基于無人機熱紅外遙感數據的地震倒塌房屋提取

范熙偉 聶高眾 鄧 硯 安基文 夏朝旭

1）中國地震局地震與火山災害重點實驗室，北京 100029

2）中國地震局地質研究所，北京 100029

0 引言

地震作為重大自然災害的一種特殊類型，與臺風、洪澇等其他自然災害相比具有預警或準備時間短、無法準確預測預報和全季節發生等特點，因此也更容易造成巨大的人員傷亡、經濟財產損失和生態環境的破壞。有研究指出，在全球范圍內由各種自然災害導致的人員傷亡或經濟損失事件中，僅有12%起由地震引起，但其造成的人員傷亡和財產損失量均達到總數的43%。此外，需要指出的是，研究發現從中國和全球尺度范圍內看，大陸大地震主要在夜間發生（趙根模等，2001）。例如1966年邢臺大地震、1986年唐山大地震發生于天亮前的3～6h，1999年土耳其伊茲米特大地震和1999年中國臺灣集集地震也都發生在夜間。由于夜間發生地震時大部分居民在建筑物內，加之震后自救互救困難且救援隊伍難以及時趕到，比白天發生的地震造成的損失更為慘重。因此，當夜間地震發生后盡早準確獲取地震災害的影響范圍和程度，對于指導72h黃金救援期內的救援行動具有十分重要的意義。

基于機載或星載可見光遙感器獲取的可見光遙感數據，通過目視判讀或計算機進行解譯，是及時獲取地震災情信息的最主要方式之一（范熙偉等，2017）。然而，可見光遙感只能在白天采集數據，且星載可見光遙感更需要晴空無云作為前提條件。當夜間發生地震時，僅僅依靠可見光遙感將只能等待天明，而地震后到天亮前寶貴的應急時間將被白白浪費，因此亟需一種能夠在夜間地震發生后可及時獲取災情信息的手段。考慮到熱紅外遙感技術能夠在夜間獲取地表以及地下一定深度范圍內信息的能力，為應對可見光遙感無法在夜間及時獲取災區災情信息的情況，同時擺脫云層遮擋的影響，研究利用無人機熱紅外遙感技術快速獲取夜間地震災情信息十分迫切且必要。

相比可見光遙感，熱紅外遙感具有在夜間探測地表及地下一定深度范圍內信息的能力。地表和地下的地物熱紅外輻射通過輻射和熱傳導，無論在白天或夜晚都能穿過大氣層到達空中，為機載或星載熱紅外傳感器所接收。熱紅外輻射的強度反映了地物本身的熱輻射特性，各種不同地物的密度、熱傳導、熱容量、熱慣量均有差異，通過一系列分析處理及與地質、地球物理數據的復合應用，再經過野外地質觀察、地質鉆探、地球物理勘探的地質解釋來檢驗，常可用于識別隱伏在地表下的一些地物。例如，Qin等（2011）研究利用ETM／Landsat－7熱紅外通道反演的地表溫度數據探測中國騰沖地區的地熱資源；還有學者將低分辨率的NOAA－9 AVHRR熱紅外通道數據及中分辨率的Landsat－5 TM 熱紅外通道數據相結合，探測地下煤火（Mansoretal．，1994）。對于地質體而言，其輻射率和表面溫度的變化多是巖性差異的表現，一般表面粗糙、顏色較深的地質體具有較高的輻射率；表面光滑、顏色較淺的地質體具有較低的輻射率。基于此，可利用熱紅外遙感數據進行巖性探測（Rockwelletal．，2008）。此外，一些與下地殼和上地幔相通的全球性大斷裂現今還具有張裂或張剪特性，沿此斷裂帶的區域熱異常較高，很容易被熱紅外遙感發現，Ha等（2011）就曾利用超聲波陣列結合熱紅外遙感數據確定斷裂的走向和位置。除地熱和斷裂等自然地物外，針對人工地物的識別問題，有學者還研究利用機載多光譜熱紅外傳感器探測地下淺層石油管線的位置（周彥儒等，1998；王琳等，2013）。

可以看出，上述研究主要集中于利用熱紅外遙感提取目標地物與環境存在溫度差時的信息，而鮮有利用熱紅外遙感數據可在夜間獲取地表信息這一優勢研究夜間震后災情獲取的方法和途徑。盡管可見光在災情獲取方面具有空間分辨率高等諸多優勢，但作為地震應急時期的非常規方法，利用夜間熱紅外遙感數據獲取地震災情信息，進而為科學指導抗震救災工作爭取時間，研究意義十分重大。

1 研究區和數據獲取

1.1 研究區介紹

為利用熱紅外遙感數據提取倒塌房屋，本研究選擇2008年“5·12”汶川大地震的北川老縣城地震遺址區作為研究區。北川老縣城地震遺址位于四川省綿陽市北川羌族自治縣曲山鎮，整個縣城處于地震斷裂帶上，是全世界保存面積最大、原貌最完整、地震破壞最嚴重、次生災害最全面、破壞類型最典型的地震遺址，也是四川省重點文物保護單位。“5·12”汶川大地震發生后，坐落在這次地震的發震斷裂帶中部的北川羌族自治縣縣城所在地受到了高強度的地震破壞，數十萬間房屋倒塌，在瞬間成為一片廢墟，15 000多人死亡，幸存下來的完整家庭不到10%。北川縣作為“5·12”汶川地震的極重災區，縣城在汶川地震中受到的破壞最為嚴重，人員傷亡也最為慘重，是此次地震中惟一因遭到毀滅性破壞而需要整體搬遷的縣級城市。

整個遺址分為老城區、新城區和沙壩地震斷層3部分，總保護面積達1.2km2。由于北川老縣城遺址保留了地震引起的山體垮塌、泥石流、堰塞湖等自然現象，也保留了各類垮塌、變形程度不同的房屋、橋梁、街道、道路等建筑物和構筑物，是一處破壞極為嚴重、災害類型全、工程破壞類型全的災難性地震遺址，故將其作為本論文的研究區。

1.2 無人機熱紅外遙感系統

考慮到熱紅外遙感載荷與無人機遙感平臺的適配問題，本研究使用同為大疆公司生產的大疆經緯M 200系列無人機，搭載大疆禪思XT2熱紅外傳感器，進行熱紅外遙感數據的獲取。M200系列無人機包含3個型號：M200、M210和M210RTK。M200可搭載常規的下置云臺，M 210可搭配下置雙云臺或上置單云臺，M 210RTK配有D－RTK模塊，可實現厘米級精準定位。考慮到震后應急的應用場景，選擇搭載174Wh擴容電池的M200 V2版本進行數據獲取，空載飛行時間可達38min。此外，該機型最大可承受風速為12m／s，并滿足IP43級防護，在機體前方和下方各有1個立體視覺系統，上方具備紅外感知系統，可實現前方、下方和上方的障礙物感知，適合在震后復雜的環境下獲取數據。本研究使用的無人機系統與地震應急相關的主要參數見表1。

表1 本研究使用的無人機系統的主要參數Table 1 Key parameters of the unmanned aerial vehicle（UAV）used in this study

本研究使用的熱紅外遙感載荷為雙鏡頭的禪思XT2，擁有1個熱紅外鏡頭和1個可見光鏡頭。熱紅外鏡頭與可見光鏡頭相比空間分辨率低很多，XT2共有640×512和336×256 2個分辨率的鏡頭，這里使用了分辨率較高的版本。此外，高分辨率版本的熱紅外鏡頭共有13mm、19mm和25mm 3種焦距可選，隨著焦距的增加，其視場角變低，但每個像元的空間分辨率隨之提高。由于無人機機載平臺往往選擇貼地飛行，即距地面100m的高度處飛行，因此與空間分辨率相比，在最短時間內獲得最大的觀測場景更為重要。本研究選擇焦距為13mm、焦平面分辨率為640×512的禪思XT2進行遙感數據的獲取。熱紅外相機的具體參數見表2。

表2 禪思XT2相機的主要參數Table 2 Key parameters of the Chansi XT2

當無人機的飛行高度為100m時，根據表2可知視場角為45°×37°，參考式（1）：

式中，D為地面覆蓋范圍，H為飛行高度，φ為遙感器視場角。 基于式（1）可計算得到每景熱紅外影像覆蓋的空間范圍約為82.84m×66.92m。此外，熱紅外鏡頭的瞬時視場角為1.308m r，當飛行高度為100m時，每個像元的空間分辨率為0.13m，即分辨率為分米級尺度，可滿足震后建筑物倒塌等的研判要求。

除熱紅外鏡頭外，XT2還配備有可見光鏡頭，可在獲取熱紅外數據的同時獲得可見光圖像。可見光鏡頭的焦距為8mm，視場角為57.12°×42.44°，焦平面分辨率為3 840×2 160。根據式（1）可知，當無人機飛行高度為100m時，可見光圖像的覆蓋范圍為108.86m×77.66m，空間覆蓋范圍比熱紅外圖像大。此外，可見光圖像的分辨率為0.02m，即為厘米級別，約為熱紅外圖像分辨率的1／6，可知熱紅外圖像相比可見光圖像分辨率低很多。

1.3 熱紅外數據的獲取

為滿足后續目視解譯的需要，需要對每幅地面覆蓋面積約99.4m×80.3m（當飛行高度為距地面120m時）的熱紅外圖像進行拼接處理。由于XT2獲取的熱紅外圖像為16bit單通道圖像，與傳統的紅綠藍三通道可見光圖像相比信息量較低，因此需要更高的航向和旁向重疊度才能滿足圖像拼接的需求。一般可見光圖像需要在航向和旁向分別滿足75%和50%以上重疊度，而熱紅外圖像一般需滿足航向和旁向90% 和80%以上重疊度。

為了滿足上述對某范圍進行一定重疊度的遙感圖像獲取的需求，這里利用同樣為大疆公司開發的DJIGSpro軟件對無人機進行編程飛行，以獲取數據。在蘋果平板電腦平臺的GSPro中以測繪航拍區域模式針對研究區新建任務，并選擇相機、設置拍攝范圍、相對地面飛行高度、航向和旁向重疊度等參數后，軟件將自動完成航線的規劃。

由于本研究主要針對震后應急工作，數據獲取效率比數據質量更為重要，故拍照模式選擇等時、等距間隔拍照，而非航點懸停拍照，以縮短無人機作業時間。采用這種模式后，將根據無人機相機的特性（相機快門曝光時間）、飛行高度和航向重疊度自動設置飛行速度。將航線規劃上傳至無人機后，即可自動完成圖像拍攝，并自動返航。

2 數據處理

2.1 圖像預處理

為基于熱紅外遙感數據進行倒塌房屋的提取，需要將其進行拼接處理，獲得具有地理坐標的整幅圖像，以協助救援人員及時從圖像上判讀倒塌房屋所在位置。圖1為北川地震遺址的可見光和熱紅外圖像經過正射校正和拼接處理后的圖像。為了便于展示，將老城區和新城區分開進行顯示，分別見圖1和圖2。

從圖1和圖2可以看出，可見光較熱紅外圖像具有更為豐富的信息，其中植被表現為綠色，建筑物表現為灰色或屋頂具備的顏色，可較好地與背景進行區分。而熱紅外圖像僅為單波段圖像，建筑物和道路具有更高的灰度值，在圖像中表現為白色，植被等由于灰度值較低，顏色更暗，但也能從熱紅外圖像中識別出建筑物輪廓等細節信息，可用于倒塌建筑物的研判。

圖1 北川地震遺址老城區（部分）可見光（a）和熱紅外圖像（b）Fig．1 Visible（a）and thermal infrared（b）image of old town，Beichuan County．

圖2 北川地震遺址新城區（部分）的可見光（a）和熱紅外圖像（b）Fig．2 Visible（a）and thermal infrared（b）image of new town，Beichuan County．

2.2 解譯判讀標志

目視解譯是遙感圖像解譯的一種，又稱目視判讀或目視判譯，是遙感成像的逆過程，指專業人員通過直接觀察或借助輔助判讀儀器在遙感圖像上獲取特定目標地物信息的過程。目視解譯主要依靠解譯者的知識、經驗和掌握的相關資料，通過大腦分析、推理、判斷，提取遙感圖像中有用的信息。與之對應的計算機解譯是根據遙感圖像中目標地物的各種特征（顏色、形狀、紋理和空間位置等），通過模式識別技術等實現遙感圖像的解譯。由于人工目視解譯具有精度更高的特點，往往作為遙感圖像解譯的真值，對計算機解譯結果進行精度檢驗。

參照中華人民共和國地震行業標準《地震災害遙感評估建筑物破壞》（DB／T 75－2018），基于遙感手段的單體建筑物，根據其受損程度和遙感特征表現，一般分為3種破壞類別：倒塌、局部倒塌和未倒塌。參考該標準，本研究將基于無人機熱紅外遙感數據的單體建筑物地震破壞程度分為上述3種類別。圖3為倒塌、局部倒塌和未倒塌3種破壞類別的可見光和熱紅外圖像示例，其中左圖為可見光圖像，右圖為對應位置的熱紅外圖像。

圖3 建筑物破壞類型解譯判讀標志Fig．3 Interpretation features for building damage types．a倒塌；b部分倒塌；c未倒塌

3 倒塌房屋提取

3.1 基于熱紅外數據的倒塌房屋解譯結果

基于目視解譯方法和上面提到的3種破壞類型的解譯標志，分別對北川地震遺址無人機拍攝的可見光和熱紅外遙感圖像進行了目視解譯。圖4和圖5分別為北川老城區和新城區的解譯結果，圖中由灰色多邊形圍成的區域為未倒塌房屋，由黃色多邊形圍成的區域為部分倒塌房屋，由紅色多邊形圍成的區域為倒塌房屋。在研究區內（老城區和新城區）共識別出257座房屋，由于震后地質災害覆蓋了大部分老城區房屋，與老城區相比在新城區內識別出的房屋較多。其中，可見光圖像識別出的未倒塌、部分倒塌和倒塌房屋數分別為118、46和93座；熱紅外圖像識別出的上述3類破壞建筑物數分別為139、37和81座。由于熱紅外圖像僅有一個通道，與可見光三通道圖像相比蘊含的信息量較少，無法識別出顏色等信息，故識別出的倒塌房屋數量與可見光圖像存在一定差別。如樹木在熱紅外圖像上表現為細碎的紋理特征，與部分倒塌和倒塌建筑物相似，這將造成一定的誤判。

圖4 北川地震遺址老城區（部分）倒塌房屋的解譯結果，可見光（a）和熱紅外圖像（b）Fig．4 Interpretion results of visible（a）and thermal infrared（b）image of old town，Beichuan County．

圖5 北川地震遺址新城區（部分）倒塌房屋的解譯結果，可見光（a）和熱紅外圖像（b）Fig．5 Interpretation results of visible（a）and thermal infrared（b）image of new town，Beichuan County．

3.2 熱紅外圖像與可見光圖像解譯結果的對比

熱紅外圖像與可見光圖像相比具有空間分辨率低且通道單一的特點，因此這里利用可見光圖像的目視解譯結果，對熱紅外圖像的解譯結果進行驗證。由于所使用的可見光圖像為經正射校正和拼接處理后的圖像，有的建筑物僅從垂直觀測視角可能無法準確研判對應的破壞類型。因此，本研究在可見光正射影像的基礎上，結合無人機可見光圖像經三維建模軟件Context cap ture構建的三維模型，進行建筑物破壞類型的識別。Context capture構建的三維模型提供了近乎沉浸式的三維場景瀏覽，具有分辨率高和真實性強等特點，可替代實地逐個建筑物調研，大大提高了地面真值的獲取效率。圖6為Context capture構建的北川地震遺址三維場景。

表3為可見光圖像和熱紅外圖像解譯結果的混淆矩陣。從表中可以看出，絕大部分未倒塌房屋能被正確識別，而部分局部倒塌和倒塌房屋則未能被正確識別。基于該混淆矩陣可計算得到其總體精度（Overall Accuracy）為0.86。此外，3種破壞類型的制圖精度、用戶精度、錯分誤差和漏分誤差見表4。從表4可以看出，除局部倒塌類型的制圖精度為0.67外，3種破壞類型的制圖精度和用戶精度都＞0.8。其中局部倒塌的漏分誤差也較高，為0.33。這是由于有部分倒塌類型房屋被漏分為未倒塌，造成漏分誤差較高。

表3 熱紅外圖像相比可見光圖像解譯震后倒塌房屋的混淆矩陣Table 3 Confusion matrix of the classification result of TIR data

表4 熱紅外圖像相比可見光圖像解譯震后倒塌房屋的混淆矩陣Table 4 Classification accuracy of the TIR data

熱紅外圖像相比可見光圖像在建筑物破壞類型的識別上存在一定區別，這是因為可見光圖像擁有3個通道，而熱紅外圖像僅有1個通道，可見光圖像具有更為豐富的信息。圖7為同一位置的可見光和熱紅外圖像，從可見光圖像上可以看出建筑物基本未受到地震的破壞，但由于常年無人居住，屋頂長有植物。而熱紅外圖像上同一位置由于植物的存在，相比正常屋頂顯示為暗色調且邊緣輪廓凹凸不平，因此無法區分出是植被還是建筑物破壞，對識別精度造成了一定影響。

圖7 植被遮擋下的建筑物Fig．7 Buildings covered by vegetation．a可見光；b熱紅外圖像

為便于后期的拼接處理，人們一般利用垂直觀測圖像進行建筑物破壞程度的識別。對照國家標準《建（構）筑物地震破壞等級劃分》（GB／T 24335－2009）中給出的5種建筑物破壞等級：基本完好、輕微破壞、中等破壞、嚴重破壞和毀壞，垂直觀測遙感技術尚無法完全區分出上述5種類型，僅能夠對是否倒塌及部分倒塌建筑物進行區分，即文中提到的3種類型。

4 總結和結論

遙感技術具有高效、快速獲取大范圍地表信息的能力，因而被廣泛應用于建筑物分布和高度等參數的獲取及震后災情快速獲取等工作中，如震后倒塌房屋的研判和提取、震后滑坡、堰塞湖等次生災害的識別等。但是，目前常用的可見光遙感技術無法在夜間獲取信息。為了提高震后夜間獲取災情信息的能力，本文嘗試利用熱紅外遙感數據進行夜間倒塌房屋的提取研究。

以北川地震遺址作為研究區，通過獲取較高旁向和航向重疊度的可見光和熱紅外遙感圖像，經拼接處理后，得到了北川地震遺址老城區和新城區的可見光和熱紅外整體圖像。將震后房屋倒塌類型分為未倒塌、部分倒塌和倒塌3種破壞類型。利用可見光遙感數據提取的倒塌房屋作為真值進行對比發現，熱紅外遙感數據可用于夜間倒塌房屋的識別，其總體精度為0.86，其中3種破壞類型房屋的用戶精度都在0.8以上。

本研究提出的方法僅識別了未倒塌、部分倒塌和倒塌3種建筑物破壞類型，但并未對建筑物的功能類型進行識別，即文中解譯出的257座房屋在規模上存在較大差別。如辦公建筑或集體宿舍相比農居，可能在建筑面積上具有相似之處，但建筑物內的人員數量存在巨大差別，從而影響震后搜救隊伍的數量和出隊種類。此外，不同功能的建筑物在不同時間段也往往具有不同的在室率，如辦公樓在白天相比夜間人員更多，而居民樓則表現出相反的特點。因此，在識別倒塌建筑物時，可通過建筑物功能類別的信息，提出精準化的救援策略。