基于线密度的分地震烈度区灾前农房总量快速估算方法

和海霞　刘明　李素菊　汤童　黄河

摘要：针对传统的农房总量统计不满足灾害范围空间随机分布、自动分类识别算法业务性不强等引起的精度受限和效率低下的问题，以新疆于田地震为例，结合于田县绿洲区农房大多沿路分布、密度大等特点，采用线密度方法，分地震烈度区开展农房总量评估。结果表明，线密度方法在同一区域下用时为点标绘法的1/5，精度是点标绘法的94%，能够满足减灾业务的需求。

关键词：线密度；农房总量；地震烈度；快速估算；预评估

中图分类号：P315.9 文献标识码：A 文章编号：1000-0666（2016）02-0316-05

0 引言

灾前农房总量是灾害发生初期信息不完备情况下农房倒损预评估的重要输入参量。灾前农房总量耦合房屋破坏损失比（王景来，宋志峰，2001）是农房倒损数量估算的常用方法。高精度快速估算灾前农房总量是提高农房倒损预评估精度和效率的重要前提，对科学制定救援计划、合理配置救援物资、提高灾害救助水平具有深远意义。

目前，农房总量采用入户调查、抽样统计、统计报表等方法统计，或基于统计年鉴中人口数和户数采用各地区人均、户均房屋建筑面积经验值推算农房总量（周光全等，2010）。这些方法初步解决了灾前农房总量估算的问题，但是与减灾救灾日益增强的时效和精度要求还存在一定的差距，主要表现在以下3个方面：一是传统农房统计方法多以行政单元为基本单位，未完全实现农房数量分布网格化，不能满足由农房空间分布异质性明显、灾害范围空间分布随机和灾害相关统计单元（如地震烈度）形状特征不规则引起的自由分幅区内农房总量快速估算；二是面划法和点标绘法农房遥感目视识别方法，该方法精度高，但时效性难以满足要求；三是计算机分类识别算法，该方法根据纹理、几何、光谱特征进行分类（吴炜等，2012），自动化程度高（徐昌荣，葛山运，2011；李海月等，2007；苏俊英等，2004），但多适用于小区域影像，且需大量时间修正因异物同谱造成的误判信息，时间效率较低。因此，如何充分分析农房特点和影像特征，顾及灾害范围随机分布，发展一种高效、高精度、满足减灾需求的总量估算方法迫在眉睫。

本文基于高空间分辨率遥感数据，在分析农房典型类型、光谱响应和影像特征基础上，依据新疆维吾尔自治区和田地区于田县绿洲区农房沿路分布、密度大等分布特征，采用线密度的方法开展于田地震灾区农房总量快速估算，并利用点标绘法对提取结果进行真实性检验和精度评价。

1 研究区概况与数据源

2014年2月12日17时19分，新疆维吾尔自治区和田地区于田县发生M_S7.3地震，震源深度12km，震中位于36.1°N-82.5°E，震中区最高烈度为Ⅸ度。鉴于Ⅷ度及Ⅸ度区分布在高山无人区，本文以Ⅶ度区为例开展农房总量估算。Ⅶ度区西南起自策勒县奴尔乡，东北至民丰县叶亦克乡，面积约23000km²（图1）。研究区地处塔里木盆地南缘，昆仑山脉北麓，为典型的绿洲一荒漠交错地区。

本文选择WorldView-2全色与多光谱融合产品开展农房总量提取。WorldView-2幅宽为16.4km，全色波段范围为O.45～0.8μm，空间分辨率为0.5m；多光谱波段由8个波段（0.45～0.51μm、0.51～0.58μm、0.63～0.69μm、0.77～0.895μm、0.585～0.625μm、0.4～0.45μm、0.705～0.745μm、0.86～1.04μm）组成，空间分辨率为1.8m。

2 研究方法

2.1 农房结构特征分析

常年的烈日、风沙和浮尘，使于田县民居多顺应自然，形成封闭型、内庭式的平面布局，以阿以旺民居为主，平面组合形式主要有中厅式和排列式两种。于田县民居通常没有中轴线及对称的要求，也无上、下厢房、正屋侧厢之分，房间的组织与排列十分自由，各组房间都以阿以旺中厅或户外活动场所为中心，可以向外任意扩展延伸（潘晶，2010），在遥感影像上具有明显的几何和光谱特征（表1）。

2.2 农房空间分布特征分析

农房空间分布特征主要指空间分布格局、空间邻接特征和分布类型（角媛梅等，2003）。由于地理环境、气候特征、生活习惯等差异，不同地区的农房具有明显的区域分布特征。笔者结合Worldview高分辨率卫星影像和农房结构特征，分析于田县农房分布影像特征如下：

（1）农房聚集程度较高、分布整齐、大多沿道路两侧连续分布，围合成四边形，四边形内规则分布农田；少量呈星点状随机分布（图2a）。

（2）农房在影像上表现为规则的多边形，形状简单。农房结构、面积、规模因资源条件、经济水平、生活方式等差异不完全一致。

（3）具有明显的空间邻接特征，部分农房前后存在空地。两户之间部分通过绿化树木隔开，部分直接相连（图2b）。

（4）农房与裸地具有相似的色调，但纹理特征存在显著差异。裸地纹理特征统一，农房具有明显的边缘特征。

2.3 线密度计算

于田县农房具有较为固定的结构特征，解译标志明显，多沿道路两侧密集连续分布，因此，可利用线标绘技术开展农房总量估算。线密度定义为某条线上的自然户密度，采用线单位长度内的自然户数量来衡量。

（1）线标绘

在农房典型分布区中随机选择样本区开展线标绘。通过目视观察，确定线标绘规则如下：

①为了保持密度相对均一，起点为屋边空地，终点为农房边界。

②十字路口农房避免重复标绘。

③为保证线密度均匀，在标绘星点状分布单栋农房时，线长度约为农房宽度的1.2倍。

（2）线密度

在烈度区内选择典型样本区，采用点标绘法得到样本区内自然户总数，采用线标绘法开展长度量算，如图3所示。构建线密度公式如下：

（1）其中，L_d为线密度，单位户/m，m为样本区内的线数量，h_n为样本区内第n条线上的农房户数，l_n为样本区内第n条线的长度，n为线编码。样本区内线数量为53条，线长度为3449m，采用点标绘法得到的自然户数为186户，线密度L_d为0.0539户/m。

2.4 不同地震烈度区农房数量统计

地震烈度是评价地震所造成影响大小或强弱的标度，地震烈度的评定需综合地表震动观测、遥感解译、现场调查等确定（张建国，2014）。不同烈度区内农房的破坏程度具有较大的差别。因此，在灾情预评估中需要分地震烈度区统计农房户数、间数、总面积等。

（1）农房户数

（2）其中，H_i为第i地震烈度区内的农房户数，l_n为第i地震烈度区内第n条线的长度，L_d为线密度。Ⅶ度烈度区线标绘1195条，总长度为113448m，自然户数量为6115户。

（2）计算农房间数和总面积

农房间数和总面积是农房倒损评估的评价单元。结合统计数据，构建公式如下：

（3）其中，H_i为第i地震烈度区内的农房户数，R_i为第i地震烈度区内的总农房间数，H_i为统计数据中农房总户数，R_s为统计数据中农房总间数。

（4）其中，A_i为第i地震烈度区内的农房总面积，R_i为第i地震烈度区内的总农房间数，A_s为统计数据中农房总面积，R_s为统计数据中农房总间数。据第六次人口普查数据，新疆于田县自然户为5695户，农房间数为16446间，面积为370763m²（10%抽样），据此得到于田县平均每户农房间数为2.89间、每间22.5m²。则估算新疆和田地区于田县“2·12”7.3级地震Ⅶ度烈度区内农房总量为6115户，1.767万间，39.76万m²。

3 结果分析

3.1 结果验证

为开展线密度法效率和精度验证，随机选取另一典型样本区域，分别采用点标绘法和线密度法开展总量估算（图4）。采用目视解译点标绘法计算得到自然户数为252户，用时25min；线标绘长度为4417m，用线密度法计算得到的自然户数为238户，用时5min，精度为点标绘法的94%。

3.2 误差来源分析

线密度法误差主要来源如下：

（1）解译误判引起的主观误差。强度高的地震影响范围广，例如汶川地震涉及四川、甘肃等10个省（市）、417个县（民政部国家减灾中心，2012），需要多人协同。但是人与人之间由于专业背景、业务经验等差异造成对认知解译标志存在差异，有可能造成误判，如将公共设施用房、牲畜房舍误判为农房。在实际业务中，需针对不同类型的农房选取不同位置、不同结构、不同形状等建立多个解译标志，并详细描述，以避免由误判造成的主观误差。

（2）农房空间分布异质性引起的客观误差。该地区农房具有相对规则的分布，但是由于历史原因、经济水平等造成农房密度不均一以及不同位置的线密度存在差异，因此采取统一的线密度必然带来误差，需针对不同的区域加入不同的调整系数。

4 结论

本文针对传统的农房总量统计不满足灾害范围空间随机分布、自动分类识别算法业务性不强等引起精度受限和效率低下的问题，提出基于线密度的农房总量快速估算方法。实践应用表明，建立统一的技术标准和操作规范有利于多人协同开展工作，能显著提高时效性和精度。

（1）针对于田绿洲农房呈线状分布特点，提出了基于线密度的不同地震烈度区农房快速估算方法。应用表明，本方法能显著提高农房总量估算效率，耗时仅为点标绘法的1/5；精度为点标绘法的94%，能满足减灾需求。

（2）线密度计算和线标绘是农房总量估算的核心关键技术。在多主体线标绘之前，需建立相对统一的标绘标准以减少主观误判，并利用现场调查对线密度计算结果进行真实性检验。

今后工作将重点研究如何在面向对象分类基础上，耦合路网自动双侧标绘技术，开展线自动识别，以提高效率，满足在灾害发生6小时内快速实现灾害影响区农房总量估算的减灾需求。