基于无人机正射影像的建筑物震害识别研究

【摘要】：地震灾害给人类带来的破坏与损失在各种自然灾害中是最严重的。除地震本身外,伴随地震所引发的次生灾害也在某种程度上加重了地震的所带来的破坏。其中主要包括房屋倒塌导致的人员伤亡以及地质灾害等。因此,获取到地震之后的震害信息对于整个地震的应急评估有着十分重要的作用。获取震害信息最重要的手段主要是利用高分辨率的遥感影像进行震害信息的提取与识别。高分辨率遥感数据作为地震损失评估最重要的数据获取来源,越来越多的应用于震后的损失评估。伴随着无人机技术的飞速发展,在获取高分辨遥感影像方面也变得更加方便快捷。无人机遥感技术相比传统遥感技术具有分辨率更高、获取速度更快、成本低、可根据需要搭载传感器等。本文选取新疆皮山地震的无人机数据作为研究数据,从建筑物震害等级方面对地震的震害信息进行研究。本文选取的无人机影像均为正射影像,影像范围包含了皮山县皮西那乡整个区域。由于获取的为正射影像,因此只能获取到建筑物的屋顶信息。建筑物屋顶的破损信息与建筑物的整体的破坏程度具有一定的关联性。一般情况下,建筑物的屋顶出现掉落或倒塌时建筑物侧面墙体也会出现部分裂缝以及倒塌的情况。但也有少部分建筑物只有侧面墙壁出现一定的受损而建筑物屋顶则基本没有受损。因此要探索无人机正射影像通过建筑物屋顶信息与实地调研结果是否存在较大的出入。本文根据实地现场调查的照片信息通过GPS轨迹信息与无人机正射影像进行一一配对,共匹配了30栋建筑物。此外还选取乡政府大楼、卫生院、教师办公室等典型建筑物进行震害等级比较,发现在建筑物震害特别严重或者基本完好的情况下,正射影像与实地调查结果基本吻合,中等破坏时结果会有所出入。因此,本文在进行无人机震害等级划分时,结合前人的建筑物震害等级分类,重新将五类震害等级划分成三类。在进行建筑物震害识别提取时,选取了2015年7月新疆皮山6.5级地震震后的无人机数据。利用面向对象技术与多尺度分割对皮山地区的无人机影像进行分割操作,通过多次试验后,最终确定了最优分割尺度为300像素单元。对于分割之后的影像,地物类别主要包含了道路、植被裸地以及建筑物四种类别。由于无人机影像缺少近红外波段数据,本文采取了绿叶指数GLI代替NDVI指数进行植被提取,选取GLI值大于0.015的部分划分为植被类型。在剩余的地物类别中,按照长度大于500个像素值并且长宽比大于4的对象划分成道路类别。在剩下的裸地与建筑物类别中,采取模糊分类中的最邻近分类方法进行类别划分,正确提取建筑物达到90%。对于提取后的建筑物,本文按照震害等级将建筑物划分为基本完好、破坏与倒塌三类。针对218个建筑物样本,计算了包括灰度共生矩阵熵在内的11个基本参数。通过共线性检验排除了有序多分类logistic回归模型,选用了岭回归模型处理共线性问题。根据岭回归模型自变量筛选原则,最终选取了不对称性(As)、密度(De)、矩形度(Re)、灰度共生矩阵同质性(Ho)、灰度共生矩阵对比度(Con)、边界指数(Bo)6个特征参数作为自变量建立岭回归模型。利用建立的岭回归模型对218栋建筑物进行了验证,总体精度为81%,kappa系数为0.67。结果显示利用面向对象技术提取建筑物后,通过岭回归模型将建筑物划分为三类震害等级,在一定程度上可以满足震后快速评估的要求。由此可见,无人机技术在震后灾情获取方面有较大的应用前景。无人机低空遥感技术可以为地震应急与震害提取提供可靠的数据来源。通过建立适合于震后建筑物的统计模型,可以对建筑物的震害等级做出判断,提高了识别效率与速度。通过接下来进一步的研究工作,探索最优分割尺度与自变量选择的定量方法可以使整体流程更为规范,结果精度将会得到进一步的提高。因此,利用无人机技术获取地震震害数据并进行震害识别研究有着较好的研究前景。