基于VNP46A2夜間燈光影像的青海門源Ms6.9地震災(zāi)區(qū)識(shí)別研究

摘要：快速獲取地震災(zāi)區(qū)對(duì)高效開展應(yīng)急救援工作具有重要的參考意義。對(duì)NASA開發(fā)的新一代夜間燈光影像產(chǎn)品套件進(jìn)行兩時(shí)相差值法和顯著性檢驗(yàn)來探測(cè)青海門源6.9級(jí)地震前后差值影像的變化區(qū)域，從而識(shí)別和提取地震受災(zāi)區(qū)域。提取結(jié)果顯示：民樂縣的地震影響區(qū)域面積最大，實(shí)驗(yàn)結(jié)果與現(xiàn)場(chǎng)實(shí)地調(diào)研點(diǎn)和烈度圖作宏觀對(duì)比后發(fā)現(xiàn)，提取結(jié)果符合實(shí)際情況。

關(guān)鍵詞：夜間燈光影像 地震 災(zāi)區(qū)識(shí)別 顯著性檢驗(yàn)

Indentification Research of M_s6.9 Earthquake-Hit Area in Menyuan， Qinghai Based on

VNP46A2 Night-Time Light Imagery

LI "Xiaoxue^*

Gansu Earthquake Agency， Lanzhou， Gansu Province， 730000 China

Abstract： Rapid access to the disaster-hit areas is of great significance for efficient emergency rescue work. Using the two-time difference method and significance test on NASA's new generation nighttime light imaging product suite to detect the changes in the nighttime light imagery before and after the Ms6.9 earthquake in Menyuan， Qinghai， it aims to identify and extract the earthquake-hit disaster areas. The extraction results show that the area hit by the earthquake in Minle County is the largest. After comparing the extraction results with the macroscopic data from the field survey points and the intensity map， it is found that the extraction results are consistent with the actual situation.

Key Words： Night-time light imagery; Earthquake; Indentification of earthquake area;" Significance test

地震災(zāi)害的復(fù)雜性有可能導(dǎo)致測(cè)定的微觀震中和極震區(qū)幾何中心不一致^[1]，這對(duì)地震應(yīng)急救援工作是一項(xiàng)重大挑戰(zhàn)，因此，精準(zhǔn)、快速地獲取災(zāi)區(qū)位置信息對(duì)地震應(yīng)急救援工作具有重要意義。夜間燈光數(shù)據(jù)具有時(shí)間分辨率高、幅寬大、數(shù)據(jù)開放度高、對(duì)低強(qiáng)度夜光敏感等優(yōu)點(diǎn)^[2]。近年來，夜間燈光數(shù)據(jù)被廣泛應(yīng)用到地震受災(zāi)區(qū)域檢測(cè)中^[3]。許多學(xué)者基于兩時(shí)相美國國防氣象衛(wèi)星計(jì)劃衛(wèi)星數(shù)據(jù)（Defense Meteorological Satellite Program，DMSP）差值法獲得了較高精度的災(zāi)區(qū)范圍^[4-6]。美國國家極地軌道衛(wèi)星計(jì)劃衛(wèi)星數(shù)據(jù)（National Polar-orbiting Partnership，NPP）研發(fā)起步較晚，但相較于DMSP，NPP具有更高的弱夜光探測(cè)能力、時(shí)空分辨率等優(yōu)勢(shì)^[7]。趙習(xí)枝^[8]以2015年4月25日尼泊爾8.1級(jí)地震和2016年8月24日意大利中部6.0級(jí)地震為研究震例，通過兩時(shí)相NPP影像求比值來檢測(cè)地震受災(zāi)區(qū)域。美國國家航空和航天局（National Aeronautics and Space Administration，NASA）利用每日NPP數(shù)據(jù)基于一系列算法開發(fā)了一套標(biāo)準(zhǔn)產(chǎn)品套件（NASA's Black Marble product suite，即VNP46系列），數(shù)據(jù)時(shí)效性自2012年1月至今^[9-10]。本文以套件中的二級(jí)產(chǎn)品，即VNP46A2作為數(shù)據(jù)源，空間分辨率為500 m。目前，國內(nèi)還沒有公開發(fā)表的與Black Marble標(biāo)準(zhǔn)產(chǎn)品套件相關(guān)的應(yīng)用研究。

本文以兩期VNP46A2影像為數(shù)據(jù)源，經(jīng)過數(shù)據(jù)預(yù)處理后采用顯著性檢驗(yàn)對(duì)2022年1月8日青海門源M_S6.9地震前后的差值影像進(jìn)行變化檢測(cè)，并與烈度圖和實(shí)際災(zāi)后調(diào)研情況作宏觀對(duì)比，分析研究VNP46A2在地震災(zāi)區(qū)識(shí)別中的適用性，以期為地震應(yīng)急救援和烈度圖制作提供高效的數(shù)據(jù)支撐和方法依據(jù)。

1 研究區(qū)與數(shù)據(jù)獲取

據(jù)中國地震臺(tái)網(wǎng)正式測(cè)定，2020年01月08日01時(shí)45分，青海省海北州門源縣（101.26E，37.77N）發(fā)生6.9級(jí)地震，震源深度10 km，距離震中最近的斷層為冷龍嶺斷裂，災(zāi)區(qū)涉及甘肅省3市6區(qū)縣和中牧山丹馬場(chǎng)、大黃山林場(chǎng)^[11]。因此，本文選取張掖市肅南縣、山丹縣、民樂縣，金昌市永昌縣，武威市涼州區(qū)和天?？h為研究區(qū)。

本文選用Black Marble標(biāo)準(zhǔn)產(chǎn)品套件的VNP46A2產(chǎn)品，其空間分辨率為500 m，包括6個(gè)圖層，除經(jīng)過云掩模并填充、月光、大氣校正等一系列處理后的夜間燈光影像外，還包括云覆蓋數(shù)據(jù)、雪覆蓋數(shù)據(jù)等生成該級(jí)產(chǎn)品所需的其他數(shù)據(jù)。本文采用2022年1月8日和2022年1月9日共兩期VNP46A2影像，數(shù)據(jù)可通過NASA官網(wǎng)免費(fèi)下載。兩期影像數(shù)據(jù)的相關(guān)參數(shù)如表1所示。

2 數(shù)據(jù)預(yù)處理

由于VNP46A2數(shù)據(jù)沒有定位信息，因此，需要根據(jù)研究區(qū)所在圖幅的角點(diǎn)坐標(biāo)對(duì)下載的數(shù)據(jù)進(jìn)行幾何校正。幾何校正后，對(duì)影像根據(jù)縣級(jí)行政區(qū)劃裁剪，去除不相關(guān)區(qū)域，將研究區(qū)域集中在受地震影響區(qū)域。經(jīng)過預(yù)處理后的研究區(qū)VNP46A2影像參數(shù)如表2所示。

從表2可以看出，地震后的夜間燈光影像的總亮度像元數(shù)不變，但平均值升高，說明由于地震的發(fā)生，救援力量的到達(dá)，夜間亮度值也隨之升高。

3 變化檢測(cè)與災(zāi)區(qū)識(shí)別

燈光代表了人類活動(dòng)，同一地區(qū)的燈光相對(duì)穩(wěn)定，但地震發(fā)生后，震區(qū)的燈光強(qiáng)度和范圍都會(huì)發(fā)生變化。因此，可以通過檢測(cè)地震前后燈光遙感影像的變化來提取災(zāi)區(qū)信息。常用的燈光變化檢測(cè)方法有差值法和比值法，考慮到VPN46A2影像的空間分辨率較低，并且地震引起的變化明顯，本研究選擇兩時(shí)相差值法。差值法的關(guān)鍵在于閾值的確定，如果影像灰度值滿足一定概率分布，基于數(shù)理統(tǒng)計(jì)的顯著性檢驗(yàn)方法是獲得差值分割閾值的不二選擇^[12-13]。顯著性檢驗(yàn)是根據(jù)“小概率實(shí)際不可能”原理來接受或否定假設(shè)，針對(duì)相同區(qū)域擁有統(tǒng)一輻射特性的夜光影像具有相同的灰度分布假設(shè)，檢驗(yàn)圖像顯著性變化。置信度一般有0.90、0.95、0.99這3種水平。在夜光遙感領(lǐng)域中，置信度0.90在顯著性檢驗(yàn)中存在一定的虛警率，因夜間燈光影像的空間分辨率較低，因此，置信度設(shè)置為0.95，以保證檢測(cè)結(jié)果的虛警率和漏檢率不會(huì)過高^[4]。本文采用高斯擬合獲得分割閾值。高斯分布函數(shù)公式如下。

4 結(jié)語

• NASA開發(fā)的Black Marble夜間燈光數(shù)據(jù)標(biāo)準(zhǔn)套件產(chǎn)品VPN46A2，采用兩時(shí)相差值法、顯著性檢驗(yàn)和進(jìn)一步的閾值分割提取了青海門源6.9級(jí)地震的災(zāi)區(qū)，存在以下幾方面問題。
• 1）顯著性檢驗(yàn)的置信區(qū)間僅可以作為初步變化檢測(cè)閾值，實(shí)際災(zāi)區(qū)識(shí)別中還得根據(jù)影像初步提取結(jié)果作二次閾值分割。
• 2）現(xiàn)場(chǎng)工作隊(duì)聚集區(qū)域作為燈光變化區(qū)域也被檢測(cè)了出來，也從側(cè)面反映出本文使用的數(shù)據(jù)源和方法適用性，但從地震影響區(qū)域提取角度考慮，這部分區(qū)域?qū)儆诟蓴_項(xiàng)。
• 3）本文識(shí)別的災(zāi)區(qū)范圍無法作量化驗(yàn)證，今后將收集其他佐證材料，如高分辨率遙感影像，對(duì)災(zāi)區(qū)作解譯后與本文結(jié)論比較并做量化驗(yàn)證。
• VPN46A2影像進(jìn)行差值處理、顯著性檢驗(yàn)得到初步分割閾值，對(duì)初步分割結(jié)果進(jìn)一步人工修正，最終提取出青海門源6.9級(jí)地震的災(zāi)區(qū)，與實(shí)際調(diào)查點(diǎn)對(duì)比驗(yàn)證表明本文提取的災(zāi)區(qū)范圍可靠，符合實(shí)際情況，研究成果可以為地震應(yīng)急救援提供較精確的震區(qū)范圍。

參考文獻(xiàn)

1. 喬建平，黃棟，楊宗佶，等.汶川大地震宏觀震中問題的討論[J].災(zāi)害學(xué)，2013， 28（1）：1-5.
2. 王曉榮.基于NPP-VIIRS夜光遙感數(shù)據(jù)的自然災(zāi)害影響快速評(píng)估[D].廈門：廈門理工學(xué)院，2021.
3. 劉文毅，劉耀輝，高振昌，等.基于NPP-VIIRS夜間燈光數(shù)據(jù)的2017年九寨溝地震災(zāi)后恢復(fù)動(dòng)態(tài)監(jiān)測(cè)[J].北京測(cè)繪，2022，36（12）：1739-1746.
4. 邱飛廷，張志杰.基于夜間燈光變化的地震災(zāi)區(qū)判定方法研究[J].江西科學(xué)，2017，35（4）：554-558，568.
5. 張小詠，朱俊杰，許建華.基于燈光遙感圖像的地震災(zāi)情信息提取[J].地震研究，2018，41（2）：311-318，344.
6. 張志杰.基于夜間燈光影像的地震受災(zāi)區(qū)域和人口評(píng)估研究[D].焦作：河南理工大學(xué)，2016.
7. 李曉雪，馬小平，劉岸果，等.基于NPP-VIIRS數(shù)據(jù)的夜間燈光指數(shù)變化分析：以夏河MS 5.7地震為例[J].地震工程學(xué)報(bào)，2020，42（5）：1232-1235，1269.
8. 趙習(xí)枝.基于多源數(shù)據(jù)的貧困度與自然災(zāi)害相關(guān)性評(píng)估[D].上海：華東師范大學(xué)，2019.
9. ROMAN M O，WANG Z S， SUN Q S， et al.NASA's Black Marble nighttime lights product suite[J].Remote Sensing of Environment，2018，210：113-143.
10. MIGUEL O R， WANG Z S， RANJAY S， et al.Black Marble User Guide Version 1.2[EB/OL].（2021-04-21）[2024-11-06].https：//viirsland.gsfc.nasa.gov/PDF/BlackMarbleUserGuide_v1.2_20210421.pdf .
11. 中國地震局震害防御司.中國地震局發(fā)布青海門源6.9級(jí)地震烈度圖[EB/OL].（2022-01-11）[2024-11-06].https：//www.cea.gov.cn/cea/xwzx/fzjzyw/5646200/index.html.
12. 李春干，代華兵.基于統(tǒng)計(jì)檢驗(yàn)的面向?qū)ο蟾叻直媛蔬b感圖像森林變化檢測(cè)[J].林業(yè)科學(xué)，2017，53（5）：74-81.
13. DESCLéE B，BOGAERT P，DEFOURNY P.Forest change detection by statistical object-basedmethod[J]. Remote Sensing of Environment，2006，102（1）：1-11.