基于天地圖的房屋建筑區(qū)數(shù)據(jù)提取方法及應(yīng)用研究

范志偉，溫 超，蔣宏毅，王曉山，楊 凡，2*

（1. 河北省地震局，河北 石家莊 050021；2. 中國(guó)地震局地質(zhì)研究所，北京 100029）

0 引言

房屋建筑區(qū)是居民集中的重要設(shè)施，是人類(lèi)生產(chǎn)、生活、居住、娛樂(lè)的主要活動(dòng)空間和場(chǎng)所，主要包括高層房屋、多層房屋、低矮房屋、廢棄房屋等不同類(lèi)型房屋建筑。因?yàn)榉课萁ㄖ^(qū)人員相對(duì)集中的特點(diǎn)，大范圍高精度的精準(zhǔn)化提取房屋建筑區(qū)，能夠?yàn)檎鸷蟮目焖贀p失評(píng)估和應(yīng)急救援提供數(shù)據(jù)支撐。

數(shù)字地圖數(shù)據(jù)具有覆蓋范圍廣、時(shí)效性強(qiáng)、周期性短等特點(diǎn)。陳一祥等[1]提出了一種利用視覺(jué)顯著性與知覺(jué)組織相結(jié)合的高分辨率遙感影像居民地提取方法；李金香等[2]運(yùn)用灰度共生矩陣、數(shù)學(xué)形態(tài)學(xué)等方法提取新疆新源地區(qū)高分一號(hào)2m 分辨率影像居民地信息，運(yùn)用目視解譯、影像疊加分析、緩沖區(qū)分析等方法，進(jìn)行居民地量化分級(jí)，為地震應(yīng)急準(zhǔn)備提供數(shù)據(jù)支持；王夢(mèng)涵等[3]提出了利用多元信息提取城鎮(zhèn)用地和農(nóng)村居民地的方法；李瑞平等[4]提出一種多光譜和全色數(shù)據(jù)協(xié)同、分特征提?。⊿F）的方法用于提取丘陵地區(qū)居民地；胡斌斌等[5]提出了一種基于地名注記的街區(qū)式居民地邊界提取方法；陸塵等[6]針對(duì)中國(guó)華北平原廣泛分布的街區(qū)式農(nóng)村居民地，提出一種基于監(jiān)督分類(lèi)機(jī)制且僅需單個(gè)人工標(biāo)注樣本的居民地遙感提取方法；劉闖等[7]提出了一種利用城市骨架線網(wǎng)的道路和居民地聯(lián)動(dòng)匹配方法；潘旭冉等[8]提出了一種基于“高分一號(hào)”遙感影像的全卷積網(wǎng)絡(luò)方法，用于居民地的提取，該方法能夠?qū)崿F(xiàn)居民地信息精準(zhǔn)有效提??；為了提高居民地信息提取效率，潘旭冉等[9]提出了結(jié)合高分辨率遙感影像中建筑物紋理方向和角點(diǎn)的方法；張迪等[10]結(jié)合地理國(guó)情普查數(shù)據(jù)，提出了利用平均斑塊面積確定距離閾值的方法獲取農(nóng)村居民地范圍；胡華龍等[11]提出了基于小波紋理和基元合并的居民地提取方法；倪歡等[12]提出了基于直角點(diǎn)統(tǒng)計(jì)特征的高分辨率遙感影像居民地提取方法；高峰等[13]提出了基于分形理論、方向最大方差、和修改方向最小方差的居民地提取方法；在三維建模方面，康承旭等[14]利用SketchUp 建模軟件制作三維專(zhuān)題符號(hào)，結(jié)合ArcGis 軟件對(duì)遙感影像精細(xì)化處理，在二維介質(zhì)上構(gòu)建三維立體模型；于浩等[15]利用監(jiān)督分類(lèi)、面向?qū)ο蟮确椒ńY(jié)合光譜、紋理、幾何特征對(duì)無(wú)人機(jī)影像數(shù)據(jù)開(kāi)展建筑物信息提取測(cè)試，實(shí)現(xiàn)了建筑物自動(dòng)提??；劉龍飛等[16]利用建筑物投影結(jié)合高分?jǐn)?shù)據(jù)和實(shí)測(cè)數(shù)據(jù)，建立了建筑物高度估算模型，該模型具有識(shí)別精度高、普適性強(qiáng)等特點(diǎn)；程紫燕等[17]分析了基于天地圖平臺(tái)與地震應(yīng)急評(píng)估決策系統(tǒng)深度融合的優(yōu)劣勢(shì)；趙曦等[18]研究了天地圖與地震行業(yè)應(yīng)用相結(jié)合的服務(wù)模式和集成方法。

在傳統(tǒng)的房屋建筑區(qū)識(shí)別提取中存在以下不足：（1）受遙感影像分辨率的影響，提取精度不高；（2）建筑物塊體輪廓邊界提取誤差較高、效率低；（3）高清遙感影像下載費(fèi)用較高，解譯過(guò)程繁瑣，不易推廣應(yīng)用；（4）高清遙感影像數(shù)據(jù)量大，大區(qū)域范圍提取房屋建筑區(qū)數(shù)據(jù)時(shí)，對(duì)機(jī)器性能要求較高，不能滿足廣大使用者需求。傳統(tǒng)的房屋建筑區(qū)識(shí)別提取方法，是利用遙感影像數(shù)據(jù)通過(guò)人工判讀選取樣本，運(yùn)用監(jiān)督分類(lèi)的方法提取房屋建筑區(qū)。傳統(tǒng)方法提取精度的高低取決于監(jiān)督分類(lèi)的樣本量，若樣本量涵蓋不同結(jié)構(gòu)類(lèi)型建筑信息較全，則提取精度就高。

本文提出的基于天地圖2D 平面地圖的房屋建筑區(qū)數(shù)據(jù)識(shí)別提取方法，減少了人工判讀的工作量、降低了誤差、提高了數(shù)據(jù)解譯效率。所提取數(shù)據(jù)經(jīng)過(guò)成圖處理后，可為應(yīng)急指揮救援更快速準(zhǔn)確了解震中居民地分布情況，對(duì)震后的快速損失評(píng)估和應(yīng)急指揮決策提供重要參考。

1 數(shù)據(jù)簡(jiǎn)介

天地圖是我國(guó)境內(nèi)基礎(chǔ)地理信息數(shù)據(jù)涵蓋內(nèi)容最豐富、覆蓋范圍最廣的互聯(lián)網(wǎng)地圖服務(wù)網(wǎng)站，是“數(shù)字中國(guó)”的重要組成部分。天地圖的創(chuàng)建目的是為了提高地理信息相關(guān)資源的共享和利用效率，提高基礎(chǔ)地理信息數(shù)據(jù)的公共服務(wù)能力和應(yīng)用水平，是地理信息資源面向公眾服務(wù)的重要方式。

天地圖門(mén)戶網(wǎng)站可為用戶提供基于地理位置的信息瀏覽、查詢、搜索、測(cè)量、路徑分析等功能。天地圖中國(guó)范圍內(nèi)的數(shù)據(jù)資源較為詳細(xì)，數(shù)據(jù)源包括矢量數(shù)據(jù)、遙感影像數(shù)據(jù)。其中，矢量數(shù)據(jù)是天地圖數(shù)據(jù)資源的主體，包括學(xué)校、醫(yī)院、交通、水系、居民地等。

2 研究方法

本文以張家口地區(qū)天地圖數(shù)據(jù)為例（圖1）。

圖1 張家口地區(qū)天地圖數(shù)據(jù)Fig.1 Sky map data for Zhangjiakou area

天地圖數(shù)據(jù)包含地理坐標(biāo)信息和RGB 波段信息的柵格數(shù)據(jù)，柵格數(shù)據(jù)的涵蓋內(nèi)容主要包括：居民地、道路、水系。每個(gè)數(shù)據(jù)要素具有固定波段值，居民地RGB 波段值為（249/250/243），道路RGB 波段值取道路中心線值為（253/254/255），水系RGB 波段值為（171/198/239）。本文的識(shí)別提取目標(biāo)為居民地，在數(shù)據(jù)二次處理重分類(lèi)的過(guò)程中，將居民地設(shè)為1，其它數(shù)據(jù)內(nèi)容設(shè)為2（圖2）。由于柵格數(shù)據(jù)較大，在數(shù)據(jù)處理過(guò)程中可利用Python 代碼進(jìn)行重分類(lèi)處理。代碼如下：

圖2 張家口地區(qū)天地圖柵格數(shù)據(jù)重分類(lèi)結(jié)果Fig.2 Reclassification results of Zhangjiakou area sky map raster data

按照重分類(lèi)方法提取的房屋建筑區(qū)原始數(shù)據(jù)為柵格數(shù)據(jù)，為了后期數(shù)據(jù)處理的便捷性、靈活性，本研究將原始柵格數(shù)據(jù)通過(guò)格式轉(zhuǎn)換的方式轉(zhuǎn)為shp 矢量數(shù)據(jù)，房屋建筑區(qū)共計(jì)提取約46 萬(wàn)條數(shù)據(jù)。其中市區(qū)、縣城、鄉(xiāng)鎮(zhèn)提取的房屋建筑區(qū)數(shù)據(jù)為建筑物單體矢量面，農(nóng)村提取的房屋建筑區(qū)數(shù)據(jù)為房屋建筑區(qū)矢量面。在房屋建筑區(qū)原始柵格數(shù)據(jù)轉(zhuǎn)矢量數(shù)據(jù)過(guò)程中，可利用Python 代碼進(jìn)行快速處理。代碼如下：

3 提取結(jié)果驗(yàn)證與分析

為了驗(yàn)證房屋建筑區(qū)提取數(shù)據(jù)的精準(zhǔn)性，本研究通過(guò)加載在線地圖，隨機(jī)抽樣的方式對(duì)識(shí)別數(shù)據(jù)進(jìn)行驗(yàn)證。隨機(jī)抽樣點(diǎn)綜合考慮自然環(huán)境、人口經(jīng)濟(jì)等多種因素，結(jié)合空間分布均勻性原則，共計(jì)選取8 個(gè)抽樣點(diǎn)（表1）。

表1 抽樣點(diǎn)名稱(chēng)

對(duì)選取的8 個(gè)抽樣點(diǎn)進(jìn)行質(zhì)量和精度分析，市區(qū)、縣城區(qū)和鄉(xiāng)鎮(zhèn)城區(qū)的房屋建筑區(qū)數(shù)據(jù)為建筑物單體輪廓，農(nóng)村的房屋建筑區(qū)數(shù)據(jù)為居民地輪廓數(shù)據(jù)（圖3）。與天地圖遙感影像數(shù)據(jù)疊加對(duì)比分析，市區(qū)、縣城區(qū)、鄉(xiāng)鎮(zhèn)城區(qū)及農(nóng)村房屋建筑區(qū)數(shù)據(jù)的幾何形狀和分布特征與遙感影像數(shù)據(jù)吻合度較高。

圖3 抽樣點(diǎn)分布及對(duì)比圖Fig.3 Distribution of sampling points and comparison chart

該數(shù)據(jù)的識(shí)別提取能夠滿足震后應(yīng)急需求，提高地震應(yīng)急快速損失評(píng)估的計(jì)算精度，為震后應(yīng)急精準(zhǔn)化救援指揮提供數(shù)據(jù)支撐和科學(xué)依據(jù)。

4 數(shù)據(jù)應(yīng)用實(shí)例

高精度房屋建筑區(qū)數(shù)據(jù)的識(shí)別提取，為城市三維建模提供數(shù)據(jù)支撐。與高清分辨率遙感影像數(shù)據(jù)疊加分析，實(shí)現(xiàn)城市三維場(chǎng)景的真實(shí)再現(xiàn)，為指揮者和救援人員提供第一手的震區(qū)基本資料，方便了解現(xiàn)場(chǎng)居民地的分布情況、交通情況、斷裂分布等。為今后開(kāi)展震后地質(zhì)災(zāi)害調(diào)查、建筑物損壞等工作奠定基礎(chǔ)。本文數(shù)據(jù)應(yīng)用以山區(qū)居民地為例（圖4）。

圖4 房屋建筑區(qū)數(shù)據(jù)在三維建模中應(yīng)用Fig.4 House building area data applied in 3D modeling

在天地圖房屋建筑區(qū)數(shù)據(jù)識(shí)別提取的基礎(chǔ)上，將房屋建筑區(qū)內(nèi)建筑物塊體的平均高度、建筑物結(jié)構(gòu)類(lèi)型、功能用途等信息對(duì)房屋建筑區(qū)三維場(chǎng)景建模的樣例測(cè)試數(shù)據(jù)進(jìn)行更新。在圖4 的三維場(chǎng)景中，黃色線條為公路，紅色線條為斷裂，居民地內(nèi)不同顏色房屋建筑區(qū)代表不同的建筑物結(jié)構(gòu)類(lèi)型。

在地震發(fā)生后，通過(guò)該數(shù)據(jù)應(yīng)用模型方便指揮者快速了解震中居民地、斷裂、交通、學(xué)校、醫(yī)院、水庫(kù)、大型化工廠、火電站等要素的分布狀況。如：針對(duì)有滑坡地質(zhì)災(zāi)害點(diǎn)的影像進(jìn)行三維建模，判斷是否在后期的余震影響下對(duì)交通及周邊居民地造成二次破壞，可為救援人員提供救援路途中可能會(huì)遇到的次生地質(zhì)災(zāi)害、提醒過(guò)往車(chē)輛需要緊急避讓區(qū)域以及交通管制區(qū)，為減少人員傷亡提供最大限度的技術(shù)支持。通過(guò)對(duì)滑坡災(zāi)害點(diǎn)的解譯計(jì)算，可以快速評(píng)估當(dāng)前滑坡量及清理所需的車(chē)輛和工程耗時(shí)；加載地震滑坡風(fēng)險(xiǎn)性預(yù)評(píng)估的數(shù)據(jù)，通過(guò)地理空間分析功能，疊加交通、水庫(kù)、湖泊等數(shù)據(jù)，可為指揮者提供交通管制區(qū)域及堰塞湖和堰塞塘的隱患排查區(qū)域，減少地震后的次生災(zāi)害帶來(lái)的人員傷亡和經(jīng)濟(jì)損失。

5 結(jié)論

在房屋建筑區(qū)數(shù)據(jù)提取的過(guò)程中，借鑒了監(jiān)督分類(lèi)的思路和理念，通過(guò)重分類(lèi)的方法，實(shí)現(xiàn)了對(duì)天地圖含有RGB 波段信息的柵格數(shù)據(jù)進(jìn)行識(shí)別提取，以滿足在地震應(yīng)急快速損失評(píng)估和應(yīng)急救援指揮中的應(yīng)用研究。將關(guān)于天地圖房屋建筑區(qū)提取結(jié)果應(yīng)用與地震應(yīng)急救援工作相結(jié)合，以三維建模展示的方式，為應(yīng)急指揮者快速了解震中區(qū)域的地形地貌、居民地分布情況、交通、斷裂分布情況及潛在地質(zhì)災(zāi)害隱患點(diǎn)提供直觀的數(shù)據(jù)支撐，為應(yīng)急救援決策的制定提供直觀的可視化平臺(tái)和科學(xué)技術(shù)支撐。