基于遙感影像技術對普蘭店農居建筑物的普查分析

張文靜，戴盈磊，惠 楊，劉琳婷，于 浩

（遼寧省地震局，遼寧 沈陽 110034）

0 引言

我國是世界上遭受地震災害最嚴重的國家之一，震后房屋的破壞和倒塌是造成人員傷亡和經濟損失的最主要原因，由于農村房屋結構種類多樣，許多學者對農居建筑物展開抗震性能和震害特征的研究。通過對農居建筑現場抽樣調查及結構特征分析，總結出中強有感地震中典型建筑震害特征，并對農居典型結構開展抗震性能及震害預測分析[1]。對具有代表性的農村民居實地調查，針對主要民居結構的建筑特點和抗震性能現狀進行研究并給出農居房屋在不同地震烈度區域內的破壞率和損失比[2]。采用現場調查方式對典型村鎮房屋進行隨機抽樣調查，分析地基基礎、建筑材料、構件的連接等抗震構造措施[3]。

因此，農居建筑物的抗震調查對地震災害評估有著重大的影響，通常房屋建筑物數據的采集采用實地調查的方法，耗費大量的人力物力，各類數據的收集和更新較為困難，而且無法反應建筑物空間上的特點[4]。隨著科技技術的不斷發展，可以利用遙感技術快速提取建筑物的信息，通過衛星遙感和無人機獲取高分辨率的遙感影像，利用光譜信息、紋理信息、形狀信息及幾何信息等，對建筑物進行空間化處理[5-6]。采用遙感影像和實地調查相結合的方法，構建較高精度的房屋基礎信息，提高地震災害損失快速評估的精度和準確性[7]。利用無人機對房屋正射影像全景圖和三維點云模型進行了對比分析，為區域建筑物抗震能力評估提供有效的基礎信息[8]。通過地面調查與無人機遙感影像相結合，建立遙感解譯標志，快速獲得房屋結構類型屬性[9]。

本文以大連市普蘭店區農居建筑物為例，利用無人機遙感手段獲取遙感影像，通過遙感影像確定建筑物結構類型，建立解譯標志，并與實際調研情況相結合，對區域農居建筑物進行精度評價，為地震震害預測和災害損失評估提供有力依據。

1 研究區域和數據源選取

1.1 研究區域概況

普蘭店區是大連市市轄區，地處遼東半島南部、大連市中北部，位于東經121°50′33″～122°36′15″，北緯39°18′25″～39°59′00″之間。普蘭店區地勢北高南低，西高東低。地形大體分為三部分：北部低山區，東北及中部丘陵區，南部沿海丘陵平原區，海拔最高處為老帽山，其主峰海拔848m，海岸線總長187km。

圖1 大連市普蘭店地區遙感影像圖Fig.1 Remote sensing image of Pulandian District in Dalian City

1.2 數據源獲取

筆者于2018 年3 月對大連市普蘭店農居建筑物進行實地調研，普蘭店區農居建筑物主要以磚木結構、石木結構、磚混結構為主，少量的土木和框架結構。

2 農居建筑物解譯分析

影像解譯就是根據遙感圖像提供的影像特征及其對應的特點進行推理判斷，將目標識別出來進行定性定量的分析工作[10]。根據遙感影像的特點，通常采用圖像的光譜特征、形狀特征以及紋理特征來進行建筑物的信息提取[11]。光譜特征是通過對圖像的亮度、對比度、顏色等信息的描述，反映建筑物的光譜信息；形狀特征是通過圖像中物體的周長、面積、長寬比及緊致程度等對建筑物的外形特征描述；紋理特征能夠很好的反映出同質區域的視覺特征，有規律的呈現出建筑物的特征[12-13]。

2.1 建立建筑物遙感影像解譯標志

此次無人機航測地區主要為大連地區的普蘭店，通過無人機的航攝影像進行建筑物結構的目視判讀，從建筑物的幾何信息、光譜信息及紋理信息等進行建筑物描述，并與實際調查結果相結合建立無人機影像解譯標志。

從無人機獲取的影像上進行目視判讀，普蘭店地區的農居建筑物主要為石木結構、磚混結構以及少量的框架結構。石木結構的建筑物為坡頂，大多呈“人”字型雙坡，屋頂為深灰色或磚紅色，形狀一般為規則長方形，單體面積小，如圖2 所示。磚混結構的建筑物多為平頂，顏色大多為灰色或灰白色，形狀一般為規則長方形，房屋一般為單層或多層，可通過正射影像和傾斜攝影進行判定，如圖3 所示。框架結構的建筑物為平頂，建筑物面積較大，陰影較長，一般為多層或高層的建筑物，農村較少，大多建在城區。

圖2 石木結構無人機影像圖Fig.2 Unmanned aerial vehicle images of stone and wood structure

圖3 磚混結構無人機影像圖Fig.3 Unmanned aerial vehicle images of brick-concrete structure

2.2 實地調研建筑物結構特征

在實地調研中，通過與無人機航拍照片進行對比，對普蘭店農居建筑物結構類型進行分類，主要分為石木結構、磚木結構、磚混結構及框架結構。石木結構類型的房屋多建于70-80 年代，主要以石墻承重，房屋整體穩定性較差，地基較淺，基本無抗震構造措施，如圖4所示。

圖4 石木結構Fig.4 Stone and wood structure

磚木結構類型的房屋豎向承重結構的墻采用磚來砌筑，用木結構來完成樓板和屋里的支架，外墻采用37 cm 磚墻，內墻厚度多為24 cm，墻體采用黏土和沙土泥漿作為粘合劑，人字形的木房頂，硬山擱檁，此類房屋數量較少，大多為單層砌體，基本無抗震構造措施，如圖5所示。

圖5 磚木結構Fig.5 Brick wood structure

磚混結構樓房主要由屋蓋、磚墻、鋼筋混凝土樓蓋板、樓梯、磚基礎及窗臺、臺階、散水等部分構成。主要結構荷載通過屋蓋、樓板傳到承重墻上，再由承重墻傳到磚基礎，承重墻砌筑質量的好壞、砌體強度的大小直接關系到磚混結構的質量和壽命。基礎不均勻下沉，承重墻體出現裂縫，將意味著磚混結構的整體破壞，此類房屋一般為單層或多層，主要為紅磚砌墻，部分房屋采用塊石砌墻，大部分為水泥膠結。從抗震性能上分，可分為設防和未設防兩種類型，設防類型的房屋樓的頂部和底部設有圈梁，四周設有鋼筋混凝土構造柱，未設防類型的房屋建造時未設有圈梁和構造柱，或僅有圈梁，如圖6 所示。

圖6 磚混結構Fig.6 Brick concrete structure

框架結構類型的房屋一般按照我國設計規范建造，由鋼筋混凝土主梁、次梁和柱形成的框架作為建筑物的骨架，梁和柱之間的連接力剛性節點，屋蓋和樓板上的荷載通過架柱傳到基礎，框架結構的墻體全部為自承重墻，房間布置靈活，不受樓板跨度的限制，這種結構類型的房屋整體抗震性能好，強度大，能承受較大荷載，在農村地區多是集中居住的商品房，人群密集的公共場所如學校、醫院及大型商場等，如圖7 所示。

圖7 框架結構Fig.7 Frame structure

3 解譯精度分析

遙感影像解譯的分類精度評價方法主要分為四個階段[14-16]：第一階段主要以目視為主，例如在遙感影像處理軟件中，可通過卷簾模式來對分類結果進行定性評價，具有較強的主觀性；第二階段主要是定性到定量的一個過渡，是通過比較分類所得的專題圖中的各項地類所占的面積比例與實際各項地類所占的面積比例作比較來對分類精度進行評價；第三階段在第二階段的基礎上，對各項地類與實際地類進行定位類別比較，并衍生出各種精度測量；第四階段在第三階段的基礎上邊衍生而出，以誤差矩陣為核心，并在利用誤差矩陣的信息上，發展各種測量。本文采用計算房屋誤差矩陣和Kappa 系數分析法對該地區房屋進行精度分析，精度分析評價流程圖如圖8 所示。

圖8 精度分析評價流程圖Fig.8 Accuracy analysis and evaluation process

誤差矩陣，又稱混淆矩陣（confusion matrix），是一個用于表示分為某一類別的像元個數與地面檢驗為該類別數的比較陣列，通常陣列中的列代表參考數據，行代表由遙感數據分類得到的類別數據[17-19]，其模式如表1 所示。

表1 誤差矩陣（交叉表）

Kappa 系數（Kappa Coefficient），它是通過把所有真實參考的像元總數乘以誤差矩陣對角線的和，再減去各類中真實參考像元數與該類中被分類像元總數之積后，再除以像元總數的平方減去各類中真實參考像元總數與該類中被分類像元總數之積對所有類別求和的結果[20-22]。Kappa 系數的計算是基于誤差矩陣的，計算表達式為：

其中，r 表示交叉表行的數量；xii為沿著對角線上第i 行、i 列的數值；xi+為i 行的總房屋數；x+i為i 列的總房屋數；N 為抽樣房屋的總數。kappa 計算結果一般為-1～1，但通常kappa 是落在0～1 之間，數值越大說明目視判斷的準確性越高，一般分為五組表示不同級別的一致性：0.0～0.20 極低的一致性（slight）、0.21～0.40 一般的一致性（fair）、0.41～0.60 中等的一致性（moderate）、0.61～0.80 高度的一致性（substantial） 和0.81～1 幾乎一致（almost perfect）[23]。

對（1） 式進行變換得到：

其中，p0和pc都有著明確的含義：p0被稱為觀測精確性或一致性單元的比例，在遙感圖像解釋中反映的是解釋正確的單元格的比例；pc被稱為偶然性一致或期望的偶然一致的單元的比例，對于遙感圖像解釋則表示偶然性因素導致的錯誤解釋的比例。

筆者在普蘭店內隨機選取三個抽樣點進行精度分析，采用誤差矩陣對抽樣結果進行精度評價，通過無人機拍攝的遙感影像分類結果，與實地調研農居房屋的情況進行對比分析，結果如表2-4 所示。

表2 抽樣點一遙感影像精度評價

從表2 可知，從影像上判讀房屋共有959棟，石木類型的房屋798 棟，磚混結構類型的房屋133 棟，框架結構類型的房屋9 棟，其他類型的房屋19 棟，實際調查結果中石木類型的房屋813 棟，磚混結構類型的房屋122 棟，框架結構類型的房屋5 棟，Kappa 系數為0.8076，精度評價結果幾乎一致，其他房屋為土木結構及居民自建較難區分類型的房屋。

表3 抽樣點二遙感影像精度評價

從表3 可知，從影像上判讀房屋共有860棟，石木類型的房屋640 棟，磚混結構類型的房屋197 棟，框架結構類型的房屋6 棟，其他類型的房屋17 棟，實際調查結果中，石木類型的房屋633 棟，磚混結構類型的房屋195 棟，框架結構類型的房屋17 棟，土木類型的房屋15 棟，Kappa 系數為0.8865，精度評價結果幾乎一致。

表4 抽樣點三遙感影像精度評價

從表4 可知，從影像上判讀房屋共有931棟，石木類型的房屋746 棟，磚混結構類型的房屋157 棟，框架結構類型的房屋8 棟，其他類型的房屋20 棟，實際調查結果中石木類型的房屋739 棟，磚混結構類型的房屋155 棟，框架結構類型的房屋8 棟，土木類型的房屋29棟，Kappa 系數為0.8621，精度評價結果幾乎一致。

4 結論

本文通過對無人機遙感影像中建筑物信息的描述建立無人機影像解譯標志，隨機選取三個抽樣點進行精度分析，得到以下幾點結論：

（1）通過隨機選取的抽樣點進行精度分析可知，Kappa 系數分別為0.8076、0.8865 及0.8621，表明精度評價結果與實際建筑物考察結果幾乎一致，說明基于無人機調查建筑物結構類型是可行的；

（2）目視判讀影像時，容易把土木和石木結構類型的房屋混淆，框架結構類型的房屋單體面積及陰影大也能夠較好的判定，該地區石木結構的房屋多余磚混結構的房屋，對于出現的混分、誤分現象，可以通過輔助建筑周邊的地理環境，并與實際調研相結合，根據不同區域建筑物的特點建立不同的解譯標志；

（3）無人機遙感照片能夠宏觀的展示某一地區建筑物的空間分布，直觀了解房屋的面積、數量、層高及屋頂類型等基礎信息，能夠快速提高對建筑物識別的速度，與傳統農居建筑物調查相比，節省了大量的時間，可廣泛應用于地震應急評估及風險評估等工作中，為地震應急基礎數據提供更新基礎。