GIS與面向對象結合的遙感影像震后損毀道路快速提取

引文格式： 李強，張景發，牛瑞卿. GIS與面向對象結合的遙感影像震后損毀道路快速提取[J].測繪通報，2015(4)：78-81.DOI:10.13474/j.cnki.11-2246.2015.0116

GIS與面向對象結合的遙感影像震后損毀道路快速提取

李強1，張景發1，牛瑞卿2

(1. 中國地震局地殼應力研究所，北京 100851； 2. 中國地質大學(武漢)地球物理與空間信息學院，

湖北 武漢 430074)

Damaged Road Extraction from Post-seismic Remote Sensing Images Based on

GIS and Object-oriented Method

LI Qiang，ZHANG Jingfa，NIU Ruiqing

摘要：地震是破壞性極強的自然災害之一，2013年4月20日的雅安蘆山地震導致大范圍的道路損毀，一度使得寶興縣城成為孤島，救援很難開展。造成道路損毀的一個主要原因是地震誘發的次生災害堵塞道路。針對寶興縣道路損毀的現狀，本文提出了一種面向對象與GIS空間分析相結合的遙感影像提取方法，在震后短時間內快速提取因次生災害造成的損毀道路情況，快速及時地確定損毀道路的位置及范圍。試驗證明，本方法能快速提取次生災害造成的損毀道路的位置與范圍，其與目視解譯結果吻合，大大減少了震后影像解譯時間，提高了地震應急的效率，可為抗震應急救災提供決策支持。

關鍵詞：次生災害；GIS；面向對象；損毀道路

中圖分類號：P23

收稿日期：2014-03-26

基金項目：國家863計劃(2012AA121304)

作者簡介：李強(1987—)，男，碩士生，研究方向為遙感影像震害信息提取及震害估計。E-mail：whliqiang@gmail.com

通信作者： 張景發

一、引言

地震具有突發性強、防御難度大等特點，是造成人民生命和財產損失最為嚴重的自然災害之一。強地震的發生，都會造成大量的滑坡、泥石流等次生災害的發生。道路是抗震救災的生命線，地震造成道路損毀的一個主要原因是次生災害導致的道路堵塞。2013年4月20日蘆山7.0級強烈地震發生之后，地震造成的滑坡、崩塌等次生災害對國家及省級公路在內的交通設施損毀嚴重，使得救援人員、車輛和物資等難以進入災區，嚴重阻礙了救災工作的進度。地震應急的首要任務是分析獲取進入災區的主干道損毀及通行情況，因此，損毀道路信息提取方法及速度決定了應急決策的制定及抗震救災的時效。遙感具有綜合、快速、范圍大等特點，是獲取災害信息的主要數據源[1]，傳統的地震應急信息獲取方法主要是對遙感影像進行目視解譯，這種方法時效差且效率低，需要花費大量的人力和時間。隨著遙感影像分辨率的提高及影像信息提取方法的不斷完善，信息提取基本上實現了半自動及自動化。遙感震害損毀道路的提取通過遙感影像的變化檢測及分類技術提取，包括對震前震后影像進行對比分析和通過震后影像直接獲取[1]。任玉環利用震前震后高分辨率遙感影像，通過面向對象的分類方法進行道路識別并進行變化檢測，提取出了損毀的道路[2]；陳世榮利用區域分割結合紋理和光譜特征對汶川地震道路損毀情況進行了評估[3]；秦軍等建立了基于低空遙感影像的道路損毀度遙感評估模型，對汶川地震都一汶路至夏家坪段道路損毀程度進行了評估[4]；楊中等利用地震烈度破壞和GIS技術進行了震后損毀道路的快速評估[5]；馬歡等基于高分辨率遙感影像利用其紋理與幾何特征提取了道路信息。上述的研究方法在震后道路損毀信息提取方面取得了一定的成果，但是也存在著一定的缺點，如震前震后影像相差時間較長因而不能完整匹配；缺乏震前影像；震后道路受兩旁植被遮蓋或建筑物陰影信息的影響，不能獲得較高精度的提取道路信息；損毀道路的提取不能滿足地震應急的緊迫性，不能快速有效地將道路損毀情況反映給地震應急指揮部門或前線救災人員。

在地震應急的情況下，利用GIS技術對災區道路損毀情況進行宏觀全面的了解并評估損毀長度，可為應急救災提供決策依據。針對蘆山地震引起的滑坡、崩塌等次生災害造成的道路堵塞，本文提出了利用面向對象方法提取次生災害，然后結合GIS數據及緩沖區及疊置等空間分析功能，快速獲取震后因次生災害造成的道路損毀情況，避免了人工目視解譯，可為地震應急節省寶貴的時間。

二、研究區域和數據源

寶興縣位于四川西部，雅安市北部，30°10′—30°30′N，102°30′—102°50′E，毗鄰蘆山縣，屬亞熱帶季風氣候區，四季分明，全境褶皺密集，斷裂發育，形成以高山為主的地貌。地勢西北高、東南低，地表崎嶇。境內按海拔高度分為高山、中山、低山及河谷平壩3個地貌類型區。寶興縣轄3個鎮、5個鄉、1個民族鄉，總面積3114km2，人口約為6萬人。2008年5月12日的汶川地震對寶興縣城造成了巨大的損失，2013年的蘆山地震，寶興縣為地震的重災區，省道馬飛線(S210)穿過縣城，由于地震造成倒塌堵塞馬飛線，一度使寶興縣城變成一個孤島。研究區截取寶興縣城北部區域航片影像，影像獲取時間為2013年4月21日，影像空間分辨率為0.6m，大小為3884×4886。研究區地理位置分布如圖1所示。

圖1　研究區地理位置示意圖

三、研究方法

隨著GIS技術的發展，GIS技術越來越多地應用于地震預報預測及震后評估，主要包括次生災害評估、損毀建筑物評估及道路評估[7]。傳統的結合GIS的信息提取主要是利用GIS強大的制圖功能及統計分析功能，參考GIS數據提高信息提取的精度，并沒有將GIS的空間分析功能引入進來。本研究利用面向對象的方法提取震后次生災害信息，利用GIS的空間分析功能，將道路進行緩沖區分析之后，與提取的次生災害信息拓撲疊置交集分析，得出次生災害導致道路損毀的區域位置及長度范圍，方法流程如圖2所示。

圖2　研究方法技術流程

1. 基于面向對象的方法提取影像次生災害信息

隨著遙感影像空間分辨率的提高，越來越多的方法被用來提取影像信息，其中面向對象是近幾年專門針對高分辨率影像發展形成的圖像分析方法[8]。它的基本原理是通過分析影像像元的光譜、紋理、空間特征，將具有相同光譜、紋理、空間特征的像元集中形成一個圖斑對象。該方法不僅綜合考慮了影像的光譜信息特征，而更多的是利用形狀、大小、紋理、拓撲關系以及上下文的語義信息，因此能有效地克服基于像元光譜信息提取的不足。面向對象提取方法一般分兩個階段：影像分割(發現對象)和信息提取(特征提取)[9]。在面向對象分析的前期，首先選取一定的閾值尺度將影像分割成圖斑對象，然后以圖斑對象作為分類的基本單元，對影像進行分類提取分析。

(1) 圖像分割

圖像分割是面向對象圖像分類的一個基礎過程。通過分割將像元聚集成具有相同特征的圖斑對象，再對圖斑對象進行分類。傳統的分類方法只是參考像元的光譜特征，僅僅依據光譜特征對影像進行分割容易形成碎片或者形狀破碎的圖像對象，因此在分割的過程中，要加入形狀因子，提高圖像分割的完整性。本文中采用的是多尺度分割方法，是一種自下而上的區域生長方法，即從單個像素開始按照一定的算法逐步合并成不規則的多邊形，它可以提取原始影像中任何尺度的同質對象。多尺度分割從某個像元開始，然后與其相鄰的對象按照某種相似度算法進行計算，若該像元與相鄰的對象合并后異質性指標小于給定的閾值，則合并；否則不能合并。當一輪合并結束后，新的未合并的像素繼續以上一輪剛生成的對象為基本單元，繼續分別與它的相鄰對象進行計算、合并，這一過程將持續到在用戶指定的尺度上已經沒有任何像素需要再進行對象的合并為止。分割的過程中，每個像元的平均異質性最小，隨著像元的合并，對象的異質性增大，但是所有對象的異質性都在給定分割尺度下的閾值范圍內。分割之后形成的對象具有相同的光譜、紋理、形狀特征。

在遙感中，尺度大多被理解為空間尺度、時間尺度和光譜尺度，空間分辨率、時間分辨率和光譜分辨率即分別為空間尺度、時間尺度和光譜尺度的表征。遙感影像的空間尺度又包含兩個方面的含義：影像的空間分辨率以及影像所反映的實際地理區域的大小[10]。圖像分割之前首先要確定一個合適的分割尺度，選擇最優的分割尺度是保證提取精度的關鍵，通常分割尺度越大，形成的對象越少，面積越大。對于確定的地物類型，最優的分割尺度是能用一個或者幾個對象表示，并且邊界很清晰，內部不能太破碎。在分割過程中要不斷地嘗試，選取最優分割尺度，直到滿意為止。

對次生災害形成的倒塌信息進行高精度識別，經過多次試驗，采用的最優分割尺度為75，光譜權重為0.8，形狀權重為0.2，而形狀因子可以進一步用光滑度和緊致度兩個形狀比率因子來表達，即

Hshape=Wcompact·Hcompact+(1-Wcompact)·Hsmooth

式中，Hshape 為形狀因子；Wcompact為用戶為緊致度因子定義的權重；Hcompact為緊致度因子，緊致度用來描述對象形狀是否接近矩形；Hsmooth為光滑度因子。本文中定義光滑度為0.6，緊致度為0.4。

(2) 分類規則集建立及信息提取

根據影像特征，目視解譯出研究區的主要地表覆蓋地物為植被、道路、水體、房屋及裸露的土地。本文的目標是提取次生災害體，研究區的次生災害主要是崩塌和滑坡，次生災害的發生使得在道路邊緣或者山坡上形成堆積體，從而表現出與周圍地物信息不同的光譜、紋理特征。本文將圖像分為次生災害體與背景類，其中背景類包含植被、道路、水體和房屋。

面向對象的影像分類及信息提取是基于影像對象的，最小的分類處理單元為影像對象，因此每一地物類可表示為滿足條件影像對象的集合。根據分割對象的光譜特征、紋理特征、形狀特征等定義各類的判定規則集。主要選取如下幾個規則，次生災害體的灰度分布在一個相對固定的灰度區間內，可以設置一定的光譜均值閾值排除其他類別；災害體表面比較粗糙，不同于其他類別，設置紋理特征信息閾值排除其他信息；災害體的面積及體積一般很大，并且呈現不規則形狀，可以設置面積及矩形度來識別。部分提取的次生災害如圖3所示。

圖3　提取的次生災害信息

2. 基于GIS提取損毀道路

目視解譯發現，部分次生災害導致形成的堆積體部分堆積在道路中間，并沒有完全阻塞道路，對車輛及行人的通行并沒有造成很大的影響。然而地震現場余震不斷，連續不斷的余震仍然會導致次生災害的發生。而本次研究是為了提取次生災害造成的道路損毀，在理論上也將部分阻塞的道路歸于損毀道路的范疇中。因此對道路進行緩沖區分析，分析在設定的閾值寬度范圍內，道路路面中是否存在次生災害產生的碎屑堆積體。

首先通過疊加道路矢量信息發現，省道馬飛線穿過研究區，試驗中選取的閾值寬度范圍即緩沖區距離為10m,并且閾值寬度范圍是隨著道路級別及道路寬帶的變化而改變的；然后將道路緩沖區與提取的次生災害作交集疊置分析，獲取道路緩沖區范圍內次生災害；最后將道路矢量信息與疊置分析獲取的交集再作交集，得到損毀道路線性矢量信息，并統計出損毀道路的長度，提取技術流程如圖4所示。提取出的損毀道路如圖5所示。

圖4　基于GIS提取損毀道路流程

圖5　道路損毀圖

四、結果分析

將提取結果與目視解譯結果相比較，其結果見表1。在圖5(a)中，次生災害1提取的道路損毀情況大于圖5(b)中道路損毀，完好道路錯分為損毀道路的距離為0.105km，分析影像可知，在面向對象提取次生災害過程中，橋梁與道路接壤處有因次生災害造成的堆積體存在，而橋梁與次生災害1產生的堆積體光譜特征相似，從而將橋梁誤判為堆積體。由次生災害2、3、4造成的道路損毀情況可知，本文方法能準確定位并提取因次生災害導致的道路損毀，與目視解譯結果相比，提取損毀道路的分布范圍與其基本吻合。圖5(b)中白線范圍勾畫的是目視解譯的分布在道路兩旁的次生災害，與圖3面向對象提取結果相比較可以看出，面向對象提取出的次生災害位置及分布范圍與目視解譯結果一致。

常規的地震應急損毀道路確定的方法是在地震發生之后，人工實地勘察或對獲取的遙感影像進行目視解譯，耗時耗力。本文提出的方法實現了損毀道路全自動化提取，試驗表明，本文方法能夠獲取因次生災害造成的損毀道路的分布情況，在地震發生后能快速地獲取損毀道路的分布位置及范圍。

五、結束語

地震為突發性的自然災害，地震發生后，掌握主干道的通暢情況是抗震救援的關鍵。傳統的對損毀道路的了解主要靠人為實地勘察或遙感影像目視解譯。本文提出的基于面向對象的方法首先提取震后造成的次生災害，然后結合GIS疊置分析等空間分析功能，快速獲取震后次生災害造成的道路損毀或堵塞分布情況。試驗證明，本文提出的道路損毀提取方法與目視解譯結果基本吻合，與傳統的目視解譯相比，本文方法節省了大量的時間和人力，為地震應急救援和決策爭取了時間，可為抗震救災部門提供決策支持。

表1　結果驗證比較

參考文獻：

[1]趙福軍，趙磊.面向對象的遙感震害信息提取方法—以汶川地震為例[J].地震,2009(29)：130-138.

[2]任玉環，劉亞嵐，魏成階.汶川地震道路震害高分辨率遙感信息提取方法探討[J].遙感技術與應用,2009,24(1)：52-56.

[3]陳世榮，馬海建，范一大.基于高分辨率遙感影像的汶川地震道路損毀評估[J].遙感學報,2008,12(6)：949-954.

[4]秦軍，曹剛，耿娟.汶川地震災區道路損毀度遙感評估模型[J].西南交通大學學報,2010,45(5):768-774.

[5]楊中，王瑋，王彩芬.基于GIS的道路震害損毀評估方法研究與實現[J].科技情報開發與經濟,2010,20(26):164-166.

[6]馬歡，楚恒，王汝言.紋理與幾何特征在道路提取中的應用[J].計算機與現代化,2012(7):96-99.

[7]劉長英，萬廣欣，徐雷.GIS在地震預報、地震災害和損失估計中的應用[J].測繪與空間地理信息，2009,32(3)：159-164.

[8]胡進剛，張曉東，沈欣，等．一種面向對象的高分辨率影像道路提取方法[J]．遙感技術與應用,2006,21(3):184-188．

[9]申真，張杰云.基于面向對象的高分辨率遙感影像道路提取研究[J].科學之友，2011(22):3-5.

[10]張明媚.面向對象的高分辨率遙感影像建筑物特征提取方法研究[D].太原：太原理工大學，2012.