Research on Extraction Technology and Application of Rural Residential Buildings in Liaoning Province Based on UAV Image
-
摘要: 本研究以实地调研数据为基准，无人机影像数据分析为验证，进行了基于无人机识别能力范畴的辽宁农居建筑结构类型划分，并根据区域结构类型比例、影像特性等指标优化了农居遥感解译标志整体参数，提取了不同建筑结构的不同解译标志阈值区间，并基于无人机低空正射影像DOM、数字表面模型DSM制定改进型DSM提取算法处理流程与代码，利用Python语言及开发环境完成了遥感影像要素提取与评估系统开发应用。通过最优组合解译标志获取无人机影像解译一致性系数Kappa=0.723，表明制定的解译标志特征对获得具有较好一致性的房屋结构类型具备一定的可行性。以改进型DSM提取算法为核心的建筑物提取软件提取建筑的整体精度为75%，基本满足地震应急需求。Abstract: Based on the field survey data and the analysis of UAV image data, this study formulates the classification of Liaoning rural residential building structure types based on the category of UAV recognition ability, optimizes the overall parameters of Liaoning rural residential remote sensing interpretation signs according to the proportion of regional structure types and image characteristics, extracts the threshold interval of different interpretation signs under different building structures, and formulates the processing flow and code writing of improved DSM extraction algorithm based on UAV DOM (Digital Orthophoto Map) DSM (digital surface model) image data , and completes the development and Application Research of remote sensing image element extraction and evaluation system by using Python language and development environment. The results show that the interpretation consistency coefficient kappa = 0.723 is obtained through the highest combined interpretation mark, which shows that the interpretation mark features are feasible to obtain the house structure type with good consistency. The overall accuracy of building extraction software with improved DSM extraction algorithm as the core is 75%, which basically meets the practical application needs of earthquake emergency. This research is of great practical significance to improve the rapid evaluation of post earthquake in this area.
-
Key words:
- Building /
- Type of structure /
- Interpretation marks /
- DSM extraction /
- System development
-
引言
地震预测预报、震害防御、应急救援是有效避免人员伤亡和减轻地震灾害损失的3个重要手段，有效的短临预报目前仍是一个世界性难题，后两者则成为当今最大限度减轻地震灾害损失的重要研究课题。在人口聚集的城镇区，合理规划地震应急避难避险场所不仅是震害防御准备中不可或缺的措施之一，更是灾后能够及时开展应急救援的必要条件。国内外在学术研究领域和政府政策法规方面，都对地震应急避难避险场所给予了极大关注（Turkstra，1977；姚清林，1997；都市緑化技術開発機構等，2000；周天颖等，2001；杨文斌等，2004；中华人民共和国建设部，2007；李志强等，2013）。这些研究大多着眼于整个城市范围，是基于简化、静态人口数据空间分布模型的宏观评价，而构成城市基本单元的社区，才是防震减灾的基本单元（张勤等，2009），但目前缺乏针对社区级的具体情景和人口时空差异性分布的微观评价研究。
地震最主要的伤亡原因通常是建筑物的倒塌。在人口和建筑均密集的社区，人们的首要需求是在地震发生时附近有可以紧急逃往并躲避危险的场所，即社区级地震应急避险场所（施小斌，2006；樊良新等，2013）。与拥有较为完备的生活设施的应急避难所不同，地震应急避险场所只需要为人们提供一个开放的安全空地，待地震过后返回解除危险的房屋或者转移集合到可以提供生活设施条件的避难所，所以一般使用期仅为几十分钟到一天。目前，城市建筑一般都参照较高的抗震设防标准建设（中华人民共和国建设部，2007），地震发生时人们出于安全考虑，绝大多数都会本能地逃离建筑到安全空地躲避，因此地震应急避险场所要满足区域内所有人的避险需求，其需求量要比避难所大得多。目前城市建设用地追求高效、集约利用，城市单体建筑的高度和密度不断增高，且汽车增多带来的空地被停车场大量占用等，导致居民区、高楼区等城市社区级的地震应急避险场所严重不足（杨文斌等，2004；赖俊彦等，2015）。
与研究整个城市地震应急避难场所不同，评价社区级地震应急避险场所时不应再采用静态的人口分布数据模型。一个城市的总人口在一定时期内是相对固定的（毛夏等，2010），因而研究城市避难所只需要关注受灾人口的空间差异性（李炜民等，2007；陈振拓等，2012；吴健生等，2015）。现今商业工作区和生活居住区通常位于城市的不同区域，城市内部人口流动非常频繁，在非孤立的社区范围层面，人口作为最关键的地震受灾体，具有不可忽视的时空分布差异性（张勤等，2009；Freire等，2012；袁海红等，2016）。
本文以北京丰台区长辛店地区为例，将研究目标细化为社区级别的地震应急避险场所，并根据实地调查、走访、统计获取更符合实情的社区人口空间和时间分布数据，并基于这种具有时空差异性的人口分布模型，提出一套评价社区现有地震应急避险场所的方法，以期为政府在新建社区和城区规划时提供一些有益的参考。
1. 研究区与研究对象
北京市位于北西向张家口-北京-蓬莱地震带和北东向三河-涞水-灵寿地震带的交汇部位（徐杰等，2015），北京及临近地区历史上记录到7级及以上地震6次，其中最大地震为1679年三河-平谷地震，震级高达8级（国家地震局震害防御司，1995；汪素云等，1998；何宏林等，2008）。根据2015年最新发布的《中国地震动参数区划图》（GB 18306—2015），除位于1679年8级大震震中区的马坊镇外，北京市地震峰值加速度在0.1—0.2g之间，其中长辛店地区的地震峰值加速度为0.2g，属于Ⅷ度高烈度区。前人在评估北京城区绿地防灾避险功能时认为丰台区长辛店镇防灾避险的服务覆盖范围较低（张灿强等，2012），但其评价对象只限于能提供综合防灾能力的绿地系统，而具有地震应急避险功能的还有学校操场、城市广场等各类空地。因此，本文选取长辛店镇的人口聚集地区为研究区，如图 1所示。研究区总面积约16km2，主要由长辛店和张郭庄2个人口最多的行政村组成，总户籍人口5万余人，占长辛店镇总人口的一半以上。2个行政村的建筑密集、社区相连，周边被园博园、永定河和山岗地所环绕，构成一个较为独立的人口聚集社区研究单元。
图 1 研究区地理位置及卫星影像Figure 1. Geographic location and satellite imagery of the study area按照国家标准地震应急避难、避险场所可分为规模较大且功能设施较全的中心避难场所，具备一定生活设施的固定避难场所以及仅供临时就近避震疏散的紧急避震场所（中华人民共和国建设部，2007；中华人民共和国国家质量监督检验检疫总局等，2008）。本文的研究对象属于最后一种类别，是人们在感知地震后紧急逃往的最近避险场地，在暂时等待地震危险消除后重新回到工作生活场地，或者震灾后转移到固定避难场所。该类社区级地震应急避险场不需要具备生活设施和很大规模，只要有建（构）筑物倒塌危险范围以外的安全空地即可，居民日常生活圈中的公园绿地、城市片林、绿化带、城市广场、体育场地、学校运动场、停车场地、工程空地等各类场地都可以作为地震应急避险场所。另外，相对固定的应急避难场所在震灾前期也承担临时紧急疏散的功能（张丽梅等，2005）。因此，我们将上述场地都作为本文的研究对象。
2. 评价方法模型
2.1 评价原则指标
地震应急避难过程中，受灾群众一般会有2个空间的转换：首先是以最短的时间从震灾现场紧急疏散到临时的应急避险空间，然后从临时应急避险场所转移到相对稳定的避难空间（张丽梅等，2005）。地震应急避险场所作为人们在获知地震发生时临时紧急躲避危险的空间，不同于相对稳定的应急避难所需要综合兼顾资源保障、社会控制等因素（熊焰等，2014），其只需注重场地本身的环境支撑能力。因此，地震应急避险场所的评价主要有以下4个原则指标（图 2）：
图 2 社区级地震应急避险场所评价指标Figure 2. Assessment index of earthquake emergency shelter of community（1）安全性
安全性是评价避险场地的首要指标（姚清林，1997；苏幼坡等，2004）。可从3个方面评价避险场地的环境安全性：①地震地质环境安全，即应避让地震断层和地震次生地质灾害影响区域，如严重砂土液化地区、易发生泥石流和滑坡及软土震陷地区等；②自然-人工环境安全，如避让水库河堤下游泄洪区，采矿区陡崖陡坡等；③人工环境安全，如避让高层建（构）筑物垮塌范围、地下停车的地面空地、高压线走廊沿线、化学药品及易燃易爆仓库储存地等。
（2）可达性
地震灾害发生后，人们在紧急逃生时一般以步行方式就近选择避险场所，因此避险场所应在步行5分钟内可达，故其服务半径宜为500m（杨文斌等，2004；中华人民共和国建设部，2007）。同时，避险场所附近要有开放的道路允许人们步行到达。
（3）面积容量
人们在应急避险场所停留的时间一般只有几个小时，基本的活动主要有站立和蹲坐（张丽梅等，2005；张灿强等，2012），并且需要一定的身体舒展活动空间，同时考虑社区中老人的特殊身体情况和此阶段可能存在紧急救助伤员的空间需求，人均有效应急避险面积应不少于1.5m2。社区居民在应急避险场所及时开展互救可以大大减少灾害伤亡损失，因此，为满足一定数量居民聚集的需求，社区级地震应急避险场所的面积一般应不小于1000m2（李刚等，2006；陈志芬等，2010；鲁昭等，2011）。避险场所实际的有效避险面积除以人均避险面积即为其避险容量。
（4）均衡分布
为了人们在发生灾难时能够迅速到达地震应急避险场所，避险场所应较均匀地分布，同时还要考虑与人口密度时空差异相对应的合理分布。
2.2 模型的建立
2.2.1 前提假设
（1）以小区为单位调查统计人口的空间分布，并依据人口分布的时空差异性将目标区分为住宅区、工作区、地震应急避险场所以及既不适合避险又鲜有人口分布的其他区域；
（2）假定每个人口分布区（住宅区、工作区）内的人口均匀分布；
（3）不考虑地震应急避险场所中的人口分布；
（4）每处地震应急避险场所的边界向外延伸500m（服务半径）的区域称为该地震应急避险场所的服务区；
（5）当研究区内地震应急避险场所的服务区已覆盖所有人口分布区时，各服务区间通常会有重叠区域，导致重复计算人口需求，为消除重复计算，将重叠区域分别只划归到最近的地震应急避险场所，此时得到的互不重叠的服务区划分结果称为地震应急避险场所的“最邻近区”；
（6）考虑城市中人口分布随上下班时间段有明显的变化，且工作区域和居住区域甚至分处城区和郊区，本研究考虑的人口分布随时间的差异变化仅区分白天（即工作时间）和夜间（非工作时间，节假日时间等同夜间），不同时间段目标区内人口总数可能不同；
（7）考虑住宅区白天仍有退休老人等，设定夜间人口分布数量为Lj（工作区夜间无人口分布），白天时段工作区人口数为Wi，白天生活住宅区人口分布数量为夜间人口分布数量的a%，由此计算服务区和最邻近区内人口总数的公式为：
$$ \left\{ \begin{array}{l} 白天人口总数D = \sum {{W_i} + a\% \times \sum {{L_j}} } \\ 夜间人口总数E = \sum {{L_j}} \end{array} \right. $$ (1) 2.2.2 评价等级
（1）A级：目标区内地震应急避险场所的服务区覆盖全部人口分布区，并且目标区内每一个避险场所的容量都不小于其对应的服务区内所有时段的人口总数且满足可达性原则。该级别区域内地震应急避险场所分布合理，且容量充足，人们可以任意选择服务半径内的避险场所。
（2）B级：目标区内地震应急避险场所的服务区覆盖全部人口分布区，并且目标区内每一个避险场所的容量都不小于其对应的最邻近区内所有时段的人口总数并且满足可达性原则。该级别区域内地震应急避险场所分布合理，但需要指导人们只能到最邻近的避险场所进行避险。
（3）C级：目标区内地震应急避险场所的服务区覆盖全部人口分布区，但部分避险场所的容量小于其最邻近区内所有时段的人口总数。该级别区域内地震应急避险场所分布合理，但避险场所容量不能满足人们的避险需求，应扩建避险场所规模。
（4）D级：目标区内所有地震应急避险场所的服务区未覆盖全部人口分布区。该级别区域内地震应急避险场所分布不合理，存在避险场所服务空区，应增建避险场所。
2.2.3 评价流程
地震应急避险场所分布合理性的评价可以分为4个阶段，如图 3所示。阶段1为评判工作的资料准备和预处理阶段；阶段2评估应急避险场所服务区覆盖能力，如果能覆盖全部人口分布区就进入下一个评判阶段，否则就应评为D级；阶段3评估应急避险场所的容纳能力，若其容量不少于其服务区各时段的人口总数，就可评为A级，否则进入阶段4，只考量各应急避险场所最邻近区域的人口数，当应急避险场所的容纳量可满足其最邻近区域人口需求时，评估为B级，否则评为C级。
图 3 地震应急避险场所分布合理性的评价流程Figure 3. Flowchart of assessing rationality of spatial distribution earthquake emergency shelters3. 分析与结果
采用上述评价指标和流程，对目标区北京长辛店地区进行了地震应急避险场所的时空差异性评价。
3.1 资料准备和预处理（阶段1）
（1）地震断裂带、地震次生灾害的分布区域
通过搜集目标区及周边的遥感影像、地图和地震构造图、地震区划图等相关地震、地质资料，我们了解到北京市主要发育北东向和北西向2组断裂带（徐锡伟等，2015），其中一条北西向的永定河断裂从本目标区的西北端通过，该断裂沿永定河河谷延伸，长30余千米，根据构造地貌解译和物探推测其为一条隐伏的中更新世活动正断裂（图 4）。由于在该断裂展布的位置规划建设了园博园，使得重要设施和一般住宅等建筑物合理地避开了断裂，不会对地震应急避险场所的有效面积产生影响，所以该断裂对分析评估目标区内应急避险场所的影响可以不计。此外，目标区地处平原开阔区域，距离西山较远，地质灾害如泥石流、山体滑坡等对本区域地震应急避险场所的影响也可以不予考虑。
图 4 北京市活动断裂分布（资料来源于“活动断层探测数据汇交与共享管理中心”）Figure 4. Distribution of active faults around Beijing（2）根据步行可通行性划分子目标区
目标区东南角有京港澳高速公路穿过，其在区内5028m的沿线均设有行人无法通行的隔离栏。根据可达性原则，我们以高速路为界将目标区划分为2个子目标区域，即A区和B区，如图 5（a）所示，A区实际较为狭小，在下文的计算分析中将着重分析B区，对A区只进行简要论述。
图 5 子目标区划分（a）及地震应急避险场所、住宅区、工作区的分布图（b）Figure 5. Sub-target area division; (b) distribution of earthquake emergency shelters, residential area, and working areas（3）住宅区、工作区、避险场所与人口分布统计
根据实地走访调查和遥感数据解译测量，将目标区域划分为地震应急避险场所、工作区、住宅区和既没有人口分布又不符合地震应急避险场所条件的其他区域，并实地走访调查各区域实际人口分布情况。如图 5（b）所示，目标区拥有60处应急避险场所，包括公园、广场、操场、停车场、林地和闲置空地等类型，总面积达到约6.783×106m2；共有住宅小区54个，总居住面积约6.736×106m2，最大居住人口约12.6万人，与2010年第6次全国人口普查中长辛店街道办事处统计的常驻人口8.1万人相比较，并考虑近年北京外围城区的发展导致的外来人口加快增长等情况，认为该调查结果具有可信性。同时参考人口普查数据，丰台区65岁及以上人口占常住人口的8.9%，故将公式（1）中的比例指数a取10。区域内共有工作区（场所）57个，总面积约6.552×106m2，最大总人口约16.7万人。在ArcGIS中建立地理数据库，填写存储以上各地理要素的属性信息（如类型、面积、人口数或容量等）。
3.2 地震应急避险场所的服务区覆盖范围分析（阶段2）
利用ArcGIS软件的ArcToolbox邻域分析中的缓冲区分析工具，以服务半径500m作为缓冲半径，计算出每个地震应急避险场所的服务区（图 6）。明显可见A、B区域地震应急避险场所的服务区均覆盖全部人口分布区域，证明目标区初步满足地震应急避险的需要，排除了D级的可能。
图 6 A区域（a）和B区域（b）中地震应急避险场所的服务区覆盖范围Figure 6. Coverage of service area of all earthquake emergency shelters in the Area A (a) and Area B (b)3.3 地震应急避险场所容量（阶段3）
子目标区A区没有工作区，住宅小区人口最大为7830人，唯一的地震应急避险场所为大宁山庄公园，面积266770m2，可容纳177846人进入避险，足以容纳其服务区内的所有人，所以A区符合A级合理性评估标准。
B区既有住宅区也有工作区，需要对其分白天和夜间2个时间段进行分析。首先用ArcToolbox工具箱中叠加分析的相交分析来解析B区中每个地震应急避险场所服务区分别与住宅区、工作区重叠的部分（图 7（a）），然后根据公式（1）计算每个服务区内2个时间段的人口总数。结果显示，夜间所有应急避险场所的服务区人口数均小于其容纳量，而白天时间段则有19处应急避险场所的服务区人口需求超过其容纳量（图 7（b）），其服务区影响范围几乎覆盖了长辛店和张郭庄行政中心区域。因此，子目标区B区不符合A级合理性标准，但从图 7明显可见各地震应急避险场所服务区重叠度偏高，以服务区总人口需求计算存在大量重复冗余，因此，需要针对白天时间段继续进行最邻近区人口需求的评估分析。
图 7 B区应急避险场所服务区覆盖住宅区和工作区情况（a）及容量不满足服务区人口需求的应急避险场所分布图（b）Figure 7. (a) Residential area and work area covered by service area of all earthquake emergency shelters in the Area B, (b) residential area and work area covered by service area of earthquake emergency shelters with shortage of capacity in the Area B3.4 地震应急避险场所容量能否覆盖最邻近区域人口（阶段4）
利用ArcGIS软件中Spatial Analyst工具集的欧式分配工具，结合栅格转面要素工具，得到B区中距离每个地震应急避险场所500m内的最邻近区域（图 8（a）），然后再利用相交分析工具并结合公式（1）得到白天时间段各地震应急避险场所最邻近区域的人口总数。与各地震应急避险场所容量比较后仍有6处应急避险场所的容纳量小于其最邻近区域内的人口总数（图 8（b））。如表 1所示，与地震应急避险场所最邻近区的最大人口需求相比，长辛店二小和长辛店七小附近的避险场所需扩充的面积大于1000m2，在该区域附近地震应急避险场所明显不足。综上，子目标区B区大部分区域满足B级合理性标准，而长辛店二小、长辛店七小、长辛店一小周边区域地震应急避险场所规模相对总人口的避险需求偏小，应评价为C级。
图 8 B区应急避险场所最邻近区覆盖住宅区和工作区情况（a）及容量不满足最邻近区人口需求的应急避险场所分布图（b）Figure 8. (a) Residential area and working area covered by the nearest neighborhood area of all earthquake emergency shelters in the Area B, (b) residential area and working area covered by the nearest neighborhood area of earthquake emergency shelters with shortage of capacity in the Area B表 1 容量不满足最邻近区人口需求的地震应急避险场所Table 1. Earthquake emergency shelters with shortage of capacity to the need in their nearest neighborhood area应急避险场所名称 类型 面积/m2 容纳量/人 最邻近服务区面积/m2 最邻近服务区最大人口需求/人 应急避险场所需扩充的面积/m2 长辛店二小操场 操场 1070 713 284453 3357 3966 长辛店七小操场 操场 1334 889 84050 2027 1707 长辛店一小操场 操场 1780 1186 303273 1725 809 长铁培训学校空地 空地 4225 2816 272454 3160 516 北京十中分校操场 操场 5685 3790 284625 3953 245 西后街空地 空地 4733 3155 377299 3316 242 注：容纳量根据避险场所的总体面积计算，即容纳量=面积÷1.5m2/人。 4. 讨论和认识
在实际调查研究中发现，与政府规划的城市级别的固定地震应急避难所不同，地震应急避险场所在人口密集的社区需求更大，但更易被人们忽视，进而在无意中被占用、破坏。采用本研究提出的地震应急避险场所分布合理性评价方法，对北京市丰台区长辛店地区的地震应急避险场所的分布合理性进行评估，结果显示，其综合整体评价结果为C级。问题主要表现为在长辛店二小、长辛店七小、长辛店一小周边区域地震应急避险场所的规模（避险容量）不足，相对该区域实际居住人口的密度存在一定的差距，紧急状态难以承担现有人口的避险压力。另外，对于公园、停车场等类型地震应急避险场所，应该排除树林、灌木、假山、停放车辆等地物占用部分面积，以及高层建筑崩落影响范围区的面积（李继东等，2008），但鉴于此情况数据获取复杂以及存在不确定性，本研究未排除上述影响，所以目标区内实际有效应急避险的面积应更少。
造成不合理的原因主要有2个方面：其一，近年来年北京市发展迅猛，人口急剧膨胀，诸如公园、绿地等一些公共设施的规划不足；其二，过去的城市建设规划很少考虑应急避险场所，而是建设完成后再考虑应急避险场所的布设，分布难以达到合理，存在先天不足。另外，随着近年防震减灾意识以及建筑物抗震性能的增强，在一定程度上减轻了人们对应急避险场所的巨大需求压力，本文采用研究区内全部人口数作为需求量应是评价标准的上限指标。
针对造成分布不合理的原因，有2条建议可供市政规划部门以及小区开发商等相关单位参考：①对已经完成规划建设的区域，政府及社区管理部门可依据城市人口分布规律合理管理甚至扩建地震应急避险场所，增加应急避险场所的有效面积，如整顿在公共开阔区域违章搭建的构筑物，充分利用楼房周边的小片空地作为应急避险场所的补充，增加小区内有效应急避险面积等；②对于新规划社区区域，在规划阶段就应充分考虑区域人口密度分布特征，合理规划建设小区内广场、开阔公园绿地等承担地震应急避险场所功能的区域。
5. 结论
合理规划社区级地震应急避险场所，使人们在地震发生时能够及时有效地逃生避险，是避免伤亡和减轻地震灾害损失的重要手段之一。构成城镇基本单元的社区，也应是防震减灾的基本单元。与政府规划的城市级别的固定地震应急避难所不同，地震应急避险场所在人口密集的社区需求更大，也更易被人们忽视甚至被占用、破坏。如何在社区层面合理布局地震应急避险场所，如何评价已有应急避险场所的合理性并加以改善，这些都是亟待解决的问题。本文采用时间相关的社区人口分布模型，提出的一套评估社区级地震应急避险场所分布合理性的方法模型，在北京市丰台区长辛店地区得到探索应用，结果显示区内的应急避险场所分布存在一定的不合理，主要是长辛店二小、长辛店七小周边区域地震应急避险场所的规模相对该区域白天工作时间的人口密度存在一定程度的差距，紧急状态难以承担现有人口的避险压力。因此，建议政府和社区管理部门能够依据社区实际人口分布规律增强对现有地震应急避险场所的管理或者扩建，以保障甚至增加应急避险场所的有效面积；而对新小区的建设应合理增加绿地、广场等承担地震应急避险场所功能的区域规划。
致谢: 审稿人提出的修改意见使本文有了很大的改善和提高，在此表示诚挚的谢意。另外，感谢北京市科学技术协会组织的“北京青少年科技后备人才早期培养计划”为本研究开展提供的平台支持。 -
图 3 各类房屋结构比例及分布图
Figure 3. Structure proportion and distribution map of various houses
表 1 工作量统计
Table 1. Workload summary table
抽样点名称 抽样区域占比/% 单体样本数量/栋 航拍数据量/张 采集面积/m2 大红旗村 25 65 242 21 005 庄屯村 20 46 262 21 012 沈家村 25 80 270 21 111 隈子村 30 85 203 16 252 新立村 25 45 243 18 347 新台村 40 40 256 21 120 大东村 25 120 269 19 527 王木村 40 58 481 46 103 彩北新村 30 44 287 23 232 上堡村 40 62 117 74 632 花园村 30 50 233 142 692 后营子村 40 110 242 163 067 东花村 35 65 198 128 091 高家屯村 40 138 282 193 291 前百村 40 102 182 106 099 韩家沟村 35 110 224 151 743 化石戈村 35 105 318 213 242 宅山土村 40 75 267 179 833 乔坨子村 30 48 380 37 398 吕坊塘村 35 55 296 29 818 和尚沟村 40 62 199 112 231 土宝营村 50 38 158 100 138 任家村 40 102 189 102 709 西王村 35 115 192 116 452 纪家村 40 40 156 97 419 小红石村 30 45 298 223 836 稻池村 25 60 214 132 454 头台子村 40 105 177 96 217 
下载: 导出CSV
表 2 解译标志特征汇总
Table 2. Interpretation sign feature summary
解译特征 置信权重 建筑分类 Ⅰ Ⅱ Ⅲ Ⅳ 直接标志 单体房屋面积/m2
（不含院落）0.2 ≤70（小） ≤120（中等） ≤150（大） ≥150（大） 房屋进深/m 0.4 ≤6 6～7.5 7.5～8.5 ≥9 屋顶模式 0.08 微拱/微坡顶 坡面为主 平顶/坡面 平顶为主 间接标志 房屋高度范围/m 0.2 ≤3（无砌台） 3～3.5（无砌台）
或4～5（有砌台）3.5～4.5（无砌台）
或5～7.5（有砌台）≥4.5（无砌台） 院落面积/m2 0.08 ≤160（小） ≤220（中等） ≤300（大） ≥300（大） 空间分布 0.02 独立或偏僻 紧密分布，偶有零星 带状等规则分布 簇状或临街 院落设施 0.02 偏旧（杂物、闲置） 偏旧（菜园） 整齐（副业） 整齐（水泥过道、副业）
下载: 导出CSV
表 3 建筑物类型混淆矩阵
Table 3. Confusion matrix of building types
建筑分类 Ⅰ Ⅱ Ⅲ Ⅳ Ⅰ 224 46 30 0 Ⅱ 28 698 184 0 Ⅲ 18 40 776 2 Ⅳ 0 3 4 17
下载: 导出CSV
-
艾加秋, 王非凡, 杨兴明等, 2021. 基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法. 遥感学报, 25（5）: 1071—1084Ai J. Q. , Wang F. F. , Yang X. M. , et al. , 2021. SAR image speckle noise suppression algorithm based on background homogeneity and bilateral filtering. National Remote Sensing Bulletin, 25(5): 1071—1084. (in Chinese) 陈天恩, 冯启民, 陈红等, 2006. 基于遥感影像的城市震害模拟. 自然灾害学报, 15（2）: 121—126 doi: 10.3969/j.issn.1004-4574.2006.02.020Chen T. E. , Feng Q. M. , Chen H. , et al. , 2006. RS image based city earthquake disaster simulation. Journal of Natural Disasters, 15(2): 121—126. (in Chinese) doi: 10.3969/j.issn.1004-4574.2006.02.020 黄兴荣, 徐兴彬, 2019. 基于Python爬虫技术和LDA模型的短文本获取技术分析. 电大理工, （3）: 1—3, 11 doi: 10.19469/j.cnki.1003-3297.2019.03.0001Huang X. R. , Xu X. B. , 2019. Analysis of short text acquisition technology based on Python crawler technology and LDA model. Study of Science and Engineering at RTVU, (3): 1—3, 11. (in Chinese) doi: 10.19469/j.cnki.1003-3297.2019.03.0001 刘贾贾, 刘志辉, 刘龙等, 2019. 基于遥感影像的农村建筑物分类. 华北地震科学, 37（4）: 65—72 doi: 10.3969/j.issn.1003-1375.2019.04.012Liu J. J. , Liu Z. H. , Liu L. , et al. , 2019. Classification of rural buildings in Zhangjiakou area based on remote sensing images[J]. North China Earthquake Sciences, 37(4): 65—72. (in Chinese) doi: 10.3969/j.issn.1003-1375.2019.04.012 明小娜, 王晓青, 周洋等, 2018. 基于高分卫星遥感影像的昭通城区建筑物结构类型解译标志构建. 测绘与空间地理信息, 41（9）: 139—142 doi: 10.3969/j.issn.1672-5867.2018.09.038Ming X. N. , Wang X. Q. , Zhou Y. , et al. , 2018. Construction of building type interpretation criteria in Zhaotong city based on the high-resolution remote sensing image. Geomatics & Spatial Information Technology, 41(9): 139—142. (in Chinese) doi: 10.3969/j.issn.1672-5867.2018.09.038 秦思娴, 傅晓俊, 余咏胜等, 2015. 基于Python实现地理国情房屋建筑专题信息提取. 测绘与空间地理信息, 38（8）: 1—3, 6 doi: 10.3969/j.issn.1672-5867.2015.08.001Qin S. X. , Fu X. J. , Yu Y. S. , et al. , 2015. Thematic data of buildings extraction using python in the census of national geographic conditions. Geomatics & Spatial Information Technology, 38(8): 1—3, 6. (in Chinese) doi: 10.3969/j.issn.1672-5867.2015.08.001 任媛媛, 张显峰, 马永建等, 2019. 基于卷积神经网络的无人机遥感影像农村建筑物目标检测. 南京师范大学学报（工程技术版）, 19（3）: 29—36 doi: 10.3969/j.issn.1672-1292.2019.03.005Ren Y. Y. , Zhang X. F. , Ma Y. J. , et al. , 2019. Target detection of rural buildings in UAV remote sensing images based on convolutional neural network. Journal of Nanjing Normal University (Engineering Technology Edition), 19(3): 29—36. (in Chinese) doi: 10.3969/j.issn.1672-1292.2019.03.005 王晓青, 魏成阶, 苗崇刚等, 2003. 震害遥感快速提取研究——以2003年2月24日巴楚—伽师6.8级地震为例. 地学前缘, 10（S1）: 285—291Wang X. Q. , Wei C. J. , Miao C. G. , et al. , 2003. The extraction of seismic damage from remote sensing images——a case study of Bachu-Jiashi earthquake with MS=6.8 occurred on Feb. 24, 2003. Earth Science Frontiers, 10(S1): 285—291. (in Chinese) 薛腾飞, 张景发, 2017. 应用于地震应急的遥感自动制图实现. 自然灾害学报, 26（3）: 19—27 doi: 10.13577/j.jnd.2017.0303Xue T. F. , Zhang J. F. , 2017. Implementation of remote sensing automatic mapping used for earthquake emergency. Journal of Natural Disasters, 26(3): 19—27. (in Chinese) doi: 10.13577/j.jnd.2017.0303 易文斌, 唐宏, 杨晋科, 2009. 面向对象的灾害信息遥感提取框架及其应用. 自然灾害学报, 18（5）: 157—162 doi: 10.3969/j.issn.1004-4574.2009.05.024Yi W. B. , Tang H. , Yang J. K. , 2009. Research and application of object-oriented remote sensing framework for disaster information extraction. Journal of Natural Disasters, 18(5): 157—162. (in Chinese) doi: 10.3969/j.issn.1004-4574.2009.05.024 赵福军, 蔡山, 陈曦, 2010. 遥感震害快速评估技术在汶川地震中的应用. 自然灾害学报, 19（1）: 1—7 doi: 10.13577/j.jnd.2010.0101Zhao F. J. , Cai S. , Chen X. , 2010. Application of rapid seismic damage assessment based on remote sensing to Wenchuan earthquake. Journal of Natural Disasters, 19(1): 1—7. (in Chinese) doi: 10.13577/j.jnd.2010.0101 周培诚, 程塨, 姚西文等, 2021. 高分辨率遥感影像解译中的机器学习范式. 遥感学报, 25（1）: 182—197Zhou P. C. , Cheng G. , Yao X. W. , et al. , 2021. Machine learning paradigms in high-resolution remote sensing image interpretation. Journal of Remote Sensing, 25(1): 182—197. (in Chinese) -
下载:
点击查看大图
计量
- 文章访问数: 133
- HTML全文浏览量: 45
- PDF下载量: 37
- 被引次数: 0
