引言

地震灾害发生后, 快速获取现场或灾区震害信息对后续现场救援、灾害评估、灾后重建等工作至关重要。传统获取震害的方式主要以地面调查为主, 此方法虽简单, 但存在明显局限, 不仅费时费力, 且对调查人员的要求较高。此外, 地震发生后还可能出现通讯中断、道路受阻, 严重影响调查工作的开展。

遥感技术以其平台高、视角宽阔、速度快、时效性、非接触等特点, 已广泛应用于地震灾害调查及评估中。王晓青等(2003)利用震后获取的卫星影像资料对2003年发生的伽师地震进行震害提取研究；王晓青等(2008)利用震后获取的遥感影像对震区大量建筑物进行定量震害评估, 并建立遥感综合震害指数与地面调查震害指数之间的定量关系；李玮玮等(2016)利用倾斜摄影建立建筑物三维影像, 进行震害特征分析；李金香等(2017)利用无人机采集的影像数据, 结合现场资料对2015年发生的皮山地震进行房屋震害解译, 为后期开展的灾后重建等工作提供参考；袁小祥等(2017)利用无人机影像对九寨沟地震建筑物震害进行定量评估。

地震引发的灾害类型繁多, 包括崩塌、滑坡、砂土液化、地表破裂、房屋受损等, 其中房屋破坏及倒塌是造成财产损失和人员伤亡的主要原因之一(付博, 2018)。本文利用2017年8月9日精河6.6级地震后获取的一系列高分辨率无人机影像, 对房屋震害严重的叶里斯南也肯村开展房屋震害信息提取与评估, 计算每类房屋的平均震害指数及对应的烈度, 并将解译结果与实地调查资料进行对比, 分析该方法的优势和不足, 以期为今后地震现场房屋震害信息获取提供参考。

1.   无人机影像数据收集

目前大多遥感平台的影像数据是通过对目标区进行垂直摄影获取的, 这种方法仅能获取目标区顶部信息, 难以获取全方位的信息, 将其应用于房屋识别及震害信息提取中存在一定局限性(李玮玮等, 2016)。许建华等(2017)使用无人机倾斜摄影技术直观、立体地展示九寨沟地震的部分震害信息, 甚至对裂缝、滑坡等几何信息进行了测量；帅向华(2017)利用倾斜摄影技术对2014年鲁甸地震房屋震害及地质灾害场景进行精确表达；2017年8月9日精河6.6级地震发生后, 中国地震局等相关单位迅速赶赴地震现场, 第一时间使用无人机进行灾情影像的获取, 震中及研究区位置如图 1所示。本文以受灾最严重的叶里斯南也肯村为研究对象, 主要使用中国地震局地球物理研究所提供的无人机影像数据(见图 2), 采集数据过程中从多个不同视角对研究区进行摄影, 获取了丰富的房屋顶面及侧面纹理信息, 极大地方便了房屋震害信息的提取。

图 1  震中及研究区位置图

Figure 1.  Location map of the epicenter and study area

下载: 全尺寸图片 幻灯片

图 2  研究区震后俯视图

Figure 2.  Vertical view of the study area after the earthquake

下载: 全尺寸图片 幻灯片

2.   无人机影像数据解译

利用遥感影像进行灾害信息的提取与评估, 不同学者已开展了大量研究, 提出了一系列震害信息提取和评估模型(王晓青等, 2009；魏成阶等, 2008；李金香等, 2018)。对灾区房屋进行震害评估时, 获取房屋的结构类型和相应的破坏等级至关重要, 因此本次工作从实际应用角度出发, 首先依据影像数据中房屋纹理、色彩、结构等特征及现场调查的实际结果, 通过目视判读, 对研究区内153栋房屋进行分类；然后依据房屋破环情况逐栋解译, 划分震害等级, 建立房屋震害解译标志。

2.1   房屋分类

通过无人机影像解译并结合现场调查结果, 发现叶里斯南也肯村内房屋类型主要为土木结构、砖木结构、砖混结构、框架结构。土木结构房屋屋顶以平顶为主, 屋顶覆盖房泥, 如图 3(a)所示, 外墙表面刷1层石灰浆, 受后期雨水冲刷等影响, 部分房屋墙体表面较残旧, 如图 3(b)所示, 此类房屋易辨识, 但少量土木结构房屋在墙体外侧加砌粘土砖块, 即“砖包皮”, 并在前墙表面贴1层瓷砖, 此类房屋易与砖木结构房屋混淆, 但从塌落的屋檐处仍可分辨出土块墙体和木质房梁, 如图 3(c)所示。砖木结构房屋在研究区内相对较少, 多为居民自建房, 此类房屋在影像中形状规则, 屋顶覆盖房泥, 房顶边缘齐整, 外墙表面多为裸露的红砖或用混凝土抹面, 如图 3(d)所示, 少数房屋前墙表面贴有瓷砖, 如图 3(e)所示。砖混结构房屋在研究区内极少, 主要为清真寺、村委会等公用房屋, 在影像中此类房屋的特点十分显著, 单体房屋多呈长方形, 整齐美观, 屋顶多呈深灰色或彩钢的红色, 如图 3(f)、3(g)、3(h)所示。研究区内仅有1栋在建的多层框架结构房屋, 房屋整体呈灰色调, 框架主体已基本完成, 如图 3(i)所示。

图 3  研究区内房屋类型影像

Figure 3.  Image of building types in the study area

下载: 全尺寸图片 幻灯片

2.2   震害解译

依据《建(构)筑物地震破坏等级划分》(GB/T 24335—2009)(中华人民共和国国家质量监督检验检疫总局等, 2009), 将建(构)筑物破坏等级分为以下5级:基本完好、轻微破坏、中等破坏、严重破坏、毁坏。目前常用的遥感手段由于受空间分辨率的限制及摄影角度的影响, 识别建筑物破坏等级有限, 仅能将房屋破坏等级分为倒塌、局部倒塌、未倒塌3级(李金香等, 2017；袁小祥等, 2017)。本文使用从多个拍摄角度获取的高分辨率房屋影像数据, 尝试按照《建(构)筑物地震破坏等级划分》将研究区房屋破坏分为5级。此外考虑部分房屋自身老旧等原因, 震前可能存在破坏, 因此在本次解译工作中格外注意存在震害的房屋四周是否有掉落的瓷砖、土块、砖块等建筑材料, 如果房屋存在自身缺陷或老旧破坏, 房屋周边一般不会出现掉落的建筑材料, 结合现场详细的调查资料, 建立不同破坏等级的无人机影像解译标志。

(1) 基本完好:此类房屋多为砖混结构或框架结构, 无人机影像中房屋排列整齐, 整体结构完好, 轮廓清晰, 几何形态完整。图 3(f)所示为村委会办公用房, 该建筑物四周棱角分明, 色调规则, 建筑物周围无明显纹理或色调突变, 放大数倍观察时未发现房屋外墙存在明显裂缝, 房屋四周地面未发现掉落的建筑材料。

(2) 轻微破坏:依据国家标准, 此破坏级别的房屋特征为:承重墙体无破坏或个别有轻微裂缝；部分非承重构件有轻微破坏或个别有明显破坏, 不加修理或稍加修理可继续使用。通过解译无人机影像, 发现少量砖木结构房屋仅存在外墙表面瓷砖掉落, 在墙体表面形成灰色区域, 掉落地上的瓷砖块体则为相对较亮的白斑, 如图 4(a)所示；部分土木结构房屋整体结构完整, 女儿墙及房檐存在少量塌落, 如图 4(b)、4(c)所示, 将此类房屋的破坏等级判定为轻微破坏。

图 4  研究区内房屋震害影像

Figure 4.  Image of building damage in the study area

下载: 全尺寸图片 幻灯片

(3) 中等破坏:此破坏级别的房屋特征为多数承重墙出现轻微裂缝, 多数非承重构件有明显破坏, 结构基本使用功能受到一定影响, 修理后可使用。无人机影像中部分土木结构房屋整体轮廓依旧完整, 但由于房檐及女儿墙的塌落, 屋顶边缘形态残缺不全, 房屋四周地面上堆积土块、砖块等建筑材料, 造成影像色调不规则变化, 如图 4(d)、4(e)所示, 将此类房屋的破坏等级判定为中等破坏。

(4) 严重破坏:无人机影像中此类房屋总体形态能够辨识, 但部分房屋纵墙严重外闪, 与屋顶之间产生巨大缝隙, 缝隙呈纵向条带状暗色调, 与周围环境形成鲜明对比, 如图 4(f)所示, 此外部分土木结构房屋屋顶出现部分塌落, 墙体出现倒塌, 如图 4(g)所示, 将此类承重构件出现明显破坏的房屋判定为严重破坏。

(5) 毁坏:此类房屋在无人机影像中特点鲜明, 部分墙体倒塌的房屋在其局部形成废墟, 造成色调明显不均匀, 如图 4(h)所示；完全倒塌的房屋轮廓大部分已消失, 土块、木材等建筑材料混乱堆积, 部分碎片呈白色亮斑, 如图 4(i)所示。

2.3   建筑物震害评估

依据上述建立的房屋类型及震害标志, 对研究区153栋房屋按照4种结构类型和5个震害等级逐栋进行目视解译。其中框架结构房屋仅1栋, 整体结构基本完好；砖混结构房屋共5栋, 影像解译中未发现震害现象, 破坏等级属于基本完好；砖木结构房屋共8栋, 无人机影像显示绝大多数房屋基本完好, 仅发现1栋房屋外墙瓷砖掉落, 属轻微破坏；土木结构房屋共139栋, 毁坏35栋, 严重破坏17栋, 中等破坏39栋, 轻微破坏45栋, 基本完好3栋(见表 1)。房屋破坏抽样调查结果如表 2所示。

表 1  研究区各类房屋破坏程度影像解译结果

Table 1.  Image interpretation results of building damage in the study area

结构类型	基本完好/栋	轻微破坏/栋	中等破坏/栋	严重破坏/栋	毁坏/栋	合计/栋
土木结构	3	45	39	17	35	139
砖木结构	7	1	0	0	0	8
砖混结构	5	0	0	0	0	5
框架结构	1	0	0	0	0	1

下载: 导出CSV 

| 显示表格

表 2  叶里斯南也肯村房屋破坏抽样调查结果

Table 2.  Results of sampling survey of building damage in Yerisnan Yeken Village

结构类型	基本完好/m2	轻微破坏/m2	中等破坏/m2	严重破坏/m2	毁坏/m2	合计/m2
土木结构	160	800	1920	640	480	4000
砖木结构	880	880	5280	880	880	8800
砖混结构	320	320	640	0	0	1280

下载: 导出CSV 

| 显示表格

目前, 地震现场调查常采用震害指数表征震害程度, 房屋破坏等级分为5级, 依据《中国地震烈度表》(GB/T 17742—2008)(中华人民共和国国家质量监督检验检疫总局等, 2009), 每级对应的震害指数用0—1之间的适当数字表示, 震害指数0表示完好无损, 1表示全部毁坏, 平均震害指数指一个建筑物群或一定地区范围内所有建筑的震害指数平均值, 即为各级震害建筑物所占的比率与其相应的震害指数的乘积之和。

在同一地震烈度下, 不同结构类型建筑物的震害程度不同, 可表示为与结构相关的震害指数, 某一调查点结构类型为i的房屋平均震害指数由下式计算:

式中, d_ij表示i类房屋破坏等级为j(j=1、2、3、4、5)的震害指数, n_ij表示i类房屋破坏等级为j的房屋栋数或建筑面积。

为定量评估研究区内房屋震害程度, 对研究区内房屋平均震害指数进行计算, 由于砖木、砖混、框架结构房屋数量过少, 本次研究仅计算土木结构房屋平均震害指数。将5个等级的震害指数分别取值为基本完好(0.05)、轻微破坏(0.2)、中等破坏(0.4)、严重破坏(0.7)、毁坏(1), 根据影像解译结果(见表 1), 并利用式(1)进行统计计算, 得到土木结构房屋平均震害指数为0.51。此外依据现场调查数据(见表 2)计算叶里斯南也肯村不同类型房屋平均震害指数, 其中土木结构房屋为0.47, 砖木结构房屋为0.44, 砖混结构房屋为0.26。通过对比发现, 依据影像解译结果计算得到的土木结构房屋平均震害指数与依据现场调查数据计算得到的土木结构房屋平均震害指数基本一致。

3.   讨论

利用精河6.6级地震后获取的多角度无人机影像数据, 对受灾严重的叶里斯南也肯村153栋房屋进行震害提取。在房屋分类过程中, 框架、砖混结构房屋特征显著, 在无人机影像中易识别, 个别“砖包皮”的土木结构房屋与砖木结构房屋在外形上较相似, 但从掉落的屋檐处仍可分辨出土块墙体和木质房梁, 因此无人机影像中的房屋结构分类与实际情况具有良好的一致性。

根据表 1计算得到研究区内各类房屋平均震害指数, 其中土木结构房屋平均震害指数为0.51, 对应《中国地震烈度表》中的地震烈度为Ⅷ度, 根据现场调查数据(见表 2)计算出的叶里斯南也肯村3种类型房屋平均震害指数对应《中国地震烈度表》中的地震烈度均为Ⅷ度, 此外根据地震现场调查结果, 最终确定叶里斯南也肯村属Ⅷ度区, 通过无人机影像解译结果计算得到的土木结构房屋平均震害指数及所对应的地震烈度与现场调查结果基本一致, 但对比表 1、表 2可以发现砖木、砖混、框架结构房屋震害解译结果较现场调查结果轻, 主要因为本次研究主要通过无人机影像中房屋外部损毁程度进行震害判断, 叶里斯南也肯村土木结构房屋震害主要表现为屋顶塌落、墙体倒塌及屋檐塌落, 此类震害在无人机影像中较易识别, 因此土木结构房屋震害解译结果及平均震害指数与现场调查结果基本一致, 而部分砖木、砖混、框架结构房屋震害多为门窗角裂缝、纵横墙连接处贯穿裂缝、填充墙与框架间结合处裂缝(常想德等, 2017), 仅依靠无人机影像难以对此类房屋震害进行观测, 使其震害解译结果偏轻, 因此使用无人机影像进行房屋震害解译时还需结合一定量的实地调查数据进行校验, 此外研究区内砖木、砖混、框架结构房屋样本数量太少, 砖木结构8栋, 砖混结构5栋, 框架结构仅1栋, 使得解译结果存在较大的随机性, 研究区内土木结构房屋共139栋, 样本数量相对较多, 且土木结构房屋震害解译结果与现场调查结果基本一致, 表明从不同角度获取的高清无人机影像可为房屋震害定量评估提供重要参考。

4.   结论

(1) 研究区内不同结构类型房屋特征较显著, 依据无人机影像的房屋结构分类与实际情况具有良好的一致性。

(2) 由于无人机影像无法观测房屋内部的震害, 且研究区内砖混、砖木、框架结构房屋样本数量偏少, 使得这3类房屋的震害解译结果与现场调查结果存在较大差异。

(3) 研究区内土木结构房屋样本数量相对较多, 震害较易识别, 震害解译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。