GNSS/高分影像结合的复杂地形城市居住区灾情制图

李百寿，崔巍巍，陈婷，高玉久，贠倩，康弋，杨钊，卢相君

(桂林理工大学a.广西空间信息与测绘重点实验室;b.测绘地理信息学院，广西桂林541004)

0 引言

近些年随着我国城市规模不断扩大，对建筑物测量任务不断提出了新的要求，并且居住区灾情信息的快速获取对山区城市灾后救援补偿重建具有重要意义。目前最新的空间信息技术正逐渐运用于城市居住区灾害调查中，如滑坡遥感研究[1]与汶川、玉树地震遥感应急调查研究[2－3]。提高遥感图像的快速处理水平是其中的核心问题[4]，建立空－地结合的灾情快速评估技术[5]、探索作业效率和影响因素方案对提高灾害数据生产效率会产生重大的影响。

地面灾情调查与定位是完成灾损制图的基础，在灾损制图中起到了主导作用。世界主要发达国家均在开展卫星导航系统方面的研究，并在卫星导航系统领域存在广泛的竞争[6]，如美国的GPS、俄罗斯GLONASS、欧盟的Galileo系统及我国的“北斗二代”卫星导航系统的建设。卫星导航系统的发展在一定程度上提高了RTK的测量精度与测量效率，目前已发展出了一些新型的对地导航定位方法并将各种手段综合运用。为了提高灾损信息获取的精度，进一步解决单一星座卫星信号观测质量的问题，一些学者研究了灾害监测中将建立的GPS、GLONASS和Galileo系统集成到天线阵列接收机中，与无线传感器网络集成，实现数据传输的自动化[7]，发展了集成GPS、GLONASS、Compass、Galileo等多星座卫星信号观测的民用全球导航卫星系统计划(Global Navigation Satellite System)，简称为GNSS系统。该系统的最大特点是增加了观测时段内可用卫星信号数量，在采用差分动态测量技术提高观测效率的同时消除多种电离层干扰误差和公共误差项进而提升系统观测精度。GNSS导航定位系统可扩充性强，提供卫星的信号种类众多，为保障地球上一些地形盲区的顺利观测[8]提供了有利条件。在上述方法中，结合高精度几何定位技术是其中的重要途径之一。无论是GNSS/RTK还是高精度的多参考站GNSS[7]均具有连续精确的定位特点，可以为灾后重建提供较为精确的定位技术手段。

我国西南多数城市地形复杂，地势较高，居住区安置在山坡上的较多，交通条件也十分不便，城市居住区直接面临灾害威胁与救援困难等核心问题。滑坡、泥石流、崩塌等地质灾害点发育分散、地形复杂致使有效卫星信号减少是快速开展卫星空中灾损制图和灾情调查的瓶颈因素，改善观测几何精度因子，克服或减弱不利因素影响是其中的关键问题。本文从勘测区建筑物的高分影像损毁特征出发，提出一种适合复杂地形环境的GNSS与高分遥感结合的灾情信息获取技术，如图1所示。主要技术思路如下:充分利用GNSS/RTK观测载波相位动态差分信号，通过实时计算定位结果减少冗余观测量，缩短观测周期，实现厘米级的定位精度。采用高分影像和GNSS/RTK观测典型地物特征附近的控制点，对控制点进行优选，利用优化后的控制点对多时相灾情影像进行几何精校正，结合高分影像解译完成承灾体灾损制图。

图1 GNSS/RTK、高分影像结合的灾情制图方案Fig.1 Disaster cartographic operation scheme based on GNSS/RTK and high images

1 GNSS灾情观测

图2 研究区复杂地形特点及GNSS现场观测Fig.2 Characteristics of complex terrain in the study area and field observation of GNSS

选择踏勘区且滑坡数量众多、地形变化复杂的典型地质灾害城市——广西梧州市作为研究区(图2)。该市地处珠江流域中游，位于桂江、浔江汇合处，城市内部的冲沟较多且冲内泥土松软。本研究采用南方测绘S86 GNSS双频接收机，该接收机可以接收GPS与GLONASS卫星信号。利用1∶5万地形图及高分卫星影像在重灾区内选择待观测点，架设观测基准站。由于研究区内地形起伏显著，基站架设于观测范围内的开阔的山坡上，在保障流动站测量精度的情况下，基准站与流动站之间的有效距离在5 km范围内[9]，流动站可以很好地接收到基准站的广播信号，基准站实现了整周模糊度的搜索，通过数据链将其观测的星历数据传送给流动站实现从浮动解到固定解的自动转换。在充分考虑测区的交通、供电、气象及通讯等条件后确定测量的顺序，在架站以前寻找到适合的位置，用毛笔作标记。待初始化成功后，依次将流动站置于检定场内其他各点进行RTK测量数据采集，在每个点上输入正确的天线高，每个点上记录不少于5个测量结果。

利用卫星信号精度指标PDOP衡量观测数据的有效性，当该值小于4时，绘制观测点草图，记录点位坐标。在无固定解地方采用皮尺辅助GNSS观测，利用前方交会、垂直外伸法获得灾损区域坐标。采用垂直外伸法测定的结果相对于邻近已知点的误差完全可以满足地形图测绘和地籍测量中测定界址点坐标邻近已知点的误差应该小于5 cm[10]的要求。

对梧州灾损建筑物和地物特征点进行观测，获得115个GNSS控制点，控制点位于冰泉冲、石鼓冲等灾害重灾区内，制作成GNSS/RTK的H方向观测误差分布图(图3)，观测点位于主要居民区内，将误差按水平H和垂直V排列，获得误差的空间分布图，叠加地势信息。图4为剔出了部分离群点后的观测误差曲线，该数据包含了x、y、z坐标和H/V的误差描述。

观测数据分析:该图显示GNSS观测路线与灾损建筑物的空间关系。观测点多分布于山冲内或山冲边缘的灾损建筑物附近。在灾损重灾区附近，观测点较密集，如穿过冰泉东冲与冰泉西冲白云路上的灾情观测点。水平误差初析:白云路观测时段误差值在5～7 mm，平民冲破坏建筑物3 mm，石鼓冲9～24 mm，冰泉冲北部居民区8～85 mm。图3显示水平向H和垂直向V误差及卫星分布的几何结构指标PDOP间的关系，其中PDOP指标综合反映了水平向和垂直向的灾害点位置精度。此外，观测与制图结果受观测时段、天气、电磁干扰的影响，同时也受测区地形遮蔽的影响。

图3 研究区灾损建筑物GNSS控制点水平向误差Fig.3 Horizontal error from the damage building GNSS control point observation

图4 数据采集点误差及PDOP分析Fig.4 Analysis of data acquisition points accuracy and PDOP

2 居住区建筑物灾情制图

2.1 影像校正

本文灾情制图遥感数据采用2005年11月和2006年10月成像的梧州市灾害前后1 m分辨率的真彩色合成影像。GNSS选择WGS84坐标系，UTM投影，中央子午线111°，投影比例尺0.999 6。基于GNSS观测数据，采用多项式方法对灾前和灾后卫星影像进行精校正。考虑到梧州地形多变的特点，由于灾害前高分影像具有1 m级分辨率，研究区数据量大于1 G，为了降低影像精校正误差，对构成研究区9幅影像进行分幅校正镶嵌。利用已有地形资料，在灾后影像道路拐点和房屋角点，每幅图像选择20个左右的控制点，结合GNSS控制点坐标对高分影像进行校正，保证校正精度在0.1个像元精度范围内。同时对灾害前后影像进行配准，可以获得较好的配准精度。灾后其中一幅三波段影像大小4 000×3 147，实际地球空间覆盖区面积12.4 km2，计算机占用容量47.58～56.89 MB，高分影像平均几何校正时间6.28 h。

2.2 灾情判读

对研究区影像掩膜裁剪，以建筑物的形状特征和光谱特征为基础，通过人机交互方式提取建筑物及滑坡破坏地表信息。2006年6月8日梧州市地质灾害强度达到了峰值，倒塌房屋4 467户共14 978间，其中市区238处，傍山、冰泉冲、平民冲、石鼓冲、金鸡冲等居民区的规模较大[11]。

目视解译的研究区灾损建筑物近100处，山体滑坡、崩塌、泥石流等灾害频发地段建筑物损失严重，位于山冲中建筑物影像特征变化显著:每处遭受破坏损失的建筑物功能、结构类型、破损程度不同。如寺庙前部和主体的影像存在破坏痕迹明显，大殿前部的建筑结构被摧毁(图5e、5f)。区域上分散的单个建筑物受到破坏及工厂类大型建筑结构损毁。植被破坏显著，植物附近的道路段裸露，大块植被与裸地信息变化在多时相遥感影像中表现明显。山体土壤和植被的运动直接破坏了附近的建筑物，一部分山体植被和土壤滑落在建筑物屋顶上，多数山体松散土滑落到建筑物旁导致建筑物不同程度的损坏。

为了验证本文解译结果，对严重地质灾害爆发区——平民冲、金鸡冲、石鼓冲、冰泉冲的地质灾损情况进行了实地调查，发现了灾损建筑物存在的现场特征。建立的解译标志通过典型建筑物来对其他周边建筑物进行判断。金鸡冲、意园冲建筑物上仍残留泥石流破坏的信息，泥石流破坏影像显著。此外还可识别数目相对少的崩塌的影像特征。值得一提的是，一些建筑物侧面损毁情况在实地调查中发现而影像中未发现，因而一些在高分影像无法识别的建筑物裂缝特征，需要在实地调查中发现。

2.3 建筑物灾情制图

通过上述工作获得2006年梧州降雨型滑坡实际灾情分布图(图6)，滑坡损毁严重建筑物和滑坡区得到非常直观的显示。研究中发现，高分影像上建筑物具有显著的灾损特征，建筑物多集中于滑坡体和滑坡前缘。点状分布图中一个点代表一个区域的灾害发生点，主要体现灾害发生点附近会形成房屋损毁，共发生70处，影像解译滑坡99处。损毁建筑物与滑坡有着密切的共生关系。

图5 高分影像上灾损建筑物灾变前后特征Fig.5 Building features in pre-disaster(left)and post-disaster(right)from high-resolution images

图6 广西梧州2006年特大地质灾害灾损分布图Fig.6 Loss distribution of catastrophic geological disasters of Wuzhou in 2006

3 GNSS灾情制图影响因素及效率分析

3.1 灾情观测影响因素

观测时刻和天气会对观测数据精度产生影响，具体表现为，与晴天对比，阴雨天观测精度降低。尽管如此，对不同日期、不同时刻同一灾害点进行了数据重复性检测，发现了不同时段观测数据的稳定性良好。如本文在城郊观测时，突然降雨，很多地方得不到固定解，观测效率降低。将GNSS装置移动到重灾区石鼓冲观测时，刚刚下完雨，乌云还未散去，虽然流动站能够初始化，但获得固定解较为困难，采集到的浮动解由于精度不高需要剔除掉。研究过程中发现多云天气以云层稀薄为好。中午电离层扰动大，可用的卫星数目偏少导致初始化的时间较长甚至不能初始化，RTK观测很难得到固定解，观测效率降低。测站上开始接受卫星信号到停止接收，连续观测的时间间隔称为观测时段，简称时段[12]。本文在2013－04－23T09:00—11:30，15:30—18:00;2013－04－24T09:00—11:00，15:00—18:00 4个时段完成了控制点的观测记录。因此，作业时间受限制可由选择作业时间来解决。现场观测中发现，研究区最好的时段在11:00之前和下午15:00之后，GNSS观测效率较高。

观测对卫星数量要求5颗以上，在山顶等地形通透的环境下能够稳定接收到9颗卫星信号，如梧州重灾区傍山顶。把基准站布设在测区中央的最高点上，以降低作业时段的基准站PDOP数值的影响，改善卫星几何分布精度。基准站位置均为开阔点，故测量时初始化很快，观测没有因为基准站的架设位置不当而造成影响。遮蔽度高的地方往往不能获得固定解，该种情况适合采用距离交会法求解遮蔽点的坐标。研究区建筑物点测量相对集中在半山坡上，建筑物分布集中，互相掩叠现象严重且多为6层，楼层较高、观测难度较大;城郊的建筑物较为分散，多为3层，楼层较低，容易测量，降低屏蔽物截止高度角的影响可以提高观测的精度和效率。

3.2 GNSS观测效率分析

在山地地形环境下克服或避开上述影响因素，可实现快速作业。实践中发现，控制PDOP＜6，水平和垂直精度在10－2～10－1m，灾情点的精度与以上讨论的观测影响因素有关。现场观测数据统计显示，每天工作时长控制在上午2～2.5 h、下午3 h，GNSS观测仅需1～2人便可完成操作。采集数据效率与观测人员对观测流程的熟习程度相关，随着熟习程度的提高，观测效率由0.14个/min提高到0.18个/min(图7)。测量第2天下午由于下雨对测量造成影响，故效率增幅相对小一些。RTK技术受通视条件、能见度、气候、季节等因素的影响和限制较小，本文的研究印证了这一点，但同时需要克服观测时段、天气和遮蔽的影响。因此建议综合交通、地形等多种因素以提高观测效率，保障观测精度，在较好的天气下设计最佳的测区观测时段。测量时按照设计观测顺序逐个测量，不能舍近求远，在空间上将测区编号。对多同一灾情点进行补测、重测，依据采集数据整体特征剔除离群点并考虑粗值数据剔除是否合理。

图7 GNSS灾情观测效率的进度曲线Fig.7 Progress curve of disaster observation efficiency by GNSS

4 结论

高分遥感影像直观地记录了灾害导致的灾损特征，多时相遥感对比可以发现建筑物轮廓及内部特征变化进而完成灾损制图。值得一提的是，一些在高分影像中无法识别，但已导致承载体构筑物破坏、裂缝发育的建筑物侧面特征需要在实地调查中发现。GNSS与高分影像结合需要充分考虑天气、时间、遮蔽度等因素的影响，减少观测冗余量，提高观测效率。研究中发现，遮蔽度会对观测精度发生直接影响，如研究区冰泉冲小区的楼房比较密集，而龙泉飞瀑景点附近城郊居住区的树林密集，所以卫星信号被阻挡屏蔽的机会较多，卫星空间结构差、信号强度弱，容易造成信号失锁，需要重新初始化。将GNSS和高分影像技术运用于灾害现场勘查，可以降低灾害制图成本，更快速、精确地提供三维灾情信息。将最新对地定位和观测理论技术方法应用于灾害信息获取研究，拓宽了现代地球空间技术的应用领域，本文的研究结果为分析灾害承灾体的图像特征变化与空间分布定位、绘制历史灾情分布图提供了一种有效参考。

[1]王治华.滑坡遥感[M].北京:科学出版社，2012.

[2]王治华，徐起德，徐斌，等.5.12汶川地震航空遥感应急调查[J].中国科学E辑:技术科学，2009，39(7):1304－1311.

[3]王丽涛，王世新，周艺，等.青海玉树地震灾情遥感应急监测分析[J].遥感学报，2010，14(5):1053－1066.

[4]李德仁，陈晓玲，蔡晓斌.空间信息技术用于汶川地震救灾[J].遥感学报，2008，12(6):841－851.

[5]刘经南.GNSS连续运行参考站网的下一代发展方向——地基地球空间信息智能传感网络[J].武汉大学学报:信息科学版，2011，36(3):253－256.

[6]曹冲.全球导航卫星系统(GNSS)竞争格局和发展趋势研究[J].全球定位系统，2006(3):1－3.

[7]邹进贵，邱卫宁，徐亚明，等.GNSS天线阵列接收机与无线传感器网络在灾害监测中的集成方法研究[J].测绘通报，2010(2):11－13.

[8]曲亚男，房元勋，李娟.GNSS技术及其发展趋势[J].山东省农业管理干部学院学报，2010，27(5):156－157，159.

[9]吉长东，乔仰文，王国清.复杂条件下提高RTK观测高程精度的研究与分析[J].测绘通报，2005(9):16－17.

[10]郭英起，伊晓东，李本新.利用GPS RTK测定建筑物墙角点方法研究[J].测绘工程，2008，17(2):48－50.

[11]梧州市地方志编纂委员会.梧州综合年鉴(2005—2006)[M].南宁:广西人民出版社，2007.

[12]GB/T 18314—2001，全球定位系统(GPS)测量规范[S].