基于无人机影像的九寨沟地震建筑物震害定量评估

利用2017年8月8日九寨沟7.0级地震震后获取的无人机影像,结合地面震害调查资料,分析各类建筑物震害特征,建立建筑物震害无人机遥感解译标志;选取地震灾区漳扎镇(部分区域)和荷叶寨2个区域作为研究区,进行了无人机遥感建筑物震害提取,基于遥感震害指数进行了震害定量评估,并与现场建筑物震害调查统计结果进行了比较验证。结果显示,遥感解译建筑物震害与实际震害程度相吻合,表明利用震后快速获取的高分辨率无人机影像,可以较为准确地识别建筑物震害,进而为地震灾害定量评估和应急救援辅助决策提供重要参考。     

基于无人机影像的漾濞地震房屋震害定量评估

2021年5月21日,云南漾濞县发生MS6.4地震,震源深度8 km.文中将无人机遥感技术引入云南漾濞县6.4级地震房屋震害评估工作中,结合无人机影像数据和现场地面调查数据,建立房屋震害遥感解译标志,提取漾濞县城部分区域的房屋震害信息,进行遥感定量评估.通过与房屋震害现场调查统计结果的对比分析,房屋震害遥感定量评估结果与现场实地调查结果吻合,表明对震后快速获取的无人机遥感影像进行解译并结合现场抽样调查,可以对灾区的地震烈度做出宏观判断,对地震现场指挥和应急救援提供有效的决策支持.     

无人机技术在新疆塔县地震的应用及实现

目前,地震灾情信息的获取主要依靠地震现场调查,费时费力,为第一时间快速了解灾区灾情,以便尽快做出救灾决策,指挥调度救援力量,引进新的技术手段辅助获取灾情信息十分必要。进行了无人机技术在新疆塔什库尔干县地震的应用研究,利用无人机技术,获取了地震极灾区库孜滚村高分辨率影像数据,结合震前GF-1遥感影像数据及地震现场震害调查数据,获取极灾区灾情信息。结果表明:无人机遥感技术可快速采集极灾区遥感影像,有利于对灾情做出正确判断和评估。根据无人机遥感影像结合震前遥感影像和地震现场调查数据,进行区域建筑物结构类型和损毁程度遥感解译,可快速获取灾情,无人机技术在地震应急方面应用效果显著,为灾情评估、救援和灾后重建工作提供了科学决策依据。     

基于无人机、高分卫星遥感影像的甘肃省陇南市建筑物空间化研究

基于无人机、高分卫星影像资料,通过实地调研与遥感影像对比分析,建立基于无人机、高分卫星遥感影像获取建筑物的技术路线,并以甘肃省陇南市为研究区进行实例验证。研究结果表明:利用无人机航拍进行建筑物识别时,采用倾斜摄影和正射影像相结合的方式,建筑物识别效果较好,尤其是对屋顶相同或类似的不同结构建筑物的识别;基于遥感技术获取建筑物时不仅要建立区域建筑物遥感影像解译标志,还需要借助区域地理环境特征、建筑物排列、占地面积、建筑物阴影等因素进行辅助识别,才能获取较为可靠的结果;陇南市建筑物类型主要有土木(含木构架)结构、砖木结构、砖混结构、框架结构4类,占比分别为19.25%、44.29%、31.32%、5.14%,建筑物遥感解译结果精度在-23.92%~25.28%;基于无人机和卫星遥感影像获取居民地建筑物数据可以用于更新地震应急基础数据库,但存在一定的误差。     

2013年四川芦山7.0级地震烈度遥感评估

2013年4月20日四川芦山MS7.0级地震发生后,在灾区应急获取了多种高分辨率航空和无人机遥感影像,并快速解译提取了灾区建筑物震害信息.采用地震烈度遥感定量评估方法,利用2008年汶川8.0级地震等震后震害遥感解译和现场调查研究确定的经验震害遥感定量评估模型,获得了芦山地震灾区126个主要居民点的地震烈度遥感评估结果,并据此圈画了地震烈度分布遥感评估图.结果显示,本次地震Ⅸ度区面积约150km2,Ⅷ度区面积约900km2.该结果在第一时间(4月21日晚)提供给了中国地震局地震现场应急指挥部.对比分析显示,地震烈度遥感快速评估结果与中国地震局4月25日公布的地震烈度图,以及与笔者在现场实地进行的建筑物震害详细调查结果基础上评定的地震烈度具有较高的一致性.表明强烈地震发生后,借助于快速获取的灾区高分辨率遥感影像,可以快速估计地震烈度分布,对地震灾区灾情估计和抗震救灾工作具有十分重要的参考意义.     

无人机摄影技术在精河地震房屋震害定量评估中的应用

利用2017年8月9日精河6.6级地震后获取的高分辨率无人机影像，对叶里斯南也肯村153栋房屋进行结构分类和震害解译，获取研究区内土木结构、砖木结构、砖混结构、框架结构4种类型房屋数量及震害特征，并依据解译结果计算每种结构房屋平均震害指数。由于研究区内砖木结构、砖混结构、框架结构房屋数量偏少，房屋内部的震害难以用无人机影像识别，这3类房屋的震害解译结果与现场调查结果相比差别较大，而土木结构房屋平均震害指数及所对应的地震烈度结果与现场调查结果基本一致，表明无人机影像可为房屋震害定量评估提供重要参考。     

面向地震巨灾保险的建筑特性快速提取方法

房屋建筑分类是抗震设计和地震风险分析的基础,是巨灾保险的纽带环节,也是结构易损性准确、完备分析的前驱保障,快速获取建筑特性参数非常关键。基于影像数据获取结构特性相比传统手段具有显著优势,然而其准确性具有一定挑战性,从影像数据得到实时的、较准确的结构特性成为地震保险数据获取技术的关注焦点。本文采用深度学习方法开展从影像数据中提取面向地震保险需求的建筑特性数据,构建基于深度学习方法的建筑高度识别模型和基于机器视觉的建筑高度识别方法,运用基于Xception神经网络深度学习和机器视觉的模型,对北京地区的建筑高度进行模型测试,该方法可为地震保险分析提供重要的基础数据支持。     

基于震前高分影像和震害仿真的建筑物震害快速评估：以四川泸定6.8级地震为例

精细化的建筑物震害评估,对震后应急救援和烈度评估具有重要的意义.为解决因震后高分辨率影像缺乏导致无法快速开展建筑物震害评估的实际需求,以四川泸定6.8级地震为例,提出基于震前高分影像和震害仿真的建筑物震害快速评估方法.首先通过深度学习技术提取灾区建筑物空间信息,在收集实际地震动记录的基础上,结合精细化的建筑物震害仿真方法,对震中部分村镇的建筑物震害及地震烈度进行了快速评估,并与震后获取的无人机影像解译结果、现场调查烈度及余震等进行验证.结果表明震中附近的磨西镇烈度估计达到Ⅸ度,其他地点的估计结果与发布的烈度图进行比较,其衰减较为一致,且与余震发生空间较为重合,进一步证明该方法可作为震后大范围影像缺失的“盲区”的建筑物震害快速评估的有效方法,为现场应急、灾害调查和烈度评定提供信息支撑.     

结合纹理和形态学特征的高分遥感影像建筑物震害信息提取

为提高震害信息获取时效性,对基于我国国产高分遥感影像的建筑物震害信息提取方法进行深入研究,本文以2017年5月11日新疆塔县M_S5.5地震为例,利用该地震前后极灾区高分遥感影像,利用结合纹理和形态学特征的方法进行了建筑物震害信息提取,通过变化检测分析获取了极灾区建筑物震害信息,并与基于像元级和基于目标级的信息提取结果进行对比,采用震后无人机影像目视解译结果对本文结果进行了精度验证。结果表明:通过缩减研究区范围可大力提高数据提取精度和速度;运用灰度共生矩阵、二值化、数学形态学等方法对影像进行迭代运算,能较好地提取高分遥感影像中的建筑物信息;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%,比基于像元级和基于目标级信息提取结果的精度分别提高了5.78%和5.23%,可为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。      

机载激光雷达技术在地质灾害调查中的应用——以四川九寨沟7.0级地震为例

九寨沟7.0级地震诱发的地质灾害具有高位滑坡远程灾害的特点,传统地质灾害排查手段无法有效解决隐患的早期识别问题。本文采用机载激光雷达测量技术,快速获取九寨沟地震核心景区的激光点云数据。通过构建高精度数字高程模型(DEM)、数字正射影像图(DOM),建立三维地质灾害解译场景,利用数字地形分析、地形形态学分析和计算机图像识别等技术,综合开展九寨沟高位远程区域内隐蔽性强、随机性大的地质灾害隐患早期识别与分析。应用实践表明,机载激光雷达测量技术可以提高九寨沟地震灾区地质灾害隐患的早期识别能力,对进一步提高综合防灾减灾能力提供了一些可借鉴的思路。     

道路震害遥感提取方法现状与应急应用展望

强地震发生后, 道路是抗震救灾的生命线, 快速有效地提供灾区可通行道路的状况可为地震应急救援力量的部署提供强有力的信息支撑。 基于遥感图像的震害道路识别是遥感地震应急领域中的难点, 但对于地震应急具有无可比拟的价值。 在总结分析地震前后道路影像特征的基础上, 系统地介绍了遥感影像道路提取方法, 之后介绍了遥感震害道路评估工作流程, 重点阐述了遥感震害道路提取与评估方法, 然后综合分析了遥感道路提取在地震应急中的不足, 最后展望了未来遥感技术在震害道路提取与评估中的应用。     

A PRELIMINARY STUDY ON THE METHOD OF SEISMIC INTENSITY ASSESSMENT BASED ON RESIDENTIAL BUILDING DATA AND HIGH RESOLUTION REMOTE SENSING IMAGES

After destructive earthquakes, the assessment result of seismic intensity is an important decision-making basis for emergency rescue, recovery and reconstruction. This job requires higher timeliness by government and society. Because remote sensing technology is not affected by the terrible traffic conditions on the ground after the earthquake, large-scale seismic damage information in the earthquake area can be collected in a short time by the remote sensing image. The remote sensing technique plays a more and more important role in rapid acquisition of seismic damage information, emergency rescue decision-making, seismic intensity assessment and other work. On the basis of previous studies, this paper proposes a new method to assess seismic intensity by using remote sensing image, i.e. to interpret the building collapse rate of a residential quarter after an earthquake by high-resolution remote sensing images. If there already are detailed building data and building structure vulnerability matrix data of a residential area, we can calculate the building collapse rate under any intensity values in this residential area by using the theory of earthquake damage prediction. Assuming that the building collapse rate interpreted by remote sensing is equal to the building collapse rate predicted by using the existing data, it will be easy to calculate the actual seismic intensity of the residential area in this earthquake event. Based on this idea, according to the relevant standard specifications issued by China Earthquake Administration, this paper puts forward some functional models, such as the calculation model of building collapse rate based on remote sensing, the data matrix model of residential building structure, the prediction function matrix model of residential building collapse rate and the prediction model of residential building collapse rate. A formula for calculating seismic intensity by using remote sensing interpretation of collapse rate is also proposed. To test and verify the proposed method, this paper takes two neighboring blocks of Jiegu Town after the Yushu M7.1 earthquake in Qinghai Province as an example. The building structure matrix of the study block was constructed by using pre-earthquake 0.6m resolution satellite remote sensing image(QuickBird, acquired on November 6, 2004), post-earthquake 0.2m aerial remote sensing image(acquired by National Bureau of Surveying and Mapping, April 15, 2010) and some field investigation data. The building collapse rate in the two blocks was calculated by using the interpretation results of seismic damage from the Remote Sensing Technology Coordinating Group of China Seismological Bureau. The seismic damage matrix of building structures in Yushu area is constructed by using the abundant scientific data of the scientific investigation team of the project “Comprehensive Scientific Investigation of the Yushu M7.1 Earthquake in Qinghai Province” of China Seismological Bureau. On this basis, the collapse rate prediction function of different structures in Yushu area is constructed. According to the prediction function of collapse rate and the building structure matrix of the two blocks, the building collapse rate under different intensity values is predicted, and the curve of intensity-collapse rate function is drawn. By comparing the building collapse rate interpreted by remote sensing and the intensity-collapse rate function curve of this two blocks, the seismic intensity of both blocks are calculated to be the same value: Ⅸ degree, which is consistent with the results of the field scientific investigation of the earthquake. The validation shows that the method proposed in this paper can effectively avoid the influence caused by the difference of seismic performance of buildings and accurately evaluate seismic intensity when using remote sensing technique. The method has certain application value for earthquake emergency work.     

蚁群算法在地表隐伏断裂识别中的应用的探讨——以九寨沟景区为例

在发震地区,准确识别地表断裂带可为地质与地震灾害预测提供基础数据。由于断裂带一般在地表出露是不连续的,在此对基于蚁群算法的地表断裂隐伏段的识别研究进行了尝试,基于遥感图像及航测数据,获取地形、地貌要素以及可以参考的其他要素,使用改进最短对角线方法提取断层表面的图像要素特征作为识别母体,在算法上依次将断裂带三角面片全部配对连接成四面体,再采用蚁群算法进行地表隐伏断裂空间识别。在九寨沟景区中进行了实例探讨,对2017年九寨沟地震的断裂进行尝试性识别,认为该方法可用来初步作为辅助识别地表断裂时的一个参考,同时基于本文方法与其他两种识别方法进行了分析对比。     

利用遥感图像对震损建筑结构变形检测的识别研究

为识别震后建筑变形损坏状况,提出震损建筑结构变形检测的遥感图像识别分析方法。利用无人机采集震灾区域的遥感图像,将建筑结构变形检测问题转变为构件间坐标测量问题,提取所采集遥感图像中样本矢量点,将其划分为不同种类区域,在此基础上对图像进行聚类分割,以获得震后图像的不同类别建筑结构特征,实现识别不同样本矢量点的地震受灾情况。通过实验分析发现,所提出的图像识别分析方法在一定程度上可以识别出损毁建筑物,但仍需要进一步研究,以提高其识别精度。     

A classification method of building structures based on multi-feature fusion of UAV remote sensing images

In order to improve the accuracy of building structure identification using remote sensing images, a building structure classification method based on multi-feature fusion of UAV remote sensing image is proposed in this paper. Three identification approaches of remote sensing images are integrated in this method: object-oriented, texture feature, and digital elevation based on DSM and DEM. So RGB threshold classification method is used to classify the identification results. The accuracy of building structure classification based on each feature and the multi-feature fusion are compared and analyzed. The results show that the building structure classification method is feasible and can accurately identify the structures in large-area remote sensing images.     

建筑物震害多源遥感特征与机理分析

随着遥感信息源的不断增加,多种遥感数据被用于详细判读建筑物的震害情况.为准确判读震害等级与建立震害自动识别模式,本文收集整理了汶川地震震区的震害遥感图像,通过目视判读、图像处理、统计分析,重点分析了各类震害建筑物在光学影像中的特征表现、在合成孔径雷达图像中的成像机理特征以及在激光雷达图像中的三维特征.在此基础上构建了建筑物简化模型,并联合光学影像和雷达图像对震害建筑物的影像特征剖面予以分析.结果显示:光学遥感图像色彩信息符合人眼色觉原理,具有较好的直观判读效果;合成孔径雷达图像能够记录地物侧面、表面的粗糙程度和角反射特点,信息量丰富但不直观;激光雷达图像能获取建筑物的三维信息,因此震害评估工作中需有效地综合利用多源遥感数据,才能实现最佳的判识效果.      

多尺度分割和深度学习相结合的倾斜摄影三维影像建筑物震害信息提取

采用多尺度分割和深度学习相结合的方法对震后倾斜摄影三维影像建筑物震害信息进行提取,获取建筑物的屋顶和墙体多种破坏信息。以2017年九寨沟M_S7.0地震后倾斜摄影三维影像为例,依据三维影像建筑物顶面和墙体等进行样本的多尺度分割,样本分为完好建筑物面、破坏建筑物面、其它地物和背景等三类,选取211个100×100像素的样本集对卷积神经网络模型进行训练,采用训练后的模型提取灾区千古情风景区和漳扎镇小学的建筑物震害信息,并将提取结果与目视解译结果进行精度对比,结果显示:破坏建筑物面提取精度分别为65.5%和71.1%,总体分类精度分别为82.1%和84.1%,卡帕（Kappa）系数分别为68.7%和64.9%,表明该方法在倾斜摄影三维影像建筑物震害提取方面具有一定的优势。