和海霞　劉明　李素菊　湯童　黃河

摘要：針對傳統(tǒng)的農(nóng)房總量統(tǒng)計不滿足災害范圍空間隨機分布、自動分類識別算法業(yè)務性不強等引起的精度受限和效率低下的問題，以新疆于田地震為例，結(jié)合于田縣綠洲區(qū)農(nóng)房大多沿路分布、密度大等特點，采用線密度方法，分地震烈度區(qū)開展農(nóng)房總量評估。結(jié)果表明，線密度方法在同一區(qū)域下用時為點標繪法的1/5，精度是點標繪法的94%，能夠滿足減災業(yè)務的需求。

關(guān)鍵詞：線密度；農(nóng)房總量；地震烈度；快速估算；預評估

中圖分類號：P315.9 文獻標識碼：A 文章編號：1000-0666（2016）02-0316-05

0 引言

災前農(nóng)房總量是災害發(fā)生初期信息不完備情況下農(nóng)房倒損預評估的重要輸入?yún)⒘俊那稗r(nóng)房總量耦合房屋破壞損失比（王景來，宋志峰，2001）是農(nóng)房倒損數(shù)量估算的常用方法。高精度快速估算災前農(nóng)房總量是提高農(nóng)房倒損預評估精度和效率的重要前提，對科學制定救援計劃、合理配置救援物資、提高災害救助水平具有深遠意義。

目前，農(nóng)房總量采用入戶調(diào)查、抽樣統(tǒng)計、統(tǒng)計報表等方法統(tǒng)計，或基于統(tǒng)計年鑒中人口數(shù)和戶數(shù)采用各地區(qū)人均、戶均房屋建筑面積經(jīng)驗值推算農(nóng)房總量（周光全等，2010）。這些方法初步解決了災前農(nóng)房總量估算的問題，但是與減災救災日益增強的時效和精度要求還存在一定的差距，主要表現(xiàn)在以下3個方面：一是傳統(tǒng)農(nóng)房統(tǒng)計方法多以行政單元為基本單位，未完全實現(xiàn)農(nóng)房數(shù)量分布網(wǎng)格化，不能滿足由農(nóng)房空間分布異質(zhì)性明顯、災害范圍空間分布隨機和災害相關(guān)統(tǒng)計單元（如地震烈度）形狀特征不規(guī)則引起的自由分幅區(qū)內(nèi)農(nóng)房總量快速估算；二是面劃法和點標繪法農(nóng)房遙感目視識別方法，該方法精度高，但時效性難以滿足要求；三是計算機分類識別算法，該方法根據(jù)紋理、幾何、光譜特征進行分類（吳煒等，2012），自動化程度高（徐昌榮，葛山運，2011；李海月等，2007；蘇俊英等，2004），但多適用于小區(qū)域影像，且需大量時間修正因異物同譜造成的誤判信息，時間效率較低。因此，如何充分分析農(nóng)房特點和影像特征，顧及災害范圍隨機分布，發(fā)展一種高效、高精度、滿足減災需求的總量估算方法迫在眉睫。

本文基于高空間分辨率遙感數(shù)據(jù)，在分析農(nóng)房典型類型、光譜響應和影像特征基礎上，依據(jù)新疆維吾爾自治區(qū)和田地區(qū)于田縣綠洲區(qū)農(nóng)房沿路分布、密度大等分布特征，采用線密度的方法開展于田地震災區(qū)農(nóng)房總量快速估算，并利用點標繪法對提取結(jié)果進行真實性檢驗和精度評價。

1 研究區(qū)概況與數(shù)據(jù)源

2014年2月12日17時19分，新疆維吾爾自治區(qū)和田地區(qū)于田縣發(fā)生M_S7.3地震，震源深度12km，震中位于36.1°N-82.5°E，震中區(qū)最高烈度為Ⅸ度。鑒于Ⅷ度及Ⅸ度區(qū)分布在高山無人區(qū)，本文以Ⅶ度區(qū)為例開展農(nóng)房總量估算。Ⅶ度區(qū)西南起自策勒縣奴爾鄉(xiāng)，東北至民豐縣葉亦克鄉(xiāng)，面積約23000km²（圖1）。研究區(qū)地處塔里木盆地南緣，昆侖山脈北麓，為典型的綠洲一荒漠交錯地區(qū)。

本文選擇WorldView-2全色與多光譜融合產(chǎn)品開展農(nóng)房總量提取。WorldView-2幅寬為16.4km，全色波段范圍為O.45～0.8μm，空間分辨率為0.5m；多光譜波段由8個波段（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）組成，空間分辨率為1.8m。

2 研究方法

2.1 農(nóng)房結(jié)構(gòu)特征分析

常年的烈日、風沙和浮塵，使于田縣民居多順應自然，形成封閉型、內(nèi)庭式的平面布局，以阿以旺民居為主，平面組合形式主要有中廳式和排列式兩種。于田縣民居通常沒有中軸線及對稱的要求，也無上、下廂房、正屋側(cè)廂之分，房間的組織與排列十分自由，各組房間都以阿以旺中廳或戶外活動場所為中心，可以向外任意擴展延伸（潘晶，2010），在遙感影像上具有明顯的幾何和光譜特征（表1）。

2.2 農(nóng)房空間分布特征分析

農(nóng)房空間分布特征主要指空間分布格局、空間鄰接特征和分布類型（角媛梅等，2003）。由于地理環(huán)境、氣候特征、生活習慣等差異，不同地區(qū)的農(nóng)房具有明顯的區(qū)域分布特征。筆者結(jié)合Worldview高分辨率衛(wèi)星影像和農(nóng)房結(jié)構(gòu)特征，分析于田縣農(nóng)房分布影像特征如下：

（1）農(nóng)房聚集程度較高、分布整齊、大多沿道路兩側(cè)連續(xù)分布，圍合成四邊形，四邊形內(nèi)規(guī)則分布農(nóng)田；少量呈星點狀隨機分布（圖2a）。

（2）農(nóng)房在影像上表現(xiàn)為規(guī)則的多邊形，形狀簡單。農(nóng)房結(jié)構(gòu)、面積、規(guī)模因資源條件、經(jīng)濟水平、生活方式等差異不完全一致。

（3）具有明顯的空間鄰接特征，部分農(nóng)房前后存在空地。兩戶之間部分通過綠化樹木隔開，部分直接相連（圖2b）。

（4）農(nóng)房與裸地具有相似的色調(diào)，但紋理特征存在顯著差異。裸地紋理特征統(tǒng)一，農(nóng)房具有明顯的邊緣特征。

2.3 線密度計算

于田縣農(nóng)房具有較為固定的結(jié)構(gòu)特征，解譯標志明顯，多沿道路兩側(cè)密集連續(xù)分布，因此，可利用線標繪技術(shù)開展農(nóng)房總量估算。線密度定義為某條線上的自然戶密度，采用線單位長度內(nèi)的自然戶數(shù)量來衡量。

（1）線標繪

在農(nóng)房典型分布區(qū)中隨機選擇樣本區(qū)開展線標繪。通過目視觀察，確定線標繪規(guī)則如下：

①為了保持密度相對均一，起點為屋邊空地，終點為農(nóng)房邊界。

②十字路口農(nóng)房避免重復標繪。

③為保證線密度均勻，在標繪星點狀分布單棟農(nóng)房時，線長度約為農(nóng)房寬度的1.2倍。

（2）線密度

在烈度區(qū)內(nèi)選擇典型樣本區(qū)，采用點標繪法得到樣本區(qū)內(nèi)自然戶總數(shù)，采用線標繪法開展長度量算，如圖3所示。構(gòu)建線密度公式如下：

（1）其中，L_d為線密度，單位戶/m，m為樣本區(qū)內(nèi)的線數(shù)量，h_n為樣本區(qū)內(nèi)第n條線上的農(nóng)房戶數(shù)，l_n為樣本區(qū)內(nèi)第n條線的長度，n為線編碼。樣本區(qū)內(nèi)線數(shù)量為53條，線長度為3449m，采用點標繪法得到的自然戶數(shù)為186戶，線密度L_d為0.0539戶/m。

2.4 不同地震烈度區(qū)農(nóng)房數(shù)量統(tǒng)計

地震烈度是評價地震所造成影響大小或強弱的標度，地震烈度的評定需綜合地表震動觀測、遙感解譯、現(xiàn)場調(diào)查等確定（張建國，2014）。不同烈度區(qū)內(nèi)農(nóng)房的破壞程度具有較大的差別。因此，在災情預評估中需要分地震烈度區(qū)統(tǒng)計農(nóng)房戶數(shù)、間數(shù)、總面積等。

（1）農(nóng)房戶數(shù)

（2）其中，H_i為第i地震烈度區(qū)內(nèi)的農(nóng)房戶數(shù)，l_n為第i地震烈度區(qū)內(nèi)第n條線的長度，L_d為線密度。Ⅶ度烈度區(qū)線標繪1195條，總長度為113448m，自然戶數(shù)量為6115戶。

（2）計算農(nóng)房間數(shù)和總面積

農(nóng)房間數(shù)和總面積是農(nóng)房倒損評估的評價單元。結(jié)合統(tǒng)計數(shù)據(jù)，構(gòu)建公式如下：

（3）其中，H_i為第i地震烈度區(qū)內(nèi)的農(nóng)房戶數(shù)，R_i為第i地震烈度區(qū)內(nèi)的總農(nóng)房間數(shù)，H_i為統(tǒng)計數(shù)據(jù)中農(nóng)房總戶數(shù)，R_s為統(tǒng)計數(shù)據(jù)中農(nóng)房總間數(shù)。

（4）其中，A_i為第i地震烈度區(qū)內(nèi)的農(nóng)房總面積，R_i為第i地震烈度區(qū)內(nèi)的總農(nóng)房間數(shù)，A_s為統(tǒng)計數(shù)據(jù)中農(nóng)房總面積，R_s為統(tǒng)計數(shù)據(jù)中農(nóng)房總間數(shù)。據(jù)第六次人口普查數(shù)據(jù)，新疆于田縣自然戶為5695戶，農(nóng)房間數(shù)為16446間，面積為370763m²（10%抽樣），據(jù)此得到于田縣平均每戶農(nóng)房間數(shù)為2.89間、每間22.5m²。則估算新疆和田地區(qū)于田縣“2·12”7.3級地震Ⅶ度烈度區(qū)內(nèi)農(nóng)房總量為6115戶，1.767萬間，39.76萬m²。

3 結(jié)果分析

3.1 結(jié)果驗證

為開展線密度法效率和精度驗證，隨機選取另一典型樣本區(qū)域，分別采用點標繪法和線密度法開展總量估算（圖4）。采用目視解譯點標繪法計算得到自然戶數(shù)為252戶，用時25min；線標繪長度為4417m，用線密度法計算得到的自然戶數(shù)為238戶，用時5min，精度為點標繪法的94%。

3.2 誤差來源分析

線密度法誤差主要來源如下：

（1）解譯誤判引起的主觀誤差。強度高的地震影響范圍廣，例如汶川地震涉及四川、甘肅等10個省（市）、417個縣（民政部國家減災中心，2012），需要多人協(xié)同。但是人與人之間由于專業(yè)背景、業(yè)務經(jīng)驗等差異造成對認知解譯標志存在差異，有可能造成誤判，如將公共設施用房、牲畜房舍誤判為農(nóng)房。在實際業(yè)務中，需針對不同類型的農(nóng)房選取不同位置、不同結(jié)構(gòu)、不同形狀等建立多個解譯標志，并詳細描述，以避免由誤判造成的主觀誤差。

（2）農(nóng)房空間分布異質(zhì)性引起的客觀誤差。該地區(qū)農(nóng)房具有相對規(guī)則的分布，但是由于歷史原因、經(jīng)濟水平等造成農(nóng)房密度不均一以及不同位置的線密度存在差異，因此采取統(tǒng)一的線密度必然帶來誤差，需針對不同的區(qū)域加入不同的調(diào)整系數(shù)。

4 結(jié)論

本文針對傳統(tǒng)的農(nóng)房總量統(tǒng)計不滿足災害范圍空間隨機分布、自動分類識別算法業(yè)務性不強等引起精度受限和效率低下的問題，提出基于線密度的農(nóng)房總量快速估算方法。實踐應用表明，建立統(tǒng)一的技術(shù)標準和操作規(guī)范有利于多人協(xié)同開展工作，能顯著提高時效性和精度。

（1）針對于田綠洲農(nóng)房呈線狀分布特點，提出了基于線密度的不同地震烈度區(qū)農(nóng)房快速估算方法。應用表明，本方法能顯著提高農(nóng)房總量估算效率，耗時僅為點標繪法的1/5；精度為點標繪法的94%，能滿足減災需求。

（2）線密度計算和線標繪是農(nóng)房總量估算的核心關(guān)鍵技術(shù)。在多主體線標繪之前，需建立相對統(tǒng)一的標繪標準以減少主觀誤判，并利用現(xiàn)場調(diào)查對線密度計算結(jié)果進行真實性檢驗。

今后工作將重點研究如何在面向?qū)ο蠓诸惢A上，耦合路網(wǎng)自動雙側(cè)標繪技術(shù)，開展線自動識別，以提高效率，滿足在災害發(fā)生6小時內(nèi)快速實現(xiàn)災害影響區(qū)農(nóng)房總量估算的減災需求。