陳晉 習(xí)聰望 陳文凱 張?zhí)K平 周中紅

摘要：基于無人機、高分衛(wèi)星影像資料，通過實地調(diào)研與遙感影像對比分析，建立基于無人機、高分衛(wèi)星遙感影像獲取建筑物的技術(shù)路線，并以甘肅省隴南市為研究區(qū)進行實例驗證。研究結(jié)果表明：利用無人機航拍進行建筑物識別時，采用傾斜攝影和正射影像相結(jié)合的方式，建筑物識別效果較好，尤其是對屋頂相同或類似的不同結(jié)構(gòu)建筑物的識別；基于遙感技術(shù)獲取建筑物時不僅要建立區(qū)域建筑物遙感影像解譯標(biāo)志還需要借助區(qū)域地理環(huán)境特征、建筑物排列、占地面積、建筑物陰影等因素進行輔助識別，才能獲取較為可靠的結(jié)果；隴南市建筑物類型主要有土木（含木構(gòu)架）結(jié)構(gòu)、磚木結(jié)構(gòu)、磚混結(jié)構(gòu)、框架結(jié)構(gòu)4類，占比分別為19.25%、44.29%、31.32%、5.14%，建筑物遙感解譯結(jié)果精度在一23.92%-25.28%；基于無人機和衛(wèi)星遙感影像獲取居民地建筑物數(shù)據(jù)可以用于更新地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫，但存在一定的誤差。

關(guān)鍵詞：無人機；高分衛(wèi)星影像；居民地；建筑物類型；空間化

中圖分類號：P315.9；TP751 文獻標(biāo)識碼：A 文章編號：1000-0666（2018）02-0192-09

0 引言

我國防震減災(zāi)工作體系以監(jiān)測預(yù)報、震害防御、應(yīng)急救援和科技支撐為主要內(nèi)容。破壞性地震發(fā)生后，應(yīng)急救援是應(yīng)對地震災(zāi)害最有效的手段，及時、明確、合理的災(zāi)情快速評估結(jié)果是政府有效應(yīng)對地震的科技基礎(chǔ)（何少林等，2014）。地震應(yīng)急指揮技術(shù)系統(tǒng)是地震發(fā)生后，第一時間基于地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫，通過各類評估模型對地震影響范圍、人員傷亡、經(jīng)濟損失等進行初步快速評估的技術(shù)系統(tǒng)，其基礎(chǔ)是基礎(chǔ)數(shù)據(jù)和評估模型，但因技術(shù)和經(jīng)費的制約，各類基礎(chǔ)數(shù)據(jù)收集、更新困難，尤其是空間化的建筑物數(shù)據(jù)的收集與更新（姜立新等，2012；李鐵錚，翟永梅，2010）?，F(xiàn)有的建筑物數(shù)據(jù)大都是行政區(qū)劃統(tǒng)計數(shù)據(jù)，這種數(shù)據(jù)無法真實反映區(qū)域建筑物空間上的分布特點，且建筑物實地調(diào)查統(tǒng)計會耗費大量的人力物力，建筑物數(shù)據(jù)更新不及時，數(shù)據(jù)時效性較差，導(dǎo)致地震災(zāi)害快速評估結(jié)果會出現(xiàn)較大偏差（柴榮建，2011）。

無人機是20世紀(jì)90年代發(fā)展起來的一種遙感技術(shù)，主要以雙翼、旋翼、直升機等作為遙感平臺，獲取高分辨率遙感影像數(shù)據(jù)（臧克等，2010）。隨著遙感技術(shù)的蓬勃發(fā)展，無人機已成為高精度建筑物數(shù)據(jù)獲取的重要手段之一，也是對衛(wèi)星遙感與載人飛機航空遙感的有力補充，在地震行業(yè)內(nèi)已得到廣泛應(yīng)用（金偉等，2009；陸博迪等，2011；李軍等，2012；和仕芳等，2016；周洋等，2017）。建筑物空間化是通過矢量化遙感圖像的方法將建筑物屬性數(shù)據(jù)在空間上進行展布，利用遙感數(shù)據(jù)對區(qū)域建筑物進行空間化處理（閆慶武，2011），將產(chǎn)出的建筑物空間數(shù)據(jù)及時用于地震應(yīng)急基礎(chǔ)庫數(shù)據(jù)更新，能有效地提高數(shù)據(jù)時效性（段鋒，袁志祥，2010），這樣既節(jié)省了人力、物力，又能保障地震災(zāi)害快速評估精度。因此，本文以甘肅省隴南市居民地建筑物獲取為例，探討基于無人機、高分衛(wèi)星遙感影像及實地調(diào)研相結(jié)合獲取高精度居民地建筑物數(shù)據(jù)的方法，對研究區(qū)域遙感解譯建筑物數(shù)據(jù)結(jié)果進行精度評價。

1 研究區(qū)與數(shù)據(jù)源選取

隴南市位于甘肅省東南部，地處秦巴山區(qū)、青藏高原、黃土高原三大地形交匯區(qū)域，是我國地勢第二級階梯向第三級階梯地形的過渡帶。西部向青藏高原北側(cè)邊緣的甘南高原過渡，北部向隴中黃土高原過渡，南部向四川盆地過渡，東部與西秦嶺和漢中盆地連接。隴南市地勢呈現(xiàn)西北高、東南低，平均海拔1000m，西秦嶺和岷山2大山系分別從東西2個方向伸人全境，境內(nèi)形成了高山峻嶺與峽谷、盆地相間的復(fù)雜地形。隴南市處于西秦嶺斷裂和東昆侖斷裂的交匯位置，區(qū)內(nèi)發(fā)育多條小型次級斷裂，地震活動性強烈，歷史上曾發(fā)生過多次大地震，如1879年武都和文縣之間的8.0級大地震（袁道陽，雷中生，2014）。

2015年3月、2016年5月筆者對甘肅省隴南市的建筑物抗震能力進行調(diào)研，獲得隴南市建筑物結(jié)構(gòu)類型、比例等基礎(chǔ)資料。在實地調(diào)研的同時，利用微型無人機（大疆悟Pro）對實地調(diào)研的地區(qū)進行航拍。實地調(diào)研點總共有17個，涉及隴南市6個縣（區(qū)），分別為武都區(qū)、文縣、宕昌縣、成縣、徽縣、兩當(dāng)縣，其中獲取航拍影像資料的有3個縣（區(qū)）的14個點，拍攝區(qū)域如圖1所示。航拍對象為居民地建筑物，涵蓋鄉(xiāng)（鎮(zhèn)）、行政村、自然村的房屋。無人機共拍攝1650張照片，包括正射影像1300張、傾斜影像350張，數(shù)據(jù)量為7.9G；拍攝平均海拔為1200m，拍攝高度為50～150m，正射影像拼接處理后影像空間分辨率為0.06m，圖像質(zhì)量較好，能夠清晰地看到房屋屋頂瓦片。

本文收集了隴南市范圍的高分遙感影像（高分1號、高分2號影像、Google影像），其中高分1號影像空間分辨率為2m，高分2號空間分辨率為0.8m，Google影像空間分辨率約1m。高分1號和2號影像覆蓋隴南市大部（圖2中紅色網(wǎng)格線區(qū)域顯示），Google影像100%覆蓋（圖2中底圖顯示）。

2 技術(shù)路線及處理方法

2.1 技術(shù)路線

正射影像是從垂直角度對地物進行拍攝成像，可以反映地物的頂部特征。傾斜攝影突破了正射影像只能從垂直角度拍攝的局限，可以從其他幾個不同角度采集數(shù)據(jù)、多角度觀察地物，更加真實地反映地物的實際情況，彌補正射影像的不足，有利于對建筑物類型的判別（楊國東，王民水，2016）。衛(wèi)星遙感影像相較于無人機，其遙感平臺高度更高、成像的范圍更廣，適合大范圍的建筑物信息提取，但不能從多個不同角度對建筑物進行提取。此外，相較于無人機，衛(wèi)星遙感對天氣及環(huán)境條件的依賴性較高（胡曉曦等，2010）。

由于時間和經(jīng)費的限制，建筑物實地調(diào)查和無人機航拍調(diào)查點不可能覆蓋全區(qū)，只能是抽查；衛(wèi)星遙感影像則可以覆蓋整個研究區(qū)，目前衛(wèi)星遙感的空間分辨率優(yōu)于1m，能夠?qū)ㄖ镞M行較為詳細(xì)的識別。本文基于實地調(diào)研建筑物照片、無人機航拍和高分遙感影像相結(jié)合的方式來獲取居民地建筑物類型及占比，主要思路是通過一些實際調(diào)查點獲取無人機影像解譯標(biāo)志，再通過無人機數(shù)據(jù)與衛(wèi)星數(shù)據(jù)的對比，建立衛(wèi)星影像解譯標(biāo)志，從而獲取高精度居民地建筑物數(shù)據(jù)，技術(shù)路線如圖3所示。

2.2 建立建筑物影像解譯標(biāo)志

基于遙感影像解譯建筑物類型時，影像解譯標(biāo)志是否正確直接決定著獲取的建筑物數(shù)據(jù)精度，因此建立遙感影像解譯標(biāo)志至關(guān)重要。根據(jù)實際調(diào)查結(jié)果，隴南市建筑物結(jié)構(gòu)主要分為框架結(jié)構(gòu)、磚混結(jié)構(gòu)、磚木結(jié)構(gòu)、土木結(jié)構(gòu)（含木構(gòu)架）4類，本文通過無人機航拍和實地調(diào)查照片對比的方法分析無人機影像特征，分別建立相應(yīng)的無人機影像解譯標(biāo)志（圖4～7）。

無人機影像上的土木結(jié)構(gòu)房屋多為人字雙坡屋頂，也有少量房屋為單坡屋頂，屋頂瓦片多表現(xiàn)為灰黑色，其原因為土木結(jié)構(gòu)房屋建造年代普遍較久遠(yuǎn)，瓦片長滿苔蘚，且苔蘚吸水性較強，在影像上顯示為灰黑色，也有部分房屋建造的瓦片為青瓦（圖4）。

實地調(diào)查中發(fā)現(xiàn)人字雙坡屋頂結(jié)構(gòu)的房屋多數(shù)為土木結(jié)構(gòu)，也有少量為新建的磚木結(jié)構(gòu)房屋。在無人機影像上對這2類房屋的區(qū)分較為困難，在無人機解譯時一般采用正射影像與傾斜攝影相結(jié)合的方式進行識別，單一采取正射影像解譯困難較大。如果沒有傾斜攝影則利用地理環(huán)境特征進行輔助判別：房屋位于山區(qū)、房屋排列不整齊且面積較小時，灰黑色人字雙坡屋頂房屋多為土木結(jié)構(gòu)房屋。建筑物圖像色調(diào)顯示紅色、房屋空間排列較為整齊則解譯為磚木結(jié)構(gòu)房屋（圖5），也存在將磚混結(jié)構(gòu)房屋會誤判為磚木結(jié)構(gòu)，但比例較小。

在無人機影像上磚混結(jié)構(gòu)房屋特征較為明顯，呈現(xiàn)灰色或白色，且屋頂多數(shù)為平頂（圖6）。框架結(jié)構(gòu)房屋屋頂呈現(xiàn)不規(guī)則多邊形，這類房屋多在城區(qū)，農(nóng)村地區(qū)較少（圖7）。磚混結(jié)構(gòu)與框架結(jié)構(gòu)房屋的影像特征相似，直接采用無人機正射影像很難區(qū)分。本文采用傾斜攝影、正射影像及地理環(huán)境特征輔助解譯磚混結(jié)構(gòu)與框架結(jié)構(gòu)房屋。一般影像上呈現(xiàn)灰色或白色的單層、多層（一般不超過6層）的建筑物多為磚混結(jié)構(gòu)房屋，也存在少量的框架結(jié)構(gòu)房屋。尤其是在農(nóng)村地區(qū)，絕大多數(shù)此類房屋都為磚混結(jié)構(gòu)，框架結(jié)構(gòu)房屋較少。多層（超過6層）或高層建筑物則基本為框架結(jié)構(gòu)房屋，也有部分老舊建筑物為磚混結(jié)構(gòu)房屋，存在一定的錯分現(xiàn)象。

根據(jù)以上無人機影像解譯標(biāo)志對調(diào)查點建筑物結(jié)構(gòu)進行解譯，解譯結(jié)果與實地調(diào)查進行對比，建筑物結(jié)構(gòu)識別精度較高，前提是必須要采用傾斜攝影技術(shù)、房屋周邊地理環(huán)境及房屋面積等信息輔助正射影像進行識別，只采用正射影像進行識別則會出現(xiàn)較大誤差，尤其是建筑物外部有裝飾時識別會更加困難，實地調(diào)查時也不易判別其建筑物結(jié)構(gòu)。

由于研究區(qū)域內(nèi)調(diào)查點有限，本文對同一區(qū)域的無人機影像和衛(wèi)星影像進行對比（圖8、9），建立高分衛(wèi)星遙感影像建筑物解譯標(biāo)志，獲取區(qū)域建筑物數(shù)據(jù)。衛(wèi)星影像上土木結(jié)構(gòu)房屋呈現(xiàn)灰黑色，房屋面積普遍較小，屋頂多為人字雙坡屋頂，如圖8a中的紅色框所示。圖8中藍色框為磚混結(jié)構(gòu)房屋，其在衛(wèi)星影像上呈現(xiàn)的色調(diào)較無人機影像更暗，另外磚混結(jié)構(gòu)房屋與土木結(jié)構(gòu)房屋在衛(wèi)星影像上的差別比其在無人機影像上小，需要仔細(xì)判別。

衛(wèi)星影像中磚木結(jié)構(gòu)房屋呈現(xiàn)紅色，人字雙坡屋頂也能被識別出來，比無人機影像中相同建筑物的色調(diào)暗；建筑物邊界在衛(wèi)星影像上比較模糊，在無人機影像上非常清晰；衛(wèi)星影像中的磚木結(jié)構(gòu)（紅色屋頂）與土木結(jié)構(gòu)房屋還是有較大差別，能夠被區(qū)分出來，如圖9a所示。如果磚木結(jié)構(gòu)房屋屋頂使用青瓦建造，則其在衛(wèi)星影像上無法被識別，只能依據(jù)地理環(huán)境、房屋面積、建筑物排列是否整齊等特征輔助判別。圖9b中除紅色的建筑物外，其他建筑物可以直接識別為土木結(jié)構(gòu)房屋，因為可以看到建筑物側(cè)面的墻體為土坯。在衛(wèi)星影像上則無法直接判別，需要通過輔助手段識別。

衛(wèi)星影像上的框架結(jié)構(gòu)房屋形式多樣，其影像解譯標(biāo)志也呈現(xiàn)多樣性：建筑物多為多層或高層，影像中房屋陰影較大；建筑物屋頂不是單一的平頂，一般都會有一些裝飾性的構(gòu)件；建筑物色調(diào)呈現(xiàn)多樣性，沒有固定單一的解譯色調(diào)；建筑物構(gòu)架普遍較大，一般房屋寬度會超過10m，多為20～50m之間，如圖10所示。

綜上所述，利用無人機影像、衛(wèi)星影像及實地調(diào)查資料可建立不同結(jié)構(gòu)建筑物的影像解譯標(biāo)志（表1）。

2.3 區(qū)域建筑物空間化

基于建立的各類建筑物遙感影像解譯標(biāo)志，對甘肅省隴南市居民地建筑物進行實驗提取?；诟叻中l(wèi)星遙感影像（Google影像、高分2號、高分1號）采用ArcGIS軟件平臺對隴南市居民地進行數(shù)字化，即通過遙感影像將有居民地的區(qū)域勾畫出來，并根據(jù)建筑物影像解譯標(biāo)志判斷每個區(qū)域建筑物類型。通過每個居民地不同建筑物占地面積，計算得到每個縣（區(qū)）各類建筑物的總面積和百分比，最終獲得隴南市居民地建筑物數(shù)據(jù)，如圖11所示。

隴南市占地面積為2.79萬km2，建筑物矢量化工作完成所需時間約為單人90～120h，建筑物結(jié)構(gòu)類型解譯工作完成所需時間為單人80～100h，相較于實地調(diào)查獲取建筑物數(shù)據(jù)，能夠節(jié)約大量人力、物力，其可操作性也更強。國產(chǎn)高分2號衛(wèi)星重訪周期（側(cè)擺時）為5d，覆蓋周期（不側(cè)擺）為69d，數(shù)據(jù)時效性高，且高分2號影像可以通過各省測繪地理信息局免費獲取原始數(shù)據(jù)，因此采用無人機、高分衛(wèi)星遙感影像更新地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫建筑物數(shù)據(jù)能夠有效解決地震部門建筑物數(shù)據(jù)收集困難，時效性差的問題。

3 結(jié)果分析

本文通過實地調(diào)研、無人機和衛(wèi)星遙感影像對比分析，建立了土木結(jié)構(gòu)、磚木結(jié)構(gòu)、磚混結(jié)構(gòu)和框架結(jié)構(gòu)4類建筑物影像解譯標(biāo)志，并根據(jù)解譯標(biāo)志對隴南市居民地建筑物進行人工解譯，獲得了隴南市居民地建筑物數(shù)據(jù)。

3.1 精度評價

將政府上報的縣（區(qū)）建筑物統(tǒng)計數(shù)據(jù)與遙感解譯數(shù)據(jù)進行對比，評價其解譯精度。文中收集了隴南市3個縣（區(qū)）的建筑物統(tǒng)計數(shù)據(jù)，其中武都區(qū)只有城區(qū)建筑物類型百分比（表2）。

誤差評價公式為：E=（C-C1）/C×100%，其中C為建筑物統(tǒng)計數(shù)據(jù)，C1為遙感解譯結(jié)果。根據(jù)誤差評價公式得到建筑物類型遙感解譯精度評價結(jié)果（表3），建筑物類型遙感解譯誤差范圍在-23.92%～25.28%之間，表明通過遙感影像可以得到區(qū)域建筑物類型數(shù)據(jù)，但是存在一定誤差。產(chǎn)生的誤差主要原因可能是：

（1）土木結(jié)構(gòu)與磚木結(jié)構(gòu)房屋的錯分、磚混結(jié)構(gòu)與框架結(jié)構(gòu)房屋的錯分，因為它們的遙感影像解譯標(biāo)志相似，在遙感影像上無法通過影像特征直接進行區(qū)分，只能借助地理環(huán)境特征進行輔助識別。

（2）基于遙感影像對農(nóng)村居民地進行數(shù)字化時，勾畫的居民地面積中包括了一些無建筑物區(qū)域，如村莊中道路、花園、廣場、樹木等，計算面積的時候?qū)⑦@些區(qū)域都進行了統(tǒng)計，農(nóng)村居民地建筑物面積比實際的面積??；對城鎮(zhèn)居民地進行數(shù)字化時，因為建筑物存在多層或高層，計算面積時都采用單層面積計算，所以統(tǒng)計的建筑物面積較實際的小。

3.2 建筑物區(qū)域特征分析

基于居民地建筑物數(shù)據(jù)進行區(qū)域建筑物統(tǒng)計分析，得到隴南市各縣（區(qū)）建筑物類型數(shù)據(jù)（表4）。通過解譯結(jié)果分析可知，隴南市房屋結(jié)構(gòu)主要有土木結(jié)構(gòu)（含木構(gòu)架）、磚木結(jié)構(gòu)、磚混結(jié)構(gòu)、框架結(jié)構(gòu)4類。農(nóng)村房屋以磚木結(jié)構(gòu)、土木結(jié)構(gòu)為主，存在少量的磚混結(jié)構(gòu)房屋；城鎮(zhèn)房屋以磚混結(jié)構(gòu)、框架結(jié)構(gòu)為主，存在少量的磚木和土木結(jié)構(gòu)房屋。通過數(shù)據(jù)統(tǒng)計分析，隴南市整個區(qū)域房屋結(jié)構(gòu)類型以磚木結(jié)構(gòu)和磚混結(jié)構(gòu)房屋為主，占比分別為44.29%、31.32%，存在一定數(shù)量的土木結(jié)構(gòu)房屋（占比19.25%）和少量的框架結(jié)構(gòu)房屋。

按照縣（區(qū)）行政區(qū)劃進行統(tǒng)計分析，得到隴南市各縣（區(qū)）房屋結(jié)構(gòu)與隴南市區(qū)域建筑物結(jié)構(gòu)類型一致，以磚木和磚混結(jié)構(gòu)為主，有一定比例的土木結(jié)構(gòu)和少量框架結(jié)構(gòu)房屋。土木結(jié)構(gòu)房屋比例超過15%的有6個縣（區(qū)），超過20%的有2個，分別為宕昌縣和禮縣，其中禮縣土木結(jié)構(gòu)房屋高達25.62%。土木結(jié)構(gòu)占比最低的為兩當(dāng)縣，占比為10.10%。將各縣（區(qū)）建筑物類型百分比與人均生產(chǎn)總值（表5）進行對比，可知各縣（區(qū)）的人均生產(chǎn)總值與當(dāng)?shù)亟ㄖ锝Y(jié)構(gòu)還是存在一定的相關(guān)性，隴南市人均生產(chǎn)總值最低的為禮縣（禮縣土木結(jié)構(gòu)比例為25.62%），成縣和徽縣人均生產(chǎn)總值超過2萬元，其土木結(jié)構(gòu)房屋比例不超過巧%，成縣的磚混結(jié)構(gòu)達41.34%，徽縣的磚木結(jié)構(gòu)達57.47%。人均生產(chǎn)總值越高，間接說明當(dāng)?shù)鼐用袷杖朐礁撸渚幼〉姆课菘拐鹦阅芤苍胶谩?/p>

4 結(jié)論與討論

本文基于微型無人機、高分衛(wèi)星影像及實地調(diào)研資料，提出了基于無人機、高分衛(wèi)星遙感影像獲取區(qū)域居民地建筑物類型的技術(shù)路線，獲得區(qū)域居民地建筑物數(shù)據(jù)。并以甘肅省隴南市為實驗區(qū)域，對提出的技術(shù)路線進行了驗證，通過本文研究得到以下幾點認(rèn)識：

（1）無人機傾斜攝影對建筑物識別效果較正射影像好，尤其是對建筑物屋頂相同或類似的不同結(jié)構(gòu)建筑物的識別；利用無人機進行建筑物識別時可采用傾斜攝影與正射影像相結(jié)合的方式，保障建筑物類型識別精度；利用微型無人機航拍建筑物的缺點是調(diào)查范圍小，無法進行大范圍區(qū)域建筑物調(diào)查，只能用于檢驗區(qū)域建筑物精度或輔助建立衛(wèi)星影像解譯標(biāo)志。

（2）隴南市建筑物遙感影像解譯標(biāo)志可以較好區(qū)分土木/磚木結(jié)構(gòu)房屋與磚混/框架結(jié)構(gòu)房屋，但是因土木結(jié)構(gòu)和磚木結(jié)構(gòu)影像解譯標(biāo)志類似而存在誤分，磚混結(jié)構(gòu)和框架結(jié)構(gòu)也存在這樣的問題。解決此問題的關(guān)鍵是借助建筑物周邊的地理環(huán)境特征、建筑物陰影等特征進行輔助識別。此外，建筑物特征具有地域性，需要針對不同區(qū)域的建筑物特點建立相應(yīng)的遙感影像解譯標(biāo)志。

（3）通過實地調(diào)查得到區(qū)域建筑物特征，與遙感影像進行對比分析，得到建筑物遙感影像解譯標(biāo)志，從而得到隴南市建筑物類型主要有土木（木構(gòu)架）結(jié)構(gòu)、磚木結(jié)構(gòu)、磚混結(jié)構(gòu)、框架結(jié)構(gòu)4類，各類型占比分別為19.25%，44.29%，31.32%，5.14%，解譯精度在-23.92%～25.28%；隴南市居民地建筑物數(shù)據(jù)人工解譯所需時間為單人170～220h，較實地調(diào)查大幅提高了建筑物獲取的時間和效率，說明基于無人機和高分衛(wèi)星遙感影像獲取建筑物數(shù)據(jù)用于更新地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫是可行的，但識別結(jié)果存在一定的誤差。

參考文獻：

柴榮建.2011.廣東省應(yīng)急基礎(chǔ)數(shù)據(jù)庫更新維護方法研究[J].華南地震，31（3）：96-100.

段鋒，袁志祥.2010.結(jié)合汶川8.0級地震實踐探討地震應(yīng)急基礎(chǔ)數(shù)據(jù)庫更新途徑[J].四川地震，（1）：32-35.

何少林，陳文凱，周中紅，等.2014.甘肅岷縣漳縣6.6級地震災(zāi)情快速評估及應(yīng)急處置保障[J].地震研究，37（4）：589-594.

和仕芳，鄧樹榮，張方浩，等.2016.旋翼無人機在建筑物抗震能力調(diào)查中的應(yīng)用[J].地震研究，39（4）：673-679.

胡曉曦，李永樹，李何超，等.2010.無人機低空數(shù)碼航測與高分辨率衛(wèi)星遙感測圖精度試驗分析[J].測繪工程，19（4）：68-74.

姜立新，帥向華，聶高眾，等.2014地震應(yīng)急指揮協(xié)同技術(shù)平臺設(shè)計研究[J].震災(zāi)防御技術(shù)，7（3）：294-302.

金偉，葛宏立，杜華強，等，2009.無人機遙感發(fā)展與應(yīng)用概況[J].遙感信息，（1）：88-92.

李軍，李永樹，蔡國林.2012.利用無人機影像制作地震災(zāi)區(qū)三維景觀圖[J].測繪工程，21（1）：50-53：

李鐵錚，翟永梅.2010.震害預(yù)測中建筑物屬性信息提取方法研究[J].災(zāi)害學(xué)，25（SO）：300-304.

陸博迪，孟迪文，陸鳴，等.2011.無人機在重大自然災(zāi)害中的應(yīng)用與探討[J].災(zāi)害學(xué)，26（4）：122-126.

閆慶武.2011.空間數(shù)據(jù)分析方法在人口數(shù)據(jù)空間化中的應(yīng)用[M].南京：東南大學(xué)出版社.

楊國東，王民水.2016.傾斜攝影測量技術(shù)應(yīng)用及展望[J].測繪與空間地理信息，39（1）：13-18.

袁道陽，雷中生.2014.1879年甘肅武都南s級地震的震災(zāi)特征[J].蘭州大學(xué)學(xué)報，50（5）：611-621.

藏克，孫永華，李京，等.2010.微型無人機遙感系統(tǒng)在汶川地震中的應(yīng)用[J].自然災(zāi)害學(xué)報，19（3）：162-166.

周洋，明小娜，楊艷珠，等.2017.災(zāi)評新技術(shù)在云龍5.0級地震烈度調(diào)查中的應(yīng)用[J].地震研究，40（1）：161-166.