POS數據等作為輸入數據，匹配控制點量測，進行影像相對定向、絕對定向及區域網平差，完成多視角影像空三解算。POS數據記錄了無人機航測中攝影中心的位置坐標值、、和攝影光束的姿態o、p、k，用于建立航帶內和航帶間模型間的拓撲關系網（王偉等，2011；田野等，2013；李金香等，2017）；相對定向即進行相機位置估計以及計算航空影像在成像時相對位置的過程（崔紅霞等，2005）。相對定向獲得的高程為相對高程，要獲得絕對高程需要采用地面控制點進行絕對定向及區域網平差。

（3）經過空三解算，進一步生成點云模型，進而計算生成密集的三維點云以及紋理信息，生成研究區正射影像圖如圖2所示。從圖中可清晰分辨出研究區建筑物頂面信息，其可用于建筑物占地面積的識別；經過空三處理的數據在產出正射影像圖后，進行三角網（TIN）的構建及紋理映射，進而構建實景三維模型。研究區局部區域三維模型結果如圖3所示。從圖中可清晰分辨出單個建筑物紋理信息，其可用于建筑物結構類型和層數信息的識別。

圖2 吐魯番市主城區正射影像圖

圖3 吐魯番市主城區三維模型結果圖

2.2 建筑物空間信息提取

無人機航攝遙感影像的空間分辨率高、數據獲取的成本相對較低，航片數據可以提供豐富的地物信息，清晰展現地物的結構、紋理，因此采用無人機航攝遙感影像進行專題信息提取成為遙感研究熱點。傳統的信息提取方法，如監督分類、非監督分類等，往往基于光譜信息進行統計分析，適用于中低空間分辨率的遙感影像。而對于高分辨率遙感影像，基于光譜信息的分類方法使得分類變異性增加，提取結果準確性降低（董小姣等，2013）。面向對象信息提取方法綜合利用了光譜信息和空間信息，將相鄰像素作為一個整體，建立不同的規則進行信息提取，更符合高分辨率遙感影像的視覺判別（Jin等，2005；喬程等，2008；陶超等，2010），目前已經成為高分辨率遙感影像信息提取的主要方法之一（曾濤等，2010）。

采用面向對象進行建筑物信息提取的主要步驟為：影像分割與合并、建筑物特征選擇及規則建立、初步提取、后處理優化（曾濤等，2009；徐昌榮等，2011）。影像多尺度分割時，尺度越小，分割的對象越多、越密集，越不利于突出房屋建筑物；尺度越大，部分邊緣不明顯的房屋在分割時會缺失；而在合并過程中，合并尺度越小，房屋建筑越破碎化，合并尺度越大，房屋建筑越整體化。通過不同分割尺度與合并尺度計算實驗對比，找到適合房屋建筑提取的最佳尺度。本研究采用分割尺度為50，合并尺度為90的參數進行面向對象多尺度分割。經過分割后，影像的基本單元已不是單個像元，而是由同質像元組成的多邊形對象（王巖等，2009）。計算各對象的屬性，如光譜、空間、紋理等。采用樣本選擇及支持向量機（SVM）分類方法提取建筑物，并對提取后的結果進行分類后處理，采用主要分析、聚類處理等去除小斑塊，過濾去除孔洞，完成基于面向對象方法的建筑物信息提取，提取目標對象初始結果如圖4（a）所示。由圖可知，基于面向對象方法提取房屋建筑物信息，對樓房區域的建筑物提取效果較好，然而部分樓房仍存在邊緣不規整的區域；對于平房區提取效果較差，存在多提、誤提現象，尤其是對裸地、道路交叉口、單層建筑的涼棚誤提率較大；而對植被、水體的區分率較高。

本文采用分割正確率（正確分割的像元占應該分割的原始影像像元的百分比）來定量評價建筑物提取結果精度，進而判斷提取結果的好壞。對10個評價區域的建筑物實例進行人工跟蹤信息提取，圖4（b）中白色區域為人工跟蹤的建筑物邊界線，黃色區域為本文算法提取的建筑物邊界線，疊加原始影像進行對比分析。分別統計10個評估區人工跟蹤提取的建筑物總面積manual、本文算法提取的建筑物總面積auto、兩者相同的面積common，進而計算10個評估區域的分割正確率C以及虛警率F（誤提率即本不該分割卻分割的像元占應該分割的原始影像像元的百分比），用來評估建筑物提取結果的精度。具體結果如表2所示，評估區1—6為樓房區，分割正確率均在94%以上，誤提率在20%以下，總體提取精度較高，其中誤提率較大的評估區1和評估區4均為將道路錯提為建筑物；評估區7—10為平房區，由于本方法提取的平房區無法區分單個房屋建筑，出現多個建筑連片提取現象，故而選擇4個片區進行精度評價，評估區分割正確率均在75%以上，總體提取精度較高，然而誤提率均高于32%，誤提區域多為裸地、涼棚等。總體而言，本方法可以凸顯建筑物信息，該方法對樓房區建筑物提取結果較好，而對平房區建筑物提取結果誤差較大。

為更好地進行后續研究應用，根據實際目標對象的幾何特征，采用人工目視解譯對初始結果進行后處理，從而獲得最終比較理想的目標對象提取結果，如圖5所示。

無人機傾斜攝影測量采用5臺面陣相機在同一秒進行同時拍攝，獲取空間位置點前視、后視、左視、右視、下視5景影像。根據傾斜攝影測量原理可知，在無人機起飛前進行航線規劃時，需要堅持“飛多高擴多遠”的規劃原則，無人機航飛時同一空間位置點拍攝的5景影像覆蓋不同的區域，因此在本研究區外圍邊緣區域，僅有單一一臺傾斜攝影相機進行拍攝，該區域僅有一個方向的紋理特征，故而在進行建筑物信息提取時，僅對三維建筑紋理清晰全面的主城區進行信息提取，具體信息提取區域見圖5。

圖4 面向對象房屋建筑物提取結果及精度評價區域圖

表2 建筑物提取精度評價

圖5 研究區建筑物空間分布圖

2.3 建筑物屬性信息提取

基于已建立的研究區建筑物三維模型（圖3），采用人工目視解譯方法解譯每個建筑物的結構類型、樓層數作為建筑物屬性信息。無人機航拍影像空間分辨率高，其建立的三維模型可以提供豐富的地物信息，清晰展現建筑物各個方向的結構、紋理。

根據吐魯番市的實際情況，建筑物結構類型主要分為以下7類：土木結構（A類）、磚木結構（B類）、老舊磚混結構（C類）、具有抗震措施的磚混結構（D類）、鋼混結構（E類）、高層建筑（F類）以及特色建筑（G類）。其中，土木結構（A類），指以生土墻和木屋架作為建筑物的主要承重結構的房屋建筑；磚木結構（B類），指建筑物中豎向承重結構的墻、柱等采用磚砌，樓板、屋架等用木結構；磚混結構，指豎向承重結構的墻、柱等采用磚墻或磚柱，水平承重構件采用鋼筋混凝土樓板、屋面板等，將2000年及以前的磚混結構房屋歸為老舊磚混結構房屋（C類），將2000年后依據《砌體結構設計規范》（GB 50003—2001）建造的房屋建筑歸為具有抗震措施的磚混結構（D類）；鋼混結構（E類），指承重的主要構件是由鋼筋和混凝土兩大材料構成，非承重墻由磚或其他材料填充（中華人民共和國國家質量監督檢驗檢疫總局等，2005）；高層建筑（F類），指10層及10層以上，或房屋高度大于28m的住宅建筑以及房屋高度大于24m的其他高層民用建筑混凝土結構（中華人民共和國住房和城鄉建設部，2010）；特色建筑（G類），主要指吐魯番地區一層為居住住房、二層為涼房、用于晾曬葡萄干的特色建筑結構，一般一層以土木、磚木結構為主，二層為以土胚或磚塊壘砌的鏤空建筑。

經過對已建研究區建筑物的三維模型進行人工目視解譯，完成了2852幢房屋屬性信息的提取，具體提取結果如圖6、7所示。圖6為吐魯番市主城區建筑物結構類型分布圖，采用不同的顏色展現7種結構類型建筑物的空間分布，圖7為吐魯番市主城區建筑物樓層數分布圖，采用不同的顏色展現4類層高建筑物的空間分布。由圖6、7可知，吐魯番市主城區建筑物結構類型主要以磚木結構和抗震磚混結構為主，磚木結構房屋以單層平房居多，單個房屋占地面積小，房屋總體數量多，形狀多樣，分布集中，主要分布在吐魯番市老城區，該類房屋抗震性能低而居住人口較多，在地震時易造成人員埋壓，在進行減災對策制定時應考慮相關因素。抗震磚混結構房屋以近年新建的多層樓房為主，單個房屋占地面積較大，房屋以小區形式集中建設，規劃統一，形狀規則，抗震性能較高，主要分布在人工湖、博物館附近的新城區。圖中有部分老舊磚混結構房屋為2000年前建設，主要以磚為承重結構和墻體，樓蓋為混凝土板的建筑，該類房屋建設時統一規劃，以2層樓房建筑居多，其抗震性能較抗震磚混結構房屋低，房屋老舊，地震時易損壞傷人，該類房屋主要分布在城西的老城區中。在主城區東北方的單層平房中，有部分房屋為吐魯番市一層住房、二層鏤空涼房的特色建筑，該類型房屋總體數量較少，分散分布于平房居住區，該類型房屋抗震性能較差，在地震活動中易倒塌傷人，在進行減災對策制定及震害預測時應予以關注。研究區存在土木結構、鋼混結構、高層建筑房屋，其數量較少，土木結構房屋主要分布于老城區，抗震性能低；鋼混結構房屋主要分布于新城區街邊商鋪，高層建筑主要分布于新城區主要道路路口，這2類結構類型房屋建筑按照抗震設防要求建設，房屋抗震性能高。

圖6 研究區建筑物結構類型分布圖

圖7 研究區建筑物層數分布圖

2.4 野外調查驗證提取結果

利用研究區正射影像圖作為野外抽樣調查地圖，野外調查工作的主要任務是識別區域建筑物的結構類型和樓層數，可以使用路線抽樣和全區域逐院（逐棟）調查的方法。一般情況下，在建筑物類型不復雜的區域及建筑物線性分布區進行路線抽樣，即沿著規劃路線對沿途建筑物類型和樓層數等信息進行調查記錄；在建筑物數量結構類型較為復雜的情況下，需要進行逐院（逐棟）調查，主要針對老城區，即建筑物密集、結構類型多樣、影像識別誤差相對較大的區域。

在完成野外抽樣調查后，對野外抽樣的數據進行整理，尤其是完成現場采集的圖片與遙感構建的三維模型中建筑物的比對關系，以防止后期因時間長而出現圖片位置無法識別的現象，造成野外工作損失。本研究共進行了4次野外調查，采集了1031個調查點房屋結構類型和樓層數數據，拍攝建筑物照片381張，其中典型的三維建筑物模型與現場調查對比圖如圖8所示。

圖8 典型的三維建筑物模型與現場調查對比圖

其中，無人機于2014年4月12日對在建建筑進行了航拍，以此航片數據構建的建筑物三維模型如圖8（a）所示，野外調查時間為2015年2月，現場調查圖片如圖8（b）所示，在建筑物三維模型中，該區域為在建小區，影像中無法識別建筑物結構類型、樓層數信息，需結合現場調查判斷，對該類型的區域進行重點調查，完成數據變更。目前此小區已經建設完成，在數據處理時需按照現場調查結果進行處理。

受無人機航拍時拍攝視角的影響，三維模型在構建過程中存在底商效果差的現象，使得構建的建筑物底部側面紋理模糊，如圖8（c）所示。在遙感解譯時，識別該類建筑物結構類型時易出錯，因此需結合現場調查進行結構類型的判別。圖8（d）為現場調查結果，圖中房屋建筑為典型的土木結構單層建筑，墻體為土坯墻，在數據處理時需進行相應調整。

吐魯番市夏天天氣較熱，多數居民房屋建設有門廊以及涼棚，如圖8（e）所示。在采用面向對象方法進行建筑物遙感解譯時，將居民住房、門廊、涼棚等均解譯為房屋建筑，存在誤差，故在數據處理時，需結合現場調查結果，通過對平房居民區采用區域（逐院）調查，進行人工校正，去除誤提區域，現場調查圖（圖8（f））顯示該建筑為門廊，數據處理時予以更正。

吐魯番市盛產葡萄，當季的葡萄采摘結束后掛在涼房內涼制葡萄干，因此吐魯番民居中有一層為住房、二層為鏤空建筑的涼房特色建筑，如圖8（g）所示。該類建筑抗震性能低，在地震活動中易倒塌造成災害，目前政府已嚴禁在住房上加蓋涼房，并開放單獨區域進行集中涼房建設，圖8（h）為現場調查圖。該類建筑在研究區分布較少，在進行遙感解譯時，對此類型建筑以特色建筑結構類型進行劃分。

吐魯番市城市歷史悠久，老城區建設有老舊磚混結構建筑，如圖8（i）所示，該圖為老舊磚混建筑三維模型，現場調查結果如圖8（j）所示。該類建筑為承重墻為磚墻、樓蓋為混凝土板的房屋，按統一規劃，集中建設為二層樓房的住房，由于建設時間久遠，房屋質量差，抗震性能低，因此在房屋結構類型劃分時按老舊磚混結構建筑劃分。

僅從建筑物三維模型中的紋理結構識別建筑物結構類型，存在一定誤差，需結合現場調查進行核實。如圖8（k）所示，房屋結構類型僅從模型外側紋理判別，可判別為抗震磚混結構，然而在實際調查發現，該建筑結構類型為鋼混框架結構，圖8（l）為現場調查的建筑物內部結構圖，圖中可見鋼筋混凝土承重柱，因此在數據處理時需結合現場調查結果進行房屋結構類型的修正。

圖9 現場調查與遙感解譯結果對比圖

經過現場調查后，將現場調查結果與遙感解譯結果進行對比（圖9）。調查區域內建筑物提取的精度評價（現場調查與遙感解譯結果混淆矩陣）如表3所示。該調查區共有房屋建筑801幢，其中鋼混結構建筑7幢，抗震磚混126幢，老舊磚混170幢，磚木結構479幢，土木結構19幢。該調查區中老舊磚混解譯結果與現場調查一致，主要原因為調查區為吐魯番市老城區，老舊磚混房屋多為二層建筑，表面為磚紋理的老舊房屋，而抗震磚混房屋多為近年新建樓房，樓層數增高，建筑表面色彩豐富，容易區分。本研究將磚混結構建筑進行了細致劃分，調查區中解譯的抗震磚混房屋共129間，其中包括了錯誤解譯的鋼混結構房屋3幢，單從建筑物表面紋理解譯，很難區分鋼混建筑房屋和抗震磚混房屋，需要配合現象調查進行錯分糾正。調查區內解譯的磚木結構房屋建筑498幢，其中包含土木結構房屋19幢，調查區土木結構房屋與磚木結構房屋在影像中無法區分，房屋建筑表面紋理有白灰墻面、水泥墻面、泥土墻面、瓷磚墻面，單從墻面紋理很難識別內在房屋建材，必須通過現場調查才能確定，由野外調查可知，調查區一層房屋多為磚木結構建筑，故而在遙感解譯時，將老舊的一層建筑均解譯為磚木結構，以現場調查結果補充土木結構建筑分布情況。本研究計算了調查區域內建筑物提取的總體分類精度，對遙感提取結果與實地調查結果一致性進行驗證。總體分類精度等于被正確分類的建筑物總數除以總建筑數，被正確分類的建筑物數目沿著混淆矩陣的對角線分布，總建筑數等于所有調查區域內建筑物總數。調查區域內建筑物提取的總體分類精度為97.25%，經過與現場調查進行比對，遙感解譯結果總體精度較高。

表3 調查區建筑物提取精度評價（單位：幢）

通過現場調查數據對遙感解譯結果進行修正，得到吐魯番市主城區房屋精確的結構類型屬性信息，結果如圖10所示。

由圖10可知，修正的房屋結構類型主要為土木結構和鋼混結構房屋建筑。在遙感解譯時，土木結構房屋與磚木結構房屋易混淆，而鋼混結構房屋與抗震磚混結構房屋易混淆，土木結構和鋼混結構房屋建筑在研究區分布較少，在遙感解譯時，應對判別模糊的區域進行標注，在現場調查規劃時作為重要調查點進行現場查看，確定其結構類型。最終結合現場調查結果修正遙感解譯結果，獲得研究區高精度房屋數據。

根據獲取的研究區各類型建筑物空間分布圖（圖10），采用地理信息系統空間統計分析方法，計算研究區內每個建筑物的占地面積，結合目視解譯的樓層數屬性數據，計算研究區建筑物的建筑面積，獲取研究區各類型建筑物房屋建筑數據。研究區各類型建筑物總面積統計結果如表4所示，可知研究區主要以磚木結構建筑和抗震磚混結構建筑居多，其中抗震磚混結構建筑占地面積最大，說明吐魯番市主城區在2000年后新建設樓房較多；研究區內磚木結構建筑占地面積位居其次，說明主城區內仍有大面積的平房區，該區域為今后城市改造的重點區域；就建筑總面積而言，吐魯番市主城區內抗震磚混結構建筑總面積最大，說明城市居住在2000年后新建樓房中的人數較多，城市總體較為年輕化，城市抗震性能較高。

圖10 現場調查校正后房屋結構類型空間分布圖

表4 研究區各結構類型建筑物面積統計表

3 結論

本文以吐魯番市主城區為例進行了三維遙感技術在承災體基礎數據調查中的應用研究，以無人機采集的傾斜攝影測量數據為基礎，采用遙感與GIS手段相結合，獲取了研究區真實房屋空間分布、結構類型、建筑面積及層數等信息，為該地區震前預測預防、地震應急、震時救災以及震后恢復等防震減災工作提供了基礎數據。主要結論如下：

（1）本研究采用目前較為流行的傾斜攝影測量技術進行大重疊度無人機遙感影像三維場景模型重建，打破了傳統正射攝影垂直拍攝建筑物屋頂的局限性，建立的模型能夠反映區域真實地物地貌，數據獲取簡單、快速、省時省力。數據處理過程全自動化，大大提高了生產效率。

（2）基于建立的研究區正射影像圖及建筑物三維模型，采用遙感技術提取了研究區建筑物空間分布數據，結合人工目視解譯判讀獲取了研究區建筑物結構類型及樓層數等屬性信息，為地震災害主要承災體，即建筑物數據的獲取提供了基礎，補充了現有數據獲取主要靠野外調查的不足。

（3）通過全區域（逐院）調查、路線勘查方式進行4次野外調查，完成了研究區主要建筑物結構類型、層數等數據的現場采集，修正遙感解譯結果，提高了數據提取的精度。

（4）采用了空間統計分析方法獲得了研究區單個建筑物占地面積、建筑面積及研究區各結構類型建筑物占地總面積、建筑總面積數據，為吐魯番市防震減災政策的制定提供了可靠的基礎數據。

本研究僅考慮了采用傾斜攝影測量技術進行研究區建筑物數據提取的方法，今后可進一步進行建筑物三維模型精細重建、模型單體化以及相關數據提取技術研究，深化三維模型在防災減災方面的應用力度。

致謝：在本文的研究與分析過程中，中國科學院新疆生態與地理研究所提供了研究區無人機遙感影像數據支持，王曉青研究員給出了寶貴建議，審稿專家給出重要修改意見，在此一并致謝。

曹彥波，李永強，曹刻等，2007．云南數字等震線模型在2007年寧洱6.4級地震預評估中的應用研究．地震研究，30（4）：389—394．

常想德，孫靜，譚明等，2017．2016年新疆呼圖壁6.2級地震房屋震害及成因淺析．震災防御技術，12（1）：1—13．

陳有順，李文巧，哈輝，2009．青海省海西州大柴旦6.3級地震房屋震害調查與分析．震災防御技術，4（1）：117—121．

崔紅霞，林宗堅，孫杰，2005．大重疊度無人機遙感影像的三維建模方法研究．測繪科學，30（2）：36—38．

丁文秀，李志強，卓力格圖等，2015．四川省房屋數據空間化及在蘆山7.0級地震災情快速評估中的應用．災害學，30（2）：128—132．

董小姣，張東水，李朝奎，2013．面向對象的泰安市高分辨率影像住宅建筑物提取．地理空間信息，11（1）：67—69．

甘承釗，汪振華，沈業龍，2000．合肥市房屋基礎資料調查與數據庫建立．中國減災，10（1）：39—42．

高興和，2002．地質災害承災體易損性探究．中國地質礦產經濟，15（4）：28—31．

韓貞輝，2013．基于震害分類的房屋數據格網化研究．北京：中國地震局地質研究所．

康薇薇，顧志強，李斌，2011．房屋調查在特高壓項目中的應用初探．中國科技信息，（21）：49—50．

李慧明，崔杰，朱勇，2010．隴南地區房屋震害調查與易損性矩陣的建立．震災防御技術，5（1）：137—143．

李金香，李亞芳，李帥等，2017．無人機遙感技術在新疆皮山地震災情獲取中的應用．震災防御技術，12（3）：690—699．

李政國，張茂省，李林，2011．面向對象的遙感影像承災體邊緣提取方法．水文地質工程地質，38（1）：128—132．

喬程，駱劍承，吳泉源等，2008．面向對象的高分辨率影像城市建筑物提取．地理與地理信息科學，24（5）：36—39．

陶超，譚毅華，蔡華杰等，2010．面向對象的高分辨率遙感影像城區建筑物分級提取方法．測繪學報，39（1）：39—45．

田野，向宇，高峰等，2013．利用Pictometry傾斜攝影技術進行全自動快速三維實景城市生產——以常州市三維實景城市生產為例．測繪通報，42（2）：59—62，66．

王鋒，1991．要重視承災體的考察研究．災害學，6（3）：86—88．

王偉，黃雯雯，鎮姣，2011．Pictometry傾斜攝影技術及其在3維城市建模中的應用．測繪與空間信息，34（3）：181—183．

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．

王瑛，王陽，2009．城鄉承災體差異對地震災情的影響——以包頭地震和姚安地震為例．災害學，24（1）：122—126．

徐昌榮，葛山運，2011．基于面向對象的高分辨率遙感影像建筑物提取研究．城市勘測，（1）：84—86．

楊耀中，劉明，黃祖英等，2014．江蘇省海洋災害承災體調查研究．科技資訊，12（5）：199—200．

殷杰，尹占娥，于大鵬等，2012．風暴洪水主要承災體脆弱性分析——黃浦江案例．地理科學，32（9）：1155—1160．

曾濤，楊武年，簡季，2009．無人機低空遙感影像處理在汶川地震地質災害信息快速勘測中的應用．測繪科學，34（S1）：64—65，55．

曾濤，楊武年，黎小東等，2010．面向對象的高空間分辨率遙感影像信息提取——汶川地震城市震害房屋案例研究．自然災害學報，19（5）：81—87．

張繼文，祁冰，夏樹威，2009．江油地區汶川震害房屋調查與分析．河南科學，27（12）：1579—1582．

中華人民共和國國家質量監督檢驗檢疫總局，中國國家標準化管理委員會，2005．GB/T 18208.4—2005地震現場工作第4部分：災害直接損失評估．北京：中國標準出版社．

中華人民共和國住房和城鄉建設部，2010．JGJ 3—2010高層建筑混凝土結構技術規程．北京：中國建筑工業出版社．

Jin X. Y., Davis C. H., 2005. Automated building extraction from high-resolution satellite imagery in urban areas using structural, contextual, and spectral information. EURASIP Journal on Applied Signal Processing, 2005(14): 2196—2206.

Application of 3D Imaging Technique in Basic Data Investigation of Disaster Bearing Body —A Case of Turpan City, Xinjiang Uygur Autonomous Region

Li Jinxiang, Wen Heping, Zhang Zhiguang, Lan Ling and Jin Hua

(Earthquake Agency of Xinjiang Uygur Autonomous Region, Urumqi 830011, China)

The basic data of disaster bearing body is the core data of earthquake disaster assessment, and is the foundation of the policy-making in disaster prevention and mitigation. In past data acquisition was mainly based on field investigation, which is time-consuming and laborious. So it is important to develop the method of rapid acquisition of disaster bearing body data. Taking Turpan city as an example, we studied the application of 3D imaging technique in the basic data investigation of disaster bearing body. In this paper, based on oblique photogrammetric data of unmanned aerial vehicle (UAV), 3D model construction, RS information extraction and GIS spatial analysis methods are applied to extract the basic information of regional houses. Then the spatial distribution, structure type, building area and number of stories of the buildings are obtained. The above data is essential for the regional earthquake disaster mitigation, such as earthquake prediction and disaster prevention before earthquake, emergency management and disaster relief after earthquake.

3D model; UAV; Remote sensing; Disaster bearing body; Turpan

李金香，溫和平，張治廣，蘭陵，金花，2018．三維影像技術在承災體基礎數據調查中的應用——以吐魯番市主城區為例．震災防御技術，13（2）：424—438．

10.11899/zzfy20180217

地震應急青年重點任務（CEA_EDEM-201511）；新疆地震科學基金項目（201510）；中國地震局工程力學研究所大中城市地震災害情景構建重點專項（2017QJGJ02）

2017-09-29

李金香，女，生于1984年。工程師。主要從事地震應急與遙感震害監測研究。E-mail：ljxhappy365@163.com