基于中分辨率遙感影像的居民區(qū)震害信息提取*

張小詠 李慶亭 高 娜

1) 中國北京100049中國地震應急搜救中心 2) 中國北京100094中國科學院遙感與數(shù)字地球研究所

?

基于中分辨率遙感影像的居民區(qū)震害信息提取*

1) 中國北京100049中國地震應急搜救中心 2) 中國北京100094中國科學院遙感與數(shù)字地球研究所

針對中分辨率遙感影像建筑物震害信息弱以及變化檢測法受非震害信息影響大等弱點， 本文建立了一種基于變化檢測的居民區(qū)震害信息快速提取方法． 該方法利用主成分變換增強震害信息， 采用監(jiān)督分類法提取似居民區(qū)， 并用燈光影像數(shù)據(jù)進一步對似居民區(qū)提取結果進行優(yōu)化， 從而很好地消除了變化檢測方法中非震害因素的影響． 在此基礎上， 以2001年印度MW7.6地震的極重災區(qū)為研究區(qū)域， 利用震前、 震后Landsat衛(wèi)星TM圖像和震區(qū)燈光影像數(shù)據(jù)， 對本文算法進行了驗證和分析． 結果表明， 在30—50 m中分辨率遙感影像上， 以建筑物為主的居民區(qū)震后圖像變化最為顯著的震害特征是反射率變大， 本文所建立的居民區(qū)震害信息提取方法在解決中分辨率遙感影像震害目標信息弱、 背景復雜等方面效果明顯．

震害信息 居民區(qū) 變化檢測 中分辨率遙感影像 燈光遙感數(shù)據(jù)

引言

當前遙感技術已成為快速獲取地震災情信息及進行震害評估的有效手段， 為震后應急救援提供了及時的信息保障(Hayashietal， 2000； Yusufetal， 2001； 柳家航， 2003； Matsuoka， Yamazaki， 2004； 王曉青等， 2008； 雷莉萍等， 2010)． 隨著高分辨率商業(yè)衛(wèi)星的迅猛發(fā)展以及米級和亞米級遙感影像的大量出現(xiàn)， 能夠利用遙感影像直接獲取單體建筑物的破損程度， 為災害評估和應急救援提供了不可或缺的信息支持(張景發(fā)等， 2002； 曾濤等， 2010； 張小詠等， 2013; 董燕生等， 2014)． 然而， 在追求獲取高空間分辨率遙感圖像的同時， 也降低了獲取災區(qū)數(shù)據(jù)的時間效率， 不能完成大震發(fā)生后覆蓋震區(qū)的宏觀遙感災情的快速獲取， 從而也不能提供快速有效的應急救援決策．

相比米級-亞米級的高分辨率遙感影像， 30—50 m中分辨率遙感影像一方面具有重訪周期短、 數(shù)據(jù)獲取效率高和光譜信息多等優(yōu)點， 另一方面也能準確反映城市或居民區(qū)的整體震害情況， 因此， 中分辨率遙感影像也被廣泛應用于地震災情的快速評估中． 目前， 利用中分辨率遙感影像提取震害信息的方法主要有主成分分析法、 光譜特征匹配法和變化監(jiān)測法等． Estrada和Yamazaki(2000)利用Landsat影像數(shù)據(jù)對1999年土耳其以茲米特MW7.4地震采用主成分分析法提取災情信息， 并與實際調查數(shù)據(jù)結果進行了對比分析； Matsuoka和Yamazaki(1998)利用Landsat和SPOT數(shù)據(jù)分析1995年日本阪神MW6.9地震災情信息， 采用光譜特征匹配法從影像中提取了嚴重倒塌建筑物信息； Yusuf等(2001， 2002)基于震前和震后的Landsat-7數(shù)據(jù)， 采用變化檢測法提取2001年印度MW7.6地震的震害信息， 并與高精度的SAR圖像進行對比， 驗證了震害信息提取的精度； 竇愛霞(2003)基于IRS-1C， ERS-2SAR和ETM+震前震后圖像， 采用變化檢測法對1999年臺灣集集MW7.7地震和1998年張北ML6.2地震進行震害評估． 然而上述3種方法中， 主成分分析法和光譜特征匹配法容易受到同譜異物的影響， 變化檢測法容易受到其它非震害因素的影響， 這使得目前基于中分辨率遙感影像的震害信息提取精度相對較低． 因此， 充分發(fā)揮中分辨率遙感影像在地震災情監(jiān)測中費用低、 數(shù)據(jù)處理效率高及災情監(jiān)測范圍大等優(yōu)點， 探求具有更高精度的震害信息提取算法， 為震后第一時間應急救援提供宏觀震害信息是一項非常必要的工作．

本文針對中分辨率遙感影像建筑物震害信息弱以及變化檢測法受非震害信息影響大等弱點， 擬對中分辨率遙感影像的震害特征予以分析， 在此基礎上建立基于中分辨率遙感影像的居民區(qū)震害信息快速提取的流程和方法， 并以2001年印度MW7.6 地震的極重災區(qū)為研究區(qū)域， 綜合利用震前、 震后中分辨率遙感影像和燈光影像， 對該算法進行驗證和分析．

1 研究方法

1.1 震害特征分析

30—50 m中分辨率遙感影像無法對單個建筑物進行分析， 但可以從居民區(qū)整體表現(xiàn)的輻射特征、 光譜特征和空間特征來進行分析． 輻射特征主要為居民區(qū)在單個波段上的灰度或輻射特征； 光譜特征主要考察在多個波段上的整體反射特性； 空間特征則主要表現(xiàn)為空間紋理特征．

圖1給出了2001年印度古吉拉特邦MW7.6地震安賈爾震區(qū)震前和震后Landsat衛(wèi)星TM遙感器第一波段的灰度值圖像． 圖2給出了該震區(qū)震前和震后圖像的灰度值和相對反射率曲線． 從圖1可以看出， 地震受災嚴重地區(qū)震后圖像的灰度值較震前明顯變亮， 而圖2中的灰度值曲線也證明了這一點， 其原因主要是地震引起大量建筑物倒塌， 而倒塌的建筑物出現(xiàn)很多新的斷面， 從而導致輻射亮度變大． 另外， 對比圖2中的灰度值曲線與相對反

圖1 印度安賈爾震區(qū)震前(a)和震后(b)TM影像(波段1)

圖2 印度安賈爾震區(qū)震前、 震后的灰度值(a)和相對反射率(b)變化

射率曲線可以看出： 震后圖像波段1， 2， 3， 4的灰度值變大， 波段5和7的灰度值變?。?而震后圖像相對反射率在所有波段均變大． 之所以出現(xiàn)該差異， 是因為圖像灰度值受到諸如太陽光照條件、 遙感器參數(shù)設置、 成像時間及成像時大氣狀況等多種因素的影響； 而相對反射率在一定程度上消除了這些因素的影響， 能更真實地反映地物的輻射和光譜特性．

圖3給出了2010年海地MW7.0地震太子港地區(qū)Landsat衛(wèi)星TM遙感影像震前和震后的灰度值和相對反射率曲線． 可以看出， 灰度值和相對反射率曲線在地震前后具有相似的特征， 而2001年印度MW7.6地震反射率相對灰度值更能反映倒塌建筑物反射率增加的客觀事實． 從上述兩個震區(qū)的影像特征分析來看， 震后居民區(qū)圖像的反射率相對灰度值明顯變大．

圖3 海地震區(qū)震前、 震后的灰度值(a)和相對反射率(b)變化

對于居民區(qū)在中分辨率遙感影像上的空間紋理特征， 本文采用常用的灰度共生矩陣二階概率統(tǒng)計的特征參數(shù)來分析， 包括均值、 方差、 協(xié)同性、 對比度、 相異性、 信息熵、 二階矩和相關性． 圖4分別給出了印度安賈爾震區(qū)和海地震區(qū)震前和震后遙感影像紋理參數(shù)的變化情況． 可以看出： 對于印度地震， 居民區(qū)震后均值、 方差和對比度較震前變化較大， 其它幾個參數(shù)則變化不大； 對于海地地震， 居民區(qū)震后較震前僅有對比度變化較大， 方差則變化不大． 這說明除了對比度之外， 其它紋理參數(shù)均不適合作為地震災害的表征參數(shù)． 紋理特征之所以不能很好地反映震區(qū)的破壞信息， 是因為30—50 m的空間分辨率(單個像元面積為900—2500 m2)相對建筑物個體來說太低， 建筑物幾乎是與背景混合在一起， 因此建筑物的破壞對混合像元的紋理特征影響不太明顯．

圖4 印度安賈爾震區(qū)(a)和海地震區(qū)(b)震前、 震后遙感影像的紋理參數(shù)變化

1.2 震害信息提取方法與流程

基于上述對居民區(qū)震害在遙感圖像上的特征分析得到以下結論： ① 地震使居民區(qū)建筑物產生破壞， 破壞后的建筑物新鮮斷面引起震后居民區(qū)影像亮度增加； ② 反射率圖像由于消除了太陽光照條件、 遙感器參數(shù)設置和大氣狀況等多種因素的影響， 所以其相對圖像灰度值更能體現(xiàn)建筑物的破壞特征； ③ 30—50 m中分辨率圖像相對建筑物分辨率太低， 其空間紋理特征不能很好地表征震害特征． 總之， 對于中低分辨率遙感影像， 震后居民區(qū)反射率值增大， 因此可以利用震后與震前反射率差值來提取居民區(qū)震害信息． 然而， 反射率差值法提取的震害信息也會包含反射率變化的其它錯誤信息， 如云、 植被和水體等． 因此， 必須對背景信息進行剔除， 得到最終的有效震害信息． 同時， 居民區(qū)震后圖像的各波段反射率值相對震前均增大， 且增加的幅度也基本一致(圖2， 3)， 即各波段間存在很好的相關性， 因此可以通過融合各個波段的光譜變化特征， 把相關波段的信息集中于第一主成分， 從而能更加有效地提取震害信息．

基于居民區(qū)震害特征分析和去偽存真的思路， 本文建立了以反射率差值為基礎的中分辨率遙感影像居民區(qū)震害信息的提取方法， 主要包括以下5個步驟： ① 獲取地震區(qū)震前及震后的遙感數(shù)據(jù)， 并利用監(jiān)督分類法提取居民區(qū)， 考慮到分類誤差導致提取的結果中除了居民區(qū)之外還有與居民區(qū)相似的其它地物， 將利用監(jiān)督分類法提取的居民區(qū)結果稱之為似居民區(qū)； ② 對震前和震后遙感影像進行空間幾何配準和反射率反演等預處理， 其中反射率反演可以采用內部平均法(童慶禧等， 2006)計算圖像的相對反射率， 相對反射率值即為圖像每個像素的灰度值與整景圖像灰度值均值的比值； ③ 計算地震后與地震前反射率差值圖像， 并對反射率差值圖像進行主成分變換； ④ 提取主成分變換后的第一主成分， 利用閾值分割初步提取震害區(qū)； ⑤ 利用第一步提取的居民區(qū)和燈光影像數(shù)據(jù)對震區(qū)結果進行兩次優(yōu)化， 得到最終的居民區(qū)震害信息. 該方法提取流程如圖5所示．

圖5 居民區(qū)震害信息提取流程圖

2 印度古吉拉特邦地震試驗與結果

2.1 數(shù)據(jù)

北京時間2001年1月26日11時16分印度古吉拉特邦發(fā)生MW7.6地震， 震中位于(23.2°N， 70°E)． 該地震造成2萬人死亡， 6萬多人受傷， 20萬人無家可歸， 給古吉拉特邦地區(qū)的人民帶來災難性后果， 受此次地震影響最大的城市有帕焦、 普杰、 安賈爾和甘地特姆等(Narayanetal， 2002)． 本文以安賈爾市附近的Landsat衛(wèi)星TM圖像為例， 提取該城市的震害信息． TM數(shù)據(jù)來源于美國USGS網(wǎng)站， 圖像空間分辨率為30 m， 已經(jīng)輻射校正和正射糾正． 印度MW7.6地震震前TM影像(圖6a)于2001年1月8日獲取， 圖像整體質量較好， 左上部有少量薄云和陰影； 震后TM影像(圖6b)于2001年2月9日獲取， 圖像質量好于震前． 另外， 從美國NOAA網(wǎng)站獲取了該地區(qū)2001年常年穩(wěn)定燈光的平均數(shù)據(jù)， 其空間分辨率為1 km．

圖6 印度古吉拉特邦震區(qū)震前(a)和震后(b)TM影像

2.2 震害信息提取結果

由于TM數(shù)據(jù)和燈光數(shù)據(jù)均經(jīng)過輻射和幾何預處理， 且圖像之間的幾何配準精度高， 無需再進行校正和配準處理． 根據(jù)本文算法， 首先， 對TM影像采用內部平均法進行相對反射率反演； 其次， 以人工選擇的居民區(qū)為參考樣本， 利用光譜夾角匹配法(童慶禧等， 2006)提取似居民區(qū)專題圖； 然后， 根據(jù)是否有燈光數(shù)值對圖像進行二值化， 制作居民區(qū)掩膜， 用于后期對居民區(qū)的優(yōu)化處理； 最后， 根據(jù)本文計算流程依次進行反射率差值、 主成分變換、 震害信息初步提取和震害信息優(yōu)化等處理后， 得到最終的居民區(qū)震害信息．

圖7a為基于震前與震后圖像反射率差值的主成分圖像初步提取的震害結果． 由于震后圖像受薄云陰影(圖中紅色箭頭所指區(qū)域)、 季節(jié)的差異及土壤水分含量等因素的影響， 薄云陰影、 山區(qū)大片植被和海邊沙灘被錯誤地提取出來． 圖7b為利用監(jiān)督分類法提取的似居民區(qū)對圖7a進行優(yōu)化后的結果， 可以看出， 大部分非居民區(qū)的錯誤目標基本都被去除掉， 但是左上角有陰影的無植被覆蓋的裸土地仍然存在． 圖7c為利用燈光遙感數(shù)據(jù)對圖7b進行優(yōu)化的最終結果， 可以看出， 僅剩下幾個居民區(qū)內有建筑物震害信息(圖中紅色圓圈內區(qū)域)． 圖8為圖7c中紅色圓圈內的放大圖， 從左至右分別是安賈爾市震前、 震后以及震害信息疊加在震后影像上的效果． 對比圖8震前與震后的圖像可以看出， 本文方法提

圖7 印度古吉拉特邦震區(qū)地震前后反射率圖像第一主成分差值圖像(a)、 利用似居民區(qū)數(shù)據(jù)

圖8 安賈爾市震前(a)、 震后(b)TM圖像及震害信息提取結果(c)， 白色斑點區(qū)域即為震害區(qū)域

取的結果與安賈爾市反射率變大部分非常一致．

3 討論與結論

基于地震前后圖像變化檢測法提取震害信息不可避免地會受到多種因素的影響， 本文首先利用主成分變換對原始圖像的震害信息進行了增強， 然后利用居民區(qū)數(shù)據(jù)和燈光數(shù)據(jù)等對非震害信息進行了剔除， 從而較好地解決了利用中分辨率遙感影像提取居民區(qū)震害信息時目標信息弱、 背景信息復雜等問題．

圖9a， b給出了印度安賈爾市震前與震后相對反射率圖像直接差值運算后的差值圖像直方圖， 圖9c給出了對差值圖像進行主成分變換后的主成分圖像直方圖． 可以看出， 主成分變換前所有波段的直方圖具有相似的正態(tài)分布， 且直方圖峰值均大于0， 這說明震后所有波段的反射率均大于震前， 該現(xiàn)象與圖2， 3中相對反射率差值曲線一致． 但是經(jīng)主成分變換后的直方圖則發(fā)生了明顯變化： 除第一主成分之外的其它主成分分量直方圖均具有相似的正態(tài)分布， 但峰值均降低為0， 表明這幾個主成分分量基本不包含震害信息； 第一主成分明顯與其它分量分離開， 且第一主成分的峰值相對主成分變換前明顯變大， 說明主成分變換能將平均分配在各個波段的震害信息集中到第一主成分量， 因此利用第一主成分分量更容易提取震害信息． 圖10給出了基于相對反射率差值圖像提取的震害信息和基于差值圖像主成分變換后的第一主成分提取的震害信息. 可以看出， 經(jīng)過主成分變換后的結果明顯優(yōu)于變換之前的結果．

圖9 印度安賈爾市震前震后相對反射率差值圖波段1(a)和波段2—4的直方圖分布(b)

圖10 基于相對反射率差值(a)和基于該差值主成分變換后(b)的印度安賈爾震區(qū)震害信息提取結果

許多非地震因素也會在地震前后差值圖像上產生反射率差異， 使得利用差值算法提取的震害信息出現(xiàn)錯誤結果， 如圖7a中云陰影、 植被和沙灘等都是容易產生誤差的地物． 解決該問題的一種思路是采用間接法， 即將研究區(qū)內各種背景對象依次剔除； 另一種思路是采用直接法， 直接從圖像中提取居民區(qū)進而提取震害區(qū)域． 理論分析和試驗結果表明， 間接法需要針對不同的背景對象設計相應的算法， 由于背景對象復雜導致整體算法復雜， 且在每種背景對象消除過程中所產生的誤差均會疊加到最終結果中． 相比而言， 直接法的算法和處理過程則相對簡單， 只有一次誤差累積過程； 但直接法會受到“同譜異物”的影響， 影像中與居民區(qū)具有相似特征的背景地物會被當作居民區(qū)而被提取(圖7a)． 為解決該問題， 本文引入燈光遙感數(shù)據(jù)， 采用直接法提取居民區(qū)． 眾所周知， 居民區(qū)與裸土、 沙灘、 河床等地物最大的差別在于居民區(qū)有人居住， 而燈光是人類活動的典型標志之一， 因此利用燈光遙感影像可以將居民區(qū)與裸土等背景地物區(qū)分開． 具體作法分兩步： ① 基于震前遙感數(shù)據(jù)， 以居民區(qū)為參照， 采用監(jiān)督分類法提取似居民區(qū)， 由于植被、 水體、 云等與居民區(qū)在統(tǒng)計特征上差異較大， 所以似居民區(qū)內幾乎不包括這類背景， 僅包含與居民區(qū)相似的裸土區(qū)或其它類似區(qū)域； ② 利用燈光圖像對似居民區(qū)進行二次優(yōu)化， 去除無人居住的裸土地等背景目標． 從圖7的優(yōu)化結果看， 利用似居民區(qū)能有效去除植被、 水體、 云等背景誤差， 然后經(jīng)過燈光遙感數(shù)據(jù)的再次優(yōu)化， 居民區(qū)之外的誤差幾乎全部被消除．

本文利用中分辨率遙感影像進行地震災情信息監(jiān)測， 具有費用低、 數(shù)據(jù)獲取機會多、 數(shù)據(jù)處理效率高及災情監(jiān)測范圍大等優(yōu)點， 對震后應急救援階段快速提供宏觀震害信息具有非常重要的意義． 通過對中分辨率遙感影像震害特征的分析表明， 在30—50 m中分辨率遙感影像上， 震后圖像反射率變大是以建筑物為主的居民區(qū)最顯著的震害特征， 因此本文建立了一種基于反射率變化檢測的方法來提取居民區(qū)震害信息． 鑒于震后反射率相對震前反射率在遙感影像所有波段均具有相似的特征， 對震后-震前反射率差值采用主成分變換， 將均勻分布在各個波段的震害信息集中在第一主成分， 從而達到增強震害信息的目的． 另外， 采用監(jiān)督分類法從震前影像中提取似居民區(qū)， 并利用燈光遙感數(shù)據(jù)提取居民區(qū)范圍， 通過這兩種方法有效剔除了居民區(qū)的非震害信息， 從而顯著提高了直接基于反射率變化提取震害信息的精度．

董燕生， 陳洪萍， 潘耀忠， 方偉華. 2014. 基于震后高分辨率衛(wèi)星遙感影像的建筑物瓦礫快速提取方法[J]. 應用基礎與工程科學學報， 22(6): 1079--1088.

Dong Y S， Chen H P， Pan Y Z， Fang W H. 2014. A rapid method for extracting building rubble based on post-earthquake high-resolution satellite imagery[J].JournalofBasicScienceandEngineering， 22(6): 1079--1088 (in Chinese).

竇愛霞. 2003. 震害遙感圖像變化檢測技術研究[D]. 濟南: 山東科技大學地球科學與工程學院： 1--21.

Dou A X. 2003.StudyonSeismicDamageChangeDetectingTechniqueBasedonRemoteSensingImages[D]. Ji’nan: College of Earth Science and Engineering， Shandong University of Science and Technology： 1--21 (in Chinese).

雷莉萍， 劉良云， 張麗， 畢建濤， 吳艷紅， 焦全軍， 張文娟. 2010. 汶川地震房屋倒塌的遙感監(jiān)測與分析[J]. 遙感學報， 14(2): 333--344.

Lei L P， Liu L Y， Zhang L， Bi J T， Wu Y H， Jiao Q J， Zhang W J. 2010. Assessment and analysis of collapsing houses by aerial images in the Wenchuan earthquake[J].JournalofRemoteSensing， 14(2): 333--344 (in Chinese).

柳稼航. 2003. 利用遙感技術進行城市建筑震害的自動識別與分類方法研究[D]. 北京: 中國地震局地質研究所： 1--10.

Liu J H. 2003.AMethodStudyonAutomaticRecognitionandClassificationofEarthquake-CausedBuildingDamageinCitiesUsingRemoteSensing[D]. Beijing: Institute of Geology， China Earthquake Administration： 1--10 (in Chinese).

童慶禧， 張兵， 鄭蘭芬. 2006. 高光譜遙感： 原理、 技術與應用[M]. 北京: 高等教育出版社： 166--217.

Tong Q X， Zhang B， Zheng L F. 2006.HyperspectralRemoteSensing[M]. Beijing: Higher Education Press: 166--217 (in Chinese).

王曉青， 王龍， 王巖， 丁香， 竇愛霞， 張飛宇. 2008. 汶川8.0級大地震應急遙感震害評估研究[J]. 震災防御技術， 3(3): 251--258.

Wang X Q， Wang L， Wang Y， Ding X， Dou A X， Zhang F Y. 2008. Study on the damage assessment of WenchuanMS8.0 earthquake based on remote sensing imagery[J].TechnologyforEarthquakeDisasterPrevention， 3(3): 251--258 (in Chinese).

曾濤， 楊武年， 黎小東， 劉漢湖， 彭立， 簡季. 2010. 面向對象的高空間分辨率遙感影像信息提取： 汶川地震城市震害房屋案例研究[J]. 自然災害學報， 19(5): 81--87.

Zeng T， Yang W N， Li X D， Liu H H， Peng L， Jian J. 2010. Information extraction of object-oriented high resolution remote sensing image: A case study on urban damaged buildings in Wenchuan earthquake[J].JournalofNaturalDisasters， 19(5): 81--87 (in Chinese).

張景發(fā)， 謝禮立， 陶夏新. 2002. 建筑物震害遙感圖像的變化檢測與震害評估[J]. 自然災害報， 11(2): 59--64.

Zhang J F， Xie L L， Tao X X. 2002. Change detection of remote sensing image for earthquake-damaged buildings and its application in seismic disaster assessment[J].JournalofNaturalDisasters， 11(2): 59--64 (in Chinese).

張小詠， 買瑩， 張凌. 2013. 基于數(shù)學形態(tài)學的高分遙感影像地震重點目標信息提取[J]. 地震， 33(2): 115--122.

Zhang X Y， Mai Y， Zhang L. 2013. Extraction of earthquake key objects from high spatial resolution images based on mathematical morphology[J].Earthquake， 33(2): 115--122 (in Chinese).

Estrada M， Yamazaki F. 2000. Use of Landsat images for the identification of damage due to the 1999 Kocaeli， Turkey earthquake[C]∥Proceedingsofthe21stAsianConferenceonRemoteSensing. Taipei: ACRS: 1--11.

Hayashi H， Hashitera S， Kohiyama M， Matsuoka M， Maki N， Fujita H， Elvidge C D. 2000. International collaboration for the early damaged area estimation system using DMSP/OLS nighttime images[C]∥ProceedingsofIEEE2000InternationalGeoscienceandRemoteSensingSymposium(CD-ROM). Honolulu: IEEE: 2697--2699.

Matsuoka M， Yamazaki F. 1998. Identification of damaged areas due to the 1995 Hyogoken-Nanbu earthquake using satellite optical images[C]∥Proceedingsofthe19thAsianConferenceonRemoteSensing. Traders Hotel， Manila: 1--6.

Matsuoka M， Yamazaki F. 2004. Use of SAR intensity imagery for earthquake damage detection[C]∥Proceedingsofthe2ndWorkshoponApplicationofRemoteSensingTechnologiesforDisasterResponse. Newport Beach， California: IEEE: 1--5.

Narayan J P， Sharma M L， Kumar A. 2002. A seismological report on the 26 January 2001 Bhuj， India earthquake[J].SeismolResLett， 73(3): 343--355.

Yusuf Y， Matsuoka M， Yamazaki F. 2001. Damage assessment after 2001 Gujarat earthquake using Landsat-7 satellite images[J].JIndianSocRemoteSens， 29(1/2): 17--22.

Yusuf Y， Matsuoka M， Yamazaki F. 2002. Detection of building damage due to the 2001 Gujurat， India earthquake， using satellite remote sensing[C]∥Proceedingsofthe7thNationalUSConferenceonEarthquakeEngineering. Oakland， California: Earthquake Engineering Research Institute: 21--25.

Extraction of seismic damage information of the residential area based on medium-resolution remote sensing image

1)NationalEarthquakeResponseSupportService，Beijing100049，China2)InstituteofRemoteSensingandDigitalEarth，ChineseAcademyofSciences，Beijing100094，China

There are some weak spots in medium-resolution remote sensing image， such as weak information in seismic disaster of buildings and change detection method prone to be affected by non-seismic disaster information. According to those problems， this paper established a method for quickly extracting residential seismic damage information based on the change detection method， which uses principal component transform to enhance damaged information， and adopts the supervised classification method to extract the similar residential area， which were further optimized by using the nighttime lights data， eliminating the influence of non-seismic disaster factors in the change detection method. And then the meizoseismal area of IndiaMW7.6 earthquake in 2001 is chosen as the studied area by using Landsat thematic mapper (TM) imagery pre- and post-earthquake and nighttime lights data of earthquake-stricken area so as to verify and analyze the method proposed in this paper. The results show that the reflectivity becomes larger is the the most significant damaged characteristic for the building residential area in the resolution of 30--50 m medium-resolution remote sensing image. The method for extracting residential earthquake damage information established in this paper has good effects in solving weakly damaged information and background noise based on medium-resolution images.

seismic damage information; residential area; change detection; medium-resolution remote sensing image; nighttime lights data

地震星火項目(XH14059)和高分辨率對地觀測系統(tǒng)重大專項(31-Y30B09-9001-13/15)共同資助.

2015-11-09收到初稿， 2015-12-29決定采用修改稿.

e-mail: xyzhang2005@hotmail.com

10.11939/jass.2016.03.016

P315.9

A

張小詠, 李慶亭, 高娜. 2016. 基于中分辨率遙感影像的居民區(qū)震害信息提取. 地震學報, 38(3): 486--495. doi:10.11939/jass.2016.03.016.

Zhang X Y, Li Q T, Gao N. 2016. Extraction of seismic damage information of the residential area based on medium-resolution satellite image.ActaSeismologicaSinica, 38(3): 486--495. doi:10.11939/jass.2016.03.016.