img

官方微信

遥感技术与应用, 2022, 37(2): 306-318 doi: 10.11873/j.issn.1004-0323.2022.2.0306

综述

高分辨率光学遥感影像变化检测算法在地震灾情调查中的应用

张飞舟,1, 刘华亮1, 张立福,2, 岑奕2, 孙雪剑2, 张红明2

1.北京大学 遥感与地理信息系统研究所,北京 100871

2.中国科学院空天信息创新研究院 遥感科学国家重点实验室,北京 100101

Review of Change Detection Algorithm Using Optical Remote Sensing Images in Post-earthquake Damage Investigation

Zhang Feizhou,1, Liu Hualiang1, Zhang Lifu,2, Cen Yi2, Sun Xuejian2, Zhang Hongming2

1.Institute of Remote Sensing and Geographic Information Systems,School of Earth and Space Sciences,Peking University,Beijing 100871,China

2.State Key Laboratory of Remote Sensing Science,Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100101,China

通讯作者: 张立福(1967-),男,山东烟台人,博士,研究员,主要从事高光谱遥感理论及应用研究。E⁃mail:zhanglf@radi.ac.cn

收稿日期: 2020-11-15   修回日期: 2022-03-09  

基金资助: 国家重点研发计划项目.  2017YFC1500900
国家自然科学基金重点项目.  41830108

Received: 2020-11-15   Revised: 2022-03-09  

作者简介 About authors

张飞舟(1966-),男,湖南邵阳人,博士,教授,主要从事卫星导航、智慧城市研究E⁃mail:zhangfz@pku.edu.cn , E-mail:zhangfz@pku.edu.cn

摘要

遥感卫星可快速、动态地获取地震灾区大范围的高分辨率影像,已成为快速获取震后灾情信息的主要技术手段之一。基于震后灾情调查中广泛使用的光学遥感数据和变化检测算法,首先对遥感数据及其产品进行了归纳总结,在此基础上综述了基于高分辨率遥感影像的变化检测算法在震害提取中的应用,阐述了基于像元和面向对象两类变化检测方法的基本原理和优缺点,讨论和总结了应用中存在的问题和不足,以期为未来地震应急中的灾情调查工作提供参考。

关键词: 地震应急 ; 卫星遥感 ; 光学影像 ; 变化检测 ; 灾情信息提取

Abstract

Remote sensing satellites can quickly and dynamically acquire high-resolution images of large disaster area, and thus has become one of the main technical methods for post-earthquake damage investigation. This paper focuses on the optical remote sensing data and change detection algorithms widely used in post-earthquake disaster surveys. The satellite remote sensing data and products are summarized, and then the application of change detection algorithms using both pre- and post-earthquake images for damage investigation is reviewed. The basic principles, advantages and disadvantages of pixel-based and object-oriented change detection methods are described. The existing research results are classified and reviewed, and the problems and deficiencies in practical applications are discussed and summarized, with a view to providing references and benefits for future post-earthquake damage investigation work.

Keywords: Earthquake emergency ; Satellite remote sensing ; Optical image ; Change detection ; Post-earthquake damage investigation

PDF (949KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张飞舟, 刘华亮, 张立福, 岑奕, 孙雪剑, 张红明. 高分辨率光学遥感影像变化检测算法在地震灾情调查中的应用. 遥感技术与应用[J], 2022, 37(2): 306-318 doi:10.11873/j.issn.1004-0323.2022.2.0306

Zhang Feizhou, Liu Hualiang, Zhang Lifu, Cen Yi, Sun Xuejian, Zhang Hongming. Review of Change Detection Algorithm Using Optical Remote Sensing Images in Post-earthquake Damage Investigation. Remote Sensing Technology and Application[J], 2022, 37(2): 306-318 doi:10.11873/j.issn.1004-0323.2022.2.0306

1 引 言

大型的地震灾害因其瞬时突发性、强破坏性和难以预报性,常常造成大面积的人员伤亡和巨额的财物损失1。快速高效地实施地震应急,可以最大程度减少人员伤亡和经济损失,维护社会稳定。震后灾情信息的快速获取是应急救援的前提,否则灾情无从评估,决策指挥缺乏针对性和适用性。震后灾区的交通、通讯和电力等设施会遭到不同程度的损毁,传统的人工实地勘测虽然精确可靠,但存在着工作量大、工作范围小、时效性差、效率低、信息不直观等问题,难以满足应急救援的需求2-3。作为一种先进、成熟的对地观测手段,卫星遥感技术可快速、动态地获取大范围的灾区影像,已成为震后灾情快速调查的主要技术手段之一24

21世纪以来,遥感卫星的数量和时—空—谱分辨率不断提升,为地震应急提供了丰富的数据支撑。应用于地震灾情调查的遥感数据可分为3类,即光学影像、SAR和LiDAR56,它们有着各自的特性和优缺点,可以从不同的角度反映灾情。其中光学影像具有分辨率高、直观、可靠等优点,便于目视解译,在震后灾情调查这样形势紧急、不容有误的情况下更能快速有效地获取初步且珍贵的灾情信息,因此光学影像(包括与其他数据的融合)一直是震后灾情调查中主要使用的数据6-8。如王晓青等3在汶川地震发生后,利用高分辨率光学遥感影像,对地震灾害及其损失进行了快速评估,弥补了地面调查的不足,为地震应急指挥和救援决策提供了重要依据。

依据是否采用震前的遥感影像,地震灾害信息可通过仅采用震后影像进行解译和同时采用震前和震后影像进行变化检测这两种方法进行提取69。震后地面的基础设施和土地覆盖相对于震前发生变化的部分就可能是地震造成损害的区域7,因此通过对震前、震后的两幅影像的变化检测就可以提取出震害信息。由于震前影像可获取地物在震前的状态,因此变化检测的方法能够更准确地获取灾情信息,受到了更为广泛的应用6。但该方法在实际应用中可能会受到局限:首先震前影像可能无法获取或震前影像太过久远,尤其是在欠发达国家和地区;其次,震前和震后影像来自不同的时相、不同的传感器,光照条件、传感器特性等的差异会增大数据处理的难度10。所幸的是,随着卫星遥感数据的日益丰富和遥感图像处理技术的进步,这些局限都已得到适当缓解。

因此,基于地震灾情调查中的遥感数据,以及灾情信息提取的方法,对地震应急中使用的光学遥感数据及其产品进行归纳总结,进而对地震灾情提取中的变化检测算法进行综述,详细阐述了各种方法的原理、优势和实际应用情况。

2 高分辨率光学遥感卫星数据

1972年,世界上第一颗遥感卫星Landsat 1发射成功,开启了遥感卫星发展的序幕;20世纪80年代末呈现出了百家争鸣的景象,法国、日本等其他国家相继发射遥感卫星,光学卫星的全色分辨率达到2 m;21世纪以来,一系列高分辨率的商业遥感卫星发射,并广泛应用于对地观测中,时—空—谱分辨率全面提升,且卫星的载荷形式、运行模式、数据处理技术以及应用场景愈加多样和成熟,为地震灾情调查提供了有力的数据支撑。

表1按全色分辨率由高到低的顺序列出了数据影像已广泛用于地震灾情调查的高分辨率光学遥感卫星611-12。可以看出,空间分辨率优于1 m的卫星多达十数颗,其中WorldView系列卫星分辨率可达0.31 m。单星的时间分辨率已经可以达到1 d,而且目前的商业卫星均在大力构建卫星星座,获取数据的能力和数据质量显著提升,如美国的WorldView-2–4与GeoEye-1组成的4星星座可达到每日4.5次的重访频率,法国的Pléiades-1A/1B和SPOT-6/7组成的4星星座可实现每日2次的重访(SPOT-6/7提供大幅宽的普查图像,Pléiades-1A/B提供0.5 m分辨率的详查图像),中国的北京2号三星星座可实现每日2次的重访。此外,震后进行多星联合调度观测,可充分利用卫星资源、最大化灾情观测效益,极大地提高了震后应急响应的速度。在传感器配置上,这些卫星多为1个全色波段加4个或8个多光谱波段,波长范围覆盖了可见光到近红外波段(多为0.4~0.9 μm),像元的动态范围可达11 bit。

表1   地震灾情调查中的高分辨率遥感卫星

Table1  High-resolution remote sensing satellite for earthquake disaster investigation

卫星传感器全色分辨率/m多光谱分辨率/m重访周期/d轨道高度/km幅宽/km发射时间所属国
WorldView-4P/M0.311.241.1617162016.11美国
WorldView-3P/M0.311.241.1617132014.08美国
GeoEye-1P/M0.411.652.6681152008.09美国
WorldView-2P/M0.461.851.1770162009.01美国
WorldView-1P0.5-1.7496182007.09美国
Pléiades-1P/M0.521695202011.12法国
高景一号P/M0.521530122016.12中国
Kompsat-3AP/M0.552.20.9528132015.03韩国
QuickBirdP/M0.612.441.5~3450172001.01美国
Kompsat-3P/M0.72.81.5685162012.05韩国
Resurs-PP/M0.733475382013.06俄罗斯
EROS-BP0.7-352072006.04以色列
北京二号P/M0.83.21651242015.07中国
IKONOSP/M0.823.21.5~3681111999.09美国
Kompsat-2P/M142~3685152007.07韩国
高分二号P/M145631452014.08中国
SPOT-6/7P/M1.561~5694602012.09法国
高分一号P/M284645602013.04中国
福卫二号P/M280.5891242004.05中国
资源三号P/M2.165506512012.01中国
资源一号P/M2.36103780602011.12中国
SPOT-5P/M2.5102~3822602002.05法国
ALOSP/A2.5102692352006.01日本
北京一号P/M4243~5686242005.01中国
RapidEyeM-51630772008.08德国
SPOT-4P/M10202~3831601998.03法国
Landsat 7ETM+1530167051851999.04美国
Landsat 8OLI1530167051852013.02美国

注: ①传感器类型中,P表示全色(Panchromatic),M表示多光谱(Multispectral);对于ALOS卫星,P表示PRISM(Panchromatic Remote-sensing Instrument for Stereo Mapping),A表示AVNIR-2(Advanced Visible and Near Infrared Radiometer type 2)。

②重访周期与地理纬度有关,表中多为纬度约40°处的重访周期。

③Landsat 7 ETM+和Landsat 8 OLI在严格意义上并非高分辨率遥感卫星,但在大尺度地震灾情(如滑坡、堰塞湖等)的快速调查中也发挥着重要作用,因此在表中也将它们予以列出。

新窗口打开| 下载CSV


1999年法国航天局国家空间研究中心(CNES)和欧洲航天局(ESA)倡议发起了“空间与重大灾害国际宪章”(The International Charter Space and Major Disasters),加入该宪章的成员可以无偿获取其他成员的卫星数据用于应急救灾,解决了卫星资源的共享问题13,对遥感技术在地震应急中的应用有着深远影响。

使用卫星影像进行灾情调查,需首先进行预处理,包括辐射校正、大气校正、几何校正、图像融合等。表2列出了美国DigitalGlobe、欧洲Astrium和中国二十一世纪空间技术应用股份有限公司(21at)旗下的遥感影像产品14-16。可以看出用户拿到的数据已经过不同程度的预处理,因此用户可以根据实际需求选择合适等级的数据产品,无需考虑数据预处理的问题。此外,数据服务商可为用户提供加急处理选项(Rush option)以确保震后数据的时效性。

表2   主要的高分辨率卫星数据供应商的影像产品

Table 2  Imaging products provided by the major vendors of high-resolution satellite data

服务商旗下的遥感卫星(部分已退役)影像产品
产品名称产品等级处理程度发布时长
DigitalGlobe

IKONOS

QuickBird

GeoEye-1

Worldview-1–4

基础产品1B仅对原始数据进行了辐射和传感器粗校正24 h
标准产品OR2A进一步进行了几何校正和地图投影24 h
2A在OR2A产品的基础上进行了地形粗校正48 h
正射产品3D利用精细的DEM数据进行了正射校正N/A
Astrium

Pléiades-1A/1B

Vision-1

SPOT-6/7

初级产品1仅对原始数据进行了几何校正和辐射校正12 h
标准正射产品2进一步进行了正射校正和地图投影等12 h
定制化产品3根据用户需求提供的定制化正射产品N/A
21at

北京一号

北京二号

辐射校正产品1对原始数据进行了辐射和传感器校正N/A
几何校正产品2进一步进行了系统几何校正N/A
正射校正产品4利用DEM进行了粗正射校正N/A

新窗口打开| 下载CSV


3 震害提取的变化检测算法

地震发生后,基于获取的遥感影像,需要快速查明3类震害信息:倒塌的建筑物、损毁的生命线工程和次生地质灾害等9。其中建筑物震害是造成人员伤亡的主因,也是灾情调查的重点和难点;生命线工程包括道路、电线、水管、通讯等设施,关系到受灾人员的生命维持和现场第一手资料的获取;滑坡、泥石流、堰塞湖、土壤液化等次生地质灾害严重威胁灾区居民的安全和灾区的生态系统。这3类震害在发生的区域、尺度大小、形态特征和表现形式等方面存在着明显的差别,需要采用不同的数据和方法进行提取。本研究将不拘于这3种震害类别,而是着眼于震害信息提取的变化检测算法,对地震灾情调查的现状进行综述,以期为未来地震应急中的灾情提取工作提供参考和裨益。

3.1 变化检测算法概述

变化检测的基本流程主要包括影像预处理、变化检测和精度评价17-18

3.1.1 震前和震后影像预处理

在地震应急情况下,震前、震后的影像可能来自不同的传感器,获取影像的条件(如太阳高度角、光照条件和大气状况等)往往存在着差异,需要消除这些因素造成的虚假变化。几何配准和相对辐射校正是影响变化检测精度的关键步骤18

几何配准的关键在于建立两幅影像对应像元坐标转换的映射函数。几何配准误差是变化检测主要的误差来源之一,因此基于像元的变化检测方法需达到亚像元级的配准精度19。Gusella等20-23均是手动选取控制点实现了震前、震后影像的配准,这也是最常用的配准方法;张伟等24采用相关系数法同时完成了影像的配准和变化检测。面向对象的变化检测方法对配准精度的要求较为宽松,只需要保证震前和震后影像中同一对象的对应性。Bitelli等25对比了基于像元和面向对象的分类方法在震后建筑物震害识别中的效果,指出在同样的配准条件下面向对象方法精度更高、更稳定;Chesnel等26通过计算相关系数实现了屋顶矢量的精确配准,显著提高了建筑物震害的提取精度;Tiede等27通过在设定的虚拟的缓冲区域内搜索震前和震后影像中形状、大小相近的建筑物阴影实现了同一对象的“链接”。

相对辐射校正是指通过比较和修改震前、震后影像的灰度统计量,使其具有趋于一致的光谱特征,以减少影像由于接收条件的不同而造成的灰度与对比度的差异2829。地震灾情调查中常用的相对辐射校正方法有直方图匹配法29-32、暗集—亮集法33、线性回归法34等。

3.1.2 变化检测

完成了数据预处理工作后,就可以选择合适的变化检测方法对震前和震后的影像进行比较,以确定发生变化的区域和变化量,进而评估灾情。对于变化检测的方法,不同的学者有着不同的分类方式,如Lu等17将变化检测方法分为7类:代数法、变换法、分类法、高级模型法、GIS法、目视解译法和其他方法等;Gong等19分成了直接比较法、分类后比较法、统一模型法和时间序列分析法4大类;Tewkesbury等35基于分析的单元对象的不同,将变化检测方法分成了7类;张良培和武辰36根据采用的数据将变化检测分为中低分辨率影像变化检测、高光谱影像变化检测和高分辨率影像变化检测3大类;Si Salah等37从变化检测的目的、输入数据、时间分辨率、分析单元、输出单元、建筑物特征、处理方法、变化类别和精度评估等多个维度上将建筑物的变化检测方法进行了复杂而完备的分类。最常用的分类是根据基本处理单元的不同将变化检测方法分为两大类,即基于像元的变化检测方法和面向对象的变化检测方法18,然后再依据算法原理进行更细类别的划分,本研究将采用这种分类方式对地震灾情调查中的变化检测方法进行综述。

3.1.3 精度评价

在地震应急情况下,不易及时获取实地调查的真实数据,因此对变化检测结果的精度评价通常需要借助高分辨率的震后影像,以目视解译的结果作为真值,构造混淆矩阵,计算精度评价指标,如总体精度、生产者精度、使用者精度、κ系数等。

3.2 基于像元的变化检测算法

基于像元的变化检测方法是以像元作为基本处理单元,优点是简单、直接,能精确定位变化的位置,但对震前、震后影像的配准精度,以及相对辐射校正和变化阈值的选取有着很高的要求。依据提取变化信息的原理的不同,基于像元的算法又可分为直接比较法、特征提取法和分类后比较法。

3.2.1 直接比较法
(1)代数法

代数法是通过震前和震后影像对应波段间的代数运算来提取变化信息,常用的代数运算方法包括:

差值: Idx, y=Ipostx, y-Iprex, y
比值: Irx, y=Ipostx, yIpre(x, y)
归一化差值: Indx, y=Ipostx, y-Ipre(x, y)Ipostx, y+Ipre(x, y)
变化向量: Idx, y=Ipostx, y-Iprex, y            =Rpost(1)-Rpre1,, Rpost(n)-RprenT

其中:Ipre(x, y)Ipostx, y分别表示震前和震后影像在坐标x, y处的像素值(如DN值、辐射亮度或反射率等);RpreiRposti的上标i表示第i个波段。

差值法的思想来自于对“变化”二字的直观理解,是变化检测算法的基础,其他的方法都或多或少地用到了差值法。由于差值法太过简单,仅采用差值法提取震害信息的文献很少,如Yusuf等38在2001年印度古吉拉特邦地震后,采用差值法计算出了震前、震后两幅Landsat-7 ETM+影像的差值影像,设定阈值提取了建筑物倒塌的区域和土壤液化区域;Ishii等39通过震前和震后航空影像的色调、亮度的差值提取出了建筑物的损毁区域。归一化差值是对影像的差值进行归一化,凸显了相对变化量,在震害提取中应用较为广泛,如Romaniello等2340-41人的研究。变化向量法是在差值法的基础上扩展而来的,通过震前、震后影像的所有波段的差值构建变化向量,能够避免单一波段比较带来的信息不完整,如Zhao等34在利用Landsat 8影像提取尼泊尔震后的滑坡时,采用7个波段的反射率和3种植被指数(NDVI、EVI、SAVI)构建了两组变化向量。

代数法优点在于简单、易操作,便于解释变化检测结果,但在实际应用中存在着较多不足:①代数法对震前、震后影像的几何配准和相对辐射校正有着很高的要求,用于高分辨率影像时会产生明显的“椒盐效应”;②对于地震应急中常用的多光谱数据,简单的代数运算没有考虑波段之间的相关性,存在着信息重叠和冗余,且波段间的运算使得不同的数值可能会产生同样大小的差值或比值,忽略了不同地物在不同敏感波段存在的差异,丢失潜在的可利用信息42;③由于存在“同质异谱”和“异质同谱”的现象,代数法提取的震害信息可能存在误检或遗漏。

(2)回归法

回归法考虑了地物自身随时间的变化,震后的理论影像Îpost可以通过震前一系列影像的最小二乘回归得到,获取的真实影像Ipost与理论影像之差即为地震灾害引起的变化:

Idx, y=Ipostx, y-Îpost(x, y)

地震应急情况下,通常不容易获取震前多个时相的数据,因此几乎没有回归法应用于地震灾情的案例。Kohiyama和Yamazaki22在提取2003年巴姆地震的建筑物震害时,提出了一种类似于回归法的方法——图像波动模型法(Image Fluctuation Model,IMF),认为不同时刻同一像元的DN值由于传感器、大气、光照等差异而产生微小波动,利用震前的17幅影像获得其波动模型,计算震后影像的置信水平,从而得到建筑物发生损毁的可能性。回归法的优点在于采用了大量的震前影像对变化的趋势进行拟合或假设,其变化检测的结果较为可靠,但对数据要求过高,且每个时相的影像均要进行配准,计算量大,因此在地震应急中并不常用。

(3)相关系数法

相关系数法是通过计算震前、震后两幅影像的相关系数来判断变化的程度。假设选定的移动窗口大小为m×n,则两幅影像对应窗口的相关系数为:

γ=i,jIprei, j-I¯preIposti, j-I¯posti,jIprei, j-I¯pre2i,jIposti, j-I¯post2

其中:i=1,2,,m;j=1,2,,nI¯preI¯post分别表示两个时相窗口内像元的均值。相关系数越大,表示震前震后影像的变化越小,即损毁程度越小。相关系数不随影像灰度的线性变化而变化,可以消除地震前后由于影像接收条件的不同所造成的灰度与对比度的差异29

Zhang等43对1999年台湾南投地震的震前震后影像,通过设定相关系数的阈值范围,将建筑物的损毁程度划分成了4个等级;Rathje等44采用了相关系数法提取巴姆城区震后的建筑物震害,并发现灰度共生矩阵(Gray Level of Co-occurrence Matrix,GLCM)的相关系数比DN值的相关系数能更好地区分损毁和完好的房屋;Chesnel等26以屋顶范围作为窗口计算相关系数,实现了震前震后屋顶矢量的精确配准;张伟等24为了减小配准误差对相关系数的影响,通过在对应点周围搜索相关系数最大的潜在同名点,使得倒塌和未倒塌建筑的分类精度(κ系数)由0.60提高到了0.85。可见,相关系数不仅可以作为变化检测的特征变量,也可以作为几何配准的相似测度。

3.2.2 特征提取法 (1)植被指数法

为了凸显植被信息,通过强化不同波段的反射和吸收特性,构造了各种植被指数,其中最常用的是归一化的植被指数(NDVI):

NDVI=RNIR-RrRNIR+Rr

其中:RNIRRr分别表示近红、红波段的反射率。

在地震应急中,通常并不关注植被的变化情况,甚至需要剔除植被的影响,如Yamazaki等2244-46在提取城市的建筑物震害信息时,对植被进行了掩膜处理,以消除虚假的变化和干扰;Chini等41发现若不对植被进行甄别,20%~50%未受损的建筑物会被误判为“倒塌”。但在某些情况下可通过植被的变化提取需要的灾情信息,如热带地区或山区植被的明显减少表明可能发生了山体滑坡47。Yang等33使用震前的Landsat 5 TM和震后的Terra ASTER影像通过波段运算得到NDVI,通过对比试验表明了相对辐射校正的必要性和植被指数法对滑坡检测的有效性。

(2)主成分变换法

主成分变换是将具有相关性的多波段影像压缩到完全独立的较少的几个主成分上,使新影像更便于解译。主成分变换法进行变化检测原理是,未变化的区域具有较高的相关性,而发生变化的区域相关性相对较低48。在提取变化信息时,主成分变换法常与差值法结合使用,依据差值和主成分变换的先后可分为差值主成分法、主成分差值法和多波段主成分变换法48-49。主成分变换的缺点是变换后各分量所突出的信息有所不同且物理意义并不明确,具体哪个分量可用来表征变化信息需要一定经验和分析17

Tomowski等31以2010年海地地震后太子港总统府区域为研究对象,从GLCM能量值第一主成分的差值中提取了损毁的建筑、植被和新增的救灾帐篷等变化信息;李成龙等50采用主成分差值法对2003年阿尔及利亚地震的建筑物损毁情况进行检测,然而检测结果中存在很多零散杂乱的图斑,尤其受建筑物阴影变化的影响很大,需要较多的人工干预;Gong等51对比了主成分分析法与差值法、面向对象法的震害提取效果,发现主成分分析法并无优势,提取的变化多为建筑物阴影的变化而非建筑物的损毁。此外,穗帽变换作为一种特殊的主成分变换方法,可以得到具有物理意义的主成分,也在震害提取中得到应用,如Oommen等52基于2001印度古吉拉特邦地震震前、震后的Landsat 7 ETM+影像,利用穗帽变换得到的湿度分量,探测出了灾区土壤液化的分布情况。

3.2.3 分类后比较法

分类后比较法是对震前和震后影像中的像元进行独立分类,然后比较分类结果,如果对应的类别相同,则判定没有发生变化,否则认为发生了变化。分类后比较法在一定程度上借鉴了面向对象变化检测方法的思想,只对感兴趣的对象进行比较,可以直接获得变化的位置、类型和数量等信息,而且通过对震前和震后影像的单独分类,克服了影像由于获取条件、分辨率等因素造成的差异18

Xu等53采用分类后比较法探测出了2008年汶川地震中的唐家山堰塞湖,采用决策树的方法分别对配准好的震前、震后影像进行分类,将震前影像提取出的水体和震后影像提取出的水体、滑坡进行叠加,发现滑坡阻塞河道导致河道变宽形成堰塞湖,进而定量估算了河道增加的宽度和被淹区域的面积。

然而,分类后比较法的缺点限制了其在震害信息提取中的应用:①对每幅影像单独分类,增加了计算量和复杂度,影响时效性;②两次分类的误差会传递到变化检测的结果中而被放大1842。此外,震害信息提取中,变化检测的关注点主要在于“是否”发生了变化或发生变化的程度,至于具体类型的变化(from-to)并非必须获取的信息。

3.3 面向对象的变化检测算法

基于像元的变化检测算法在应用于高分辨率影像时常常会受到局限。首先,分辨率越高,像元越小,空间不一致或者几何配准误差等造成的影响越加明显;其次,高分辨率影像在承载更丰富的地表信息的同时,也导致了同一地物内部像元灰度起伏明显,在使用基于像元的方法时,过多无关的变化会被检测出来,产生“椒盐效应”1854

面向对象的变化检测方法能很好地克服基于像元的方法在配准和噪声等方面的局限55,通过影像中地物对象的提取,直接比较这些地物的光谱特征、纹理特征、形状特征和上下文关系等的变化,更加高效可靠56,此外还能减少光照条件、阴影等差异造成的影响57。面向对象方法的关键在于对象的提取(包括分割和分类),而对变化信息的提取基本上都是借鉴了基于像元的方法,所不同的只是将像元间的比较变成了对象间的比较57。Bitelli等255558对比了基于像元和面向对象的方法,结果表明面向对象方法能够克服配准和椒盐噪声的影响,能更有效地提取震害。

基于Hussain等18的分类方法,结合地震灾情调查中的实际需求和应用情况,本研究将地震中面向对象的变化检测方法分为了3类:目视解译法、直接比较法、多时相叠加法。

3.3.1 目视解译法

震后的灾损评估可分为两大类,即基于算法的定量分析和基于人工解译的定性分析,应当根据具体的任务目标选择合适、有效的分析方法59

人脑是人工智能的模仿对象,可根据自身的认知和经验自动地实现目标对象的提取及其邻域信息的解译。人工解译虽然费事费力,但精度和可靠性相对更高58。对于地震灾情调查这种情况紧急的实际问题,尤其是在人口密度大的城市范围内提取建筑物震害时,人工目视解译仍然是最常用、最可靠的方法72740-4160-61

Saito等59采用震后的IKONOS全色影像,并结合现场实地调查的照片,对目视解译的效果进行评价,表明了目视解译的快速性和对部分建筑损毁解译的局限性;Yamazaki等62采用巴姆地震震前和震后的QuickBird影像,对12 063个建筑物的损毁程度逐个进行了目视解译;Ehrlich等7通过震后映秀城区的WorldView影像、震前和震后都江堰城区的SPOT-5影像识别了滑坡灾害和建筑物的损毁情况;吴玮莹等63利用震后获取的高分二号、北京二号影像和震前的Google Earth影像,通过人工目视解译的方法,以道路整齐边界遭受的破坏和山体植被覆盖的变化作为解译标志,初步建立了九寨沟地震的同震滑坡分布图。为便于目视解译,Zhang等43在提取1999年南头地震的灾情信息时,将震前和震后共2幅灰度影像进行假彩色合成显示,在新合成的彩色图像中,未发生变化的区域为白色—灰色,发生变化区域表现为彩色,这些色彩就包含了震害信息,据此可判断震害分布及其性质。

此外,许多分析算法也是半自动的(semi-automated algorithm)或人机交互的,特别是阈值的设定、震害提取效果的评定等关键问题,都或多或少的需要人工目视解译的参与。然而不可否认的是,如今计算机技术和图像处理算法的愈加成熟,对于大范围的灾情调查,自动化的变化检测算法更快速,是现今震害信息检测的发展趋势。

3.3.2 多时相叠加法

多时相叠加法是指将震前和震后影像叠加在一起,只对震前的影像进行对象的分割和分类,将分类后对象的掩膜直接应用到所有的时相中,仅对掩膜所包含的区域进行比较。多时相叠加法的优点在于对多个时相的影像只需进行一次对象分割和分类,且同一对象具有相同的几何特征18,但该方法需要进行影像的几何配准。

Gusella等20展示了典型的多时相叠加法在建筑物震害信息提取中的应用,作者首先基于均质性对震前影像进行分割,然后采用最近邻法进行分类,将提取的建筑物掩膜叠加到震后影像中,最后再对震后的建筑物进行分类,得到“受损”和“完好”的两类建筑物,总体精度可达70.5%。Samadzadegan等30利用已有的建筑物矢量,比较了震前和震后影像建筑物范围内的8种纹理特征的变化,以此作为输入建立模糊推理系统,将1 133个建筑物识别为未损坏、中度损坏、严重损毁和完全损毁4类。Chini等41在影像分割的基础上,利用多尺度的形态学开运算和闭运算解决了分类中的“同谱异物”问题,将提取的建筑物掩膜同时叠加到配准好的震前和震后影像,通过建筑物对象的归一化差值得到了损毁建筑的分布图。Li等58采用多时相叠加法提取出了建筑物对象,基于震前、震后影像在光谱和伪交叉变异函数纹理特征上的差异,聚焦于“完全倒塌”的建筑物这一单一类别,引入了单类支持向量机来识别倒塌的建筑物,并对比了基于像元和面向对象方法的分类效果,显示了后者的优势。Tong等64基于建筑物的矢量底图计算其理论投影范围内的DN值均值在震前、震后影像中的变化,区分出了完全倒塌、部分倒塌和未倒塌的建筑物。Liu等46在对植被和均质区域进行掩膜处理后,通过分析倒塌和完好的建筑物在对象直方图特征的差异,在剩余的区域内提取出了不同损毁程度的建筑物。Kahraman等65基于已有的建筑物矢量,引入了自相似描述子(self-similarity sescriptor,SSD)来比较震前、震后影像中房屋对象在形状上的变化。Ranjbar等66提取了震前的建筑物对象并叠加到震后影像中,优选了8种特征(包括灰度均值、纹理特征、半方差函数、Gabor特征等),利用模糊推理系统建立了这8特征与建筑物损毁程度之间的关系(if-then),避免了阈值选取问题的困扰。

3.3.3 直接比较法

直接比较法是指将震前和震后影像中分别分割出来的对象进行直接比较,以提取变化信息。直接比较法在提取变化信息时借鉴了基于像元的方法,直接比较震前、震后同一地物对象在光谱、纹理、形状等特征上的变化,因此可以使用前文所述的基于像元的算法。相比于多时相叠加法,直接比较法对配准的要求相对较低,只需要保证震前震后影像中同一对象间的匹配,但直接比较法通常需要进行两次分割和分类。

Matsumoto等5567对震前、震后的影像进行分类,提取出两个时相的建筑物,通过建筑物的减少来判别损毁。类似地,Gong等51根据房屋的长宽比、纹理、尺度等特征建立分类的规则集提取出了震前和震后影像中的房屋对象,认为震后相比于震前减少的房屋对象即为被损毁的房屋。Tiede等27在未对震前、震后影像配准的情况下,通过对比对应建筑物阴影的面积和形状的变化来判断建筑物是否损毁;Zhu等68对震后影像进行分割,通过决策树分类提取出人造地表(如道路、停车场)和裸土,采用多波段主成分变换法判断这些地表是否发生液化。Anniballe等32借助于拉奎拉市已有的GIS底图,利用建筑物高度和传感器姿态等数据精确计算了震前和震后影像中建筑物的矢量多边形,测试了4类共13种影像特征(光谱特征、信息论特征、纹理特征、HSV颜色特征)和2种分类方法(最大后验概率和支持向量机)对建筑物震害的提取效果。

表3所示,总结和对比了前文所述的地震灾情调查中的变化检测算法,从中可以看出各个算法之间的差异和优缺点。

表3   地震灾情调查中的变化检测算法

Table 3  Summary of change detection techniques in post-earthquake damage investigation

方法方法细分优点缺点代表性应用
基于像元的方法直接比较法代数法简单、易操作,便于解释对影像的预处理的要求高;存在“椒盐效应”;只能判断是否发生变化

Yusuf等[38]

Zhao等[34]

回归法稳定可靠需要多个时相的震前影像,需要分别配准,通常难以实现Kohiyama等[22]
相关系数法可以消除地震前后影像的灰度和对比度的差异;可用于配准需确定窗口大小和阈值;配准误差会降低相关性

Rathje等[44]

Chesnel等[26]

特征提取法植被指数法凸显植被信息,在检测滑坡时非常有效只能检测与植被相关的变化

Chini等[41]

Yang等[33]

主成分变换法利用了多波段信息,可消除冗余和相关性物理意义不明确,震害提取需要一定的经验和分析

Tomowski等[31]

Gong等[51]

分类后比较法克服了影像因获取条件引起差异;可以提供变化的类型需要训练样本;需要多次分类;分类误差会传递Xu等[53]
面向对象的方法目视解译简单实用,精度和可靠性高需投入大量的人力资源

Yamazaki等[62]

Zhang等[43]

多时相叠加法对所有时相的影像只需进行一次分割;同一对象具有相同的几何特征需要配准以保证同一对象的对应;震后新出现的地物对象会被忽略

Gusella等[20]

Samadzadegan等[30]

直接比较法简单、直接;可以引入基于像元的比较方法需要精确地分割对象;需解决同一对象的对应问题

Tiede等[27]

Anniballe等[32]

新窗口打开| 下载CSV


4 讨 论

4.1 灾区的数据获取问题

在利用变化检测方法进行震害信息提取时,用到的数据主要包括GIS底图、震前和震后影像、验证数据等。

GIS底图可以极大地便利震害信息提取,降低问题的复杂度,减少计算量和工作量,提高效率和精度,如Samadzadegan和Rastiveisi等303264-66直接采用了GIS底图提供的建筑物矢量,省去了对象分割和建筑物分类等工作。因此,在地震危险度高的城市应大力开展城市GIS底图的绘制和更新工作。

进行变化检测时,震前和震后的影像是必须的,且时效性尤为关键。研究统计了相关文献所采用的数据的获取时间,同时搜集了CHARTER机制响应地震灾害而生成的光学影像产品,统计了这些数据的获取时间,如图1所示,图中横坐标表示地震发生的日期,纵坐标表示震前或震后影像获取时间相对于地震发生时间所间隔的天数。可以看出,绝大多数震后影像都能在1~3 d内获取,基本上可以满足地震应急的时效性需求;震前数据则相对久远,多为一年以前的,期间地表覆盖可能发生了变化(如植被的生长更替、建筑物的拆迁和新建等),不利于震后的变化检测。因此,应对地震危险度高的城市定期观测和更新本地的遥感影像。总体上,震后数据获取的快慢随发震日期的推移并无明显变化,可能与具体的区域、地震的影响程度等因素有关。

图1

图1   各地震前后的光学卫星影像获取时间

Fig.1   Acquisition time of pre- and post-earthquake images


验证数据通常有两个来源,一是高分辨率遥感影像的目视解译结果3369-70;二是地面实地调查的结果32414452。但地面评估与遥感评估的视角和依据的信息不同,建筑物震害的等级划分标准也不同,二者之间往往存在着较大的偏差。Anniballe等32对比了利用QuickBird遥感影像目视解译和现场实地调查的建筑物损毁程度,结果表明遥感影像在识别建筑物震害时存在着严重的“低估”和“漏判”。 一方面是因为高分辨率遥感影像仍不足以识别更细节的信息62,如房屋的裂痕、散落的瓦砾等;另一方面,遥感影像多为天顶或近似天顶观测,对建筑物侧面墙壁的损毁信息获取不足,而实地调查评估中则会较多地利用这些信息,从而导致遥感数据与实地调查更大的偏差59,如低矮楼房的平坍塌或低楼层的垮台(pancake collapse)这类严重的建筑物震害在遥感影像中容易被遗漏71。因而当前较多研究采用自己的准则定义建筑物损毁程度6472,导致与实地调查和其他研究成果之间缺乏对应性和可比性。因此在震害信息提取中,还需要建立起遥感影像与实地调查结果之间的对应关系,以解决遥感影像对震害的“低估”和“漏判”问题,也使不同的研究成果之间具有可比性。

4.2 变化检测的方法

为了系统地综述变化检测算法在地震灾情调查中的应用,本研究对这些算法的类别进行了较为细致的划分,但这种类别的划分并非唯一的18-193573,不同的类别的界限不是严格分明的,可能存在着交叉、借鉴或套用。在实际研究和应用这些方法时,也不会拘泥于算法的类别,如Janalipour等74综合采用了差值法、变化向量法、植被指数法、主成分分析法等多种方法,构建了多准则判据来判断建筑物是否损毁,使检测结果更加稳定、精确。

从实际应用的角度,基于像元的方法简单、直观、快速,在震后的灾情调查尤其是早期的快速普查中应用广泛。本研究对基于像元的方法分类均是基于其提取变化信息的原理,从类别的名称基本上可以知晓其进行灾情提取的操作方法。

从学术研究的角度,面向对象的方法能够克服基于像元的方法在配准和噪声等方面局限,且涉及到地物分类、变化提取等诸多问题,可研究的内容更丰富、更具挑战性,因而更受研究学者的青睐,从而发展出了丰富繁杂的面向对象变化检测算法。正因如此,对面向对象的方法的进一步分类是非常困难的。通过删繁就简,结合地震应急中的应用情况,从两个时相影像中对象分割角度对这些方法分门别类,模糊了这些算法提取变化信息的原理。

此外,就地震灾情调查而言,无论是损毁的建筑物和道路,还是新出现的滑坡、堰塞湖等,在震后影像中都相对于震前发生了变化,因此理论上变化检测算法都是可以检测出这些震害类型的。然而不同的震害类型在尺度、光谱、纹理等特征上存在着各自的特点,因此在实际应用中应针对性地选择合适的数据和方法。

5 结 论

大地震后的灾情调查是变化检测算法的一个极为特殊的应用场景,对变化检测精度、地表类型变化等方面的要求相对较低,对方法的实用性和结果的可靠性、时效性有着非常高的要求。因此目前在实际应用中对复杂算法的引入较为谨慎,当震害信息提取的精度达到可接受的程度时,多数研究并不执着于算法精度的提升和横向对比,也很少对已有的方法进行深度挖掘和优化,因此已有的研究虽提出了各种各样的震害提取方法,但系统性和条理性相对较弱,对这些方法的分类较为困难。

在采用高分辨率影像进行震后的灾情提取时,基于像元的方法简单直接,但需要精确配准,且未考虑像元的邻域信息,存在椒盐效应。面向对象的变化检测方法可以很好地克服上述局限,具有较高的检测精度和稳健性,代表了变化检测的发展方向。尤其是随着数字城市的建设,包括GIS底图在内的基础数据越加完备,将显著提高面向对象方法提取震害信息的效率和精度。

在后续的研究和应用中,需要进一步开展和加强的工作包括:①提高卫星遥感数据的时效性,除了卫星星座组网,还可以加强卫星调度技术、去云算法等的研究;②进行GIS底图的绘制和更新,尤其是地震危险度较高的城市;③当前震害信息提取中的关键问题(包括阈值的选取、配准和精度评价等)都倾向于选择简单直观或人机结合的办法,需要引入更多自动化的算法解决这些问题;④基于遥感影像的建筑物损毁等级存在“低估”,需要建立遥感影像与实地调查间的建筑物损毁程度的对应关系,使不同的研究成果之间具有可比性。

参考文献

Ma YuhongXie Lili.

A study on factors influencing earthquake casualties

[J]. Journal of Nature Disasters, 200093): 84-90.

[本文引用: 1]

马玉宏谢礼立.

关于地震人员伤亡因素的探讨

[J]. 自然灾害学报, 200093): 84-90.

[本文引用: 1]

Liu JiahangYang JianfengWei Chengjieet al.

Acquisition of earthquake damage information based on remote sensing technology: history, current situation and trend

[J]. Journal of Natural Disasters, 2004136): 48-54.

[本文引用: 2]

柳稼航杨建峰魏成阶.

震害信息遥感获取技术历史、现状和趋势

[J]. 自然灾害学报, 2004136): 48-54.

[本文引用: 2]

Wang XiaoqingWang LongWang Yanet al.

Study on the damage assessment of Wenchuan Ms8.0 Earthquake based on remote sensing imagery

[J]. Technology for Earthquake Disaster Prevention, 200833): 251-8.

[本文引用: 2]

王晓青王龙王岩.

汶川8.0级大地震应急遥感震害评估研究

[J]. 震灾防御技术, 200833): 251-258.

[本文引用: 2]

Liu ZhiJiang HuiChen Kunhao.

Research on quasi real-time comprehensive estimation system for earthquake disaster

[J]. Technology for Earthquake Disaster Prevention, 2017124): 834-44.

[本文引用: 1]

刘智姜慧陈焜浩.

准实时地震灾情综合评估系统的研发

[J]. 震灾防御技术,2017124):834-844.

[本文引用: 1]

Rathje E MAdams B.

The role of remote sensing in earthquake science and engineering: Opportunities and challenges

[J]. Earthquake Spectra, 2008242): 471-92.

[本文引用: 2]

Dong LShan J.

A comprehensive review of earthquake-induced building damage detection with remote sensing techniques

[J]. ISPRS Journal of Photogrammetry Remote Sensing, 20138485-99.

[本文引用: 5]

Ehrlich DGuo HMolch Ket al.

Identifying damage caused by the 2008 Wenchuan Earthquake from VHR remote sensing data

[J]. International Journal of Digital Earth, 200924): 309-326.

[本文引用: 3]

Matin S SPradhan B.

Challenges and limitations of Earthquake-induced Building damage mapping techniques using remote sensing images-a systematic review

[J]. Geocarto International,20211-27. DOI:10.1080/10106049.2021.1933213 .

[本文引用: 1]

Dell'acqua FGamba P.

Remote sensing and earthquake damage assessment: Experiences, limits, and perspectives

[J]. Proceedings of the IEEE, 201210010): 2876-2890.

[本文引用: 3]

Kaya GMusaoglu NErsoy O K.

Damage assessment of 2010 Haiti Earthquake with post-earthquake satellite image by support vector selection and adaptation

[J]. Photogrammetric Engineering Remote Sensing, 20117710): 1025-1035.

[本文引用: 1]

Joyce K EBelliss S ESamsonov S Vet al.

A review of the status of satellite remote sensing and image processing techniques for mapping natural hazards and disasters

[J]. Progress in Physical Geography, 2009332): 183-207.

[本文引用: 1]

Geiß CTaubenböck H.

Remote sensing contributing to assess earthquake risk: from a literature review towards a roadmap

[J]. Natural Hazards, 2013681): 7-48.

[本文引用: 1]

Bessis J LBéquignon JMahmood A.

The international charter “Space and Major Disasters” initiative

[J]. Acta Astronautica, 2004543): 183-190. DOI: 10.1016/S0094-5765(02)00297-7 .

[本文引用: 1]

Curiel A D SGomes LPurl Det al. Small satellites for earth oservation[M]. DordrechtSpringer Netherlands2008.

[本文引用: 1]

AstriumEADS.

Pléiades imagery user guide

[EB/OL]. , 2019-06-17. Accessed 2019-09-07.

URL    

DigitalGlobe.

Digitalglobe core imagery products guide

[EB/OL],, 2013. Accessed 2019-09-07.

URL     [本文引用: 1]

Lu DMausel PBrondízio Eet al.

Change detection techniques

[J]. International Journal of Remote Sensing, 20042512): 2365-2401. DOI: 10.1080/0143116031000139863 .

[本文引用: 3]

Hussain MChen DCheng Aet al.

Change detection from remotely sensed images: from pixel-based to object-based approaches

[J]. ISPRS Journal of Photogrammetry and Remote Sensing,20138091-106. DOI:10.1016/j.isprsjprs. 2013.03.006 .

[本文引用: 9]

Gong JSui HMa Get al.

A review of multi-temporal remote sensing data change detection algorithms

[J]. The International Archives of the Photogrammetry, Remote Sensing Spatial Information Sciences, 200837B7): 757-762.

[本文引用: 3]

Gusella LAdams B JBitelli Get al.

Object-oriented image understanding and post-earthquake damage assessment for the 2003 Bam, Iran, Earthquake

[J]. Earthquake Spectra, 200521(): 225-238. DOI: 10.1193/1.2098629 .

[本文引用: 3]

Huyck C KAdams B JCho Set al.

Towards rapid citywide damage mapping using neighborhood edge dissimilarities in very high-resolution optical satellite imagery—application to the 2003 Bam, Iran, Earthquake

[J]. Earthquake Spectra, 200521(): 255-266. DOI: 10.1193/1.2101907 .

Kohiyama MYamazaki F.

Damage detection for 2003 Bam, Iran, Earthquake using Terra-Aster satellite imagery

[J]. Earthquake Spectra,200521():267-274. DOI:10.1193/1.2098947 .

[本文引用: 3]

Romaniello VPiscini ABignami Cet al.

Earthquake damage mapping by using remotely sensed data: The Haiti case study

[J]. Journal of Applied Remote Sensing, 2017111): 016042.

[本文引用: 2]

Zhang WeiWang XiaoqingSun Guoqinget al.

An improved change detection algorithm for building damage extraction based on high resolution RS images

[J]. Earthquake, 2013332): 87-95.

[本文引用: 2]

张伟王晓青孙国清.

高分遥感影像震害提取的变化检测算法改进

[J]. 地震 2013332): 87-95.

[本文引用: 2]

Bitelli GCamassi RGusella Let al.

Image change detection on urban area: The earthquake case

[C]∥ XXth ISPRS Congress. Istanbul, Turkey2004.

[本文引用: 2]

Chesnel ABinet RWald L.

Object oriented assessment of damage due to natural disaster using very high resolution images

[C]∥ 2007 IEEE International Geoscience and Remote Sensing Symposium. Barcelona, Spain2007.

[本文引用: 3]

Tiede DLang SFüreder Pet al.

Automated damage indication for rapid geospatial reporting

[J]. Photogrammetric Engineering and Remote Sensing, 2011779): 933-942.

[本文引用: 4]

Yang XLo C.

Relative radiometric normalization performance for change detection from multi-date satellite images

[J]. Photogrammetric engineering and remote sensing, 2000668): 967-980.

[本文引用: 1]

Zhang JingfaXie LiliTao Xiaxin.

Change detection of remote sensing image for earthquake-damaged buildings and its application in seismic disaster assessment

[J]. Journal of Natural Disasters, 2002112): 59-64.

[本文引用: 3]

张景发谢礼立陶夏新.

建筑物震害遥感图像的变化检测与震害评估

[J]. 自然灾害学报, 2002112): 59-64].

[本文引用: 3]

Samadzadegan FRastiveisi H.

Automatic detection and classification of damaged buildings, using high resolution satellite imagery and vector data

[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 200837(Part B8): 415-420.

[本文引用: 3]

Tomowski DEhlers MKlonus S.

Colour and texture based change detection for urban disaster analysis

[C]∥ 2011 Joint Urban Remote Sensing Event. Munich, Germany2011.

[本文引用: 2]

Anniballe RNoto FScalia Tet al.

Earthquake damage mapping: An overall assessment of ground surveys and vhr image change detection after L'aquila 2009 earthquake

[J]. Remote Sensing of Environment, 2018210166-178. DOI: 10.1016/j.rse.2018.03.004 .

[本文引用: 6]

Yang XChen L.

Using multi-temporal remote sensor imagery to detect earthquake-triggered landslides

[J]. International Journal of Applied Earth Observation and Geoinformation, 2010126): 487-495. DOI: 10.1016/j.jag.2010.05.006 .

[本文引用: 4]

Zhao WLi ANan Xet al.

Postearthquake landslides mapping from Landsat-8 data for the 2015 Nepal earthquake using a pixel-based change eetection method

[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2017105):1758-1768. DOI:10.1109/JSTARS. 2017.2661802 .

[本文引用: 3]

Tewkesbury A PComber A JTate N Jet al.

A critical synthesis of remotely sensed optical image change detection techniques

[J]. Remote Sensing of Environment, 20151601-14. DOI: 10.1016/j.rse.2015.01.006 .

[本文引用: 2]

Zhang LiangpeiWu Chen.

Advance and future development of change detection for multi-temporal remote sensing imagery

[J]. Acta Geodaetica et Cartographica Sinica, 20174610): 1447-1459.

[本文引用: 1]

张良培武辰.

多时相遥感影像变化检测的现状与展望

[J]. 测绘学报, 20174610): 1447-59].

[本文引用: 1]

Si Salah HAit-Aoudia SRezgui Aet al.

Change detection in urban areas from remote sensing data: A multidimensional classification scheme

[J]. International Journal of Remote Sensing,20194017):6635-6679. DOI:10.1080/01431161. 2019.1583394 .

[本文引用: 1]

Yusuf YMatsuoka MYamazaki F.

Damage assessment after 2001 gujarat earthquake using Landsat 7 satellite images

[J]. Journal of the Indian Society of Remote Sensing, 2001291-2): 17-22.

[本文引用: 2]

Ishii MGoto TSugiyama Tet al.

Detection of earthquake damaged areas from aerial photographs by using color and edge information

[C]∥ The 5th Asian Conference on Computer Vision. Melbourne, Australia2002.

[本文引用: 1]

Stramondo SBignami CChini Met al.

Satellite radar and optical remote sensing for earthquake damage detection: results from different case studies

[J]. International Journal of Remote Sensing, 20062720): 4433-4447. DOI: 10.1080/01431160600675895 .

[本文引用: 2]

Chini MPierdicca NEmery W J.

Exploiting SAR and VHR optical images to quantify damage caused by the 2003 Bam Earthquake

[J]. IEEE Transactions on Geoscience and Remote Sensing,2009471):145-152. DOI:10.1109/TGRS. 2008.2002695 .

[本文引用: 6]

Singh A.

Review article digital change detection techniques using remotely-sensed data

[J]. International Journal of Remote Sensing,1989106):989-1003. DOI:10.1080/01431168 908903939 .

[本文引用: 2]

Zhang JXie LTao X.

Change detection of earthquake-damaged buildings on remote sensing image and its application in seismic disaster assessment

[C]∥ IGARSS 2003 2003 IEEE International Geoscience and Remote Sensing Symposium Proceedings (IEEE Cat No03CH37477). Toulouse, FranceIEEE2003.

[本文引用: 3]

Rathje E MKyu-Seok WCrawford Met al.

Earthquake damage identification using multi-temporal high-resolution optical satellite imagery

[C]∥ Proceedings 2005 IEEE International Geoscience and Remote Sensing Symposium2005 IGARSS ' 05. Seoul, KoreaSouth, 2005.

[本文引用: 4]

Wang XLi P.

Extraction of earthquake-induced collapsed buildings using very high-resolution imagery and airborne Lidar data

[J]. International Journal of Remote Sensing, 2015368): 2163-2183. DOI: 10.1080/01431161.2015.1034890 .

Liu JLi P.

Extraction of earthquake-induced collapsed buildings from Bi-Temporal VHR images using object-level Homogeneity Index and histogram

[J]. IEEE Journal of Selected To-pics in Applied Earth Observations and Remote Sensing, 2019128):2755-2770.DOI:10.1109/JSTARS.2019. 2904670 .

[本文引用: 2]

Guzzetti FMondini A CCardinali Met al.

Landslide inventory maps: New tools for an old problem

[J]. Earth-Science Reviews, 20121121): 42-66. DOI: 10.1016/j.earscirev.2012.02.001 .

[本文引用: 1]

Deng J SWang KDeng Y Het al.

Pca‐based Land‐use change detection and analysis using multitemporal and Multisensor Satellite Data

[J]. International Journal of Remote Sensing,20082916):4823-4838. DOI:10.1080/0143116080 1950162 .

[本文引用: 2]

Byrne G FCrapper P FMayo K K.

Monitoring land-cover change by principal component analysis of multitemporal landsat data

[J]. Remote Sensing of Environment, 1980103): 175-184. DOI: 10.1016/0034-4257(80)90021-8 .

[本文引用: 1]

Li ChenglongZhang Jingfa.

Method and application of earthquake damage change detection from remote sensing images based on principal component analysis

[J]. Earthquake, 2013332): 105-110.

[本文引用: 1]

李成龙张景发.

基于主成分分析的遥感震害变化检测方法与应用

[J]. 地震, 2013332): 105-110].

[本文引用: 1]

Gong LLi QZhang J.

Earthquake building damage detection with object-oriented change detection

[C]∥ 2013 IEEE International Geoscience and Remote Sensing Symposium-IGARSS: IEEE2013.

[本文引用: 3]

Oommen TBaise L GGens Ret al.

Documenting earthquake-induced liquefaction using satellite remote sensing image transformations

[J]. Environmental and Engineering Geoscience, 2013194): 303-318. DOI: 10.2113/gseegeosci.19.4.303 .

[本文引用: 2]

Xu MCao CZhang Het al.

Change detection of an earthquake-induced Barrier Lake based on remote sensing image classification

[J].International Journal of Remote Sensing, 20103113):3521-3534. DOI:10.1080/01431161003727689 .

[本文引用: 2]

Niemeyer IMarpu P RNussbaum S.

Change detection using object features

[M]∥ Object-Based Image Analysis: Spatial Concepts for Knowledge-Driven Remote Sensing Applications. BerlinSpringer Berlin Heidelberg. 2008185-201.

[本文引用: 1]

Matsumoto KVu T TYamazaki F.

Extraction of damaged buildings using high resolution satellite images in the 2006 central java earthquake

[C]∥ Proc 27th Asian Conference on Remote Sensing. New Delhi, India2006.

[本文引用: 3]

Johansen KArroyo L APhinn Set al.

Comparison of geo-object based and pixel-based change detection of riparian environments using high spatial resolution multi-spectral imagery

[J]. Photogrammetric Engineering Remote Sensing of Environment,2010762): 123-136.

[本文引用: 1]

Chen GHay G JCarvalho L M Tet al.

Object-based change detection

[J]. International Journal of Remote Sensing,20123314):4434-4457. DOI:10.1080/01431161.2011. 648285 .

[本文引用: 2]

Li PXu HGuo J.

Urban building damage detection from very high resolution imagery using ocsvm and spatial features

[J]. International Journal of Remote Sensing,20103113): 3393-3409. DOI: 10.1080/01431161003727705 .

[本文引用: 3]

Saito KSpence R J SGoing Cet al.

Using high-resolution satellite images for post-earthquake building damage assessment: A study following the 26 January 2001 Gujarat earthquake

[J]. Earthquake Spectra, 2004201): 145-169. DOI: 10.1193/1.1650865 .

[本文引用: 2]

Chini MCinti F RStramondo S.

Co-seismic surface effects from very high resolution panchromatic images: The case of the 2005 Kashmir (Pakistan) earthquake

[J]. Natural Hazards and Earth System Sciences, 2011113): 931-943.

[本文引用: 1]

Bhattacharjee GSoden RBarns Ket al.

Factors affecting earthquake responders’ building damage information needs and use

[J]. Earthquake Spectra, 2021381): 56-80. DOI: 10.1177/87552930211030297 .

[本文引用: 1]

Yamazaki FYano YMatsuoka M.

Visual damage interpretation of buildings in bam city using QuickBird images following the 2003 bam,Iran, Earthquake

[J]. Earthquake Spectra, 200521(): 329-336. DOI: 10.1193/1.2101807 .

[本文引用: 3]

Wu XiaoyingWang XiaoqingDeng Fei.

Compilation and spatial analysis of co-seismic landslide inventory by using high-resolution remote sensing images in earthquake emergency response: An example of the Jiuzhaigou Ms

7.0 Earthquake on August 8, 2017[J]. Technology for Earthquake Disaster Prevention, 2017, 124): 815-825.

[本文引用: 1]

吴玮莹王晓青邓飞.

基于高分卫星遥感影像的地震应急滑坡编目与分布特征探讨——以2017年8月8日九寨沟7.0级地震为例

[J]. 震灾防御技术, 2017124): 815-825.

[本文引用: 1]

Tong XLin XFeng Tet al.

Use of shadows for detection of earthquake-induced collapsed buildings in high-resolution satellite imagery

[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 20137953-67. DOI: 10.1016/j.isprsjprs.2013.01.012 .

[本文引用: 3]

Kahraman FImamoglu MAtes H F.

Disaster damage assessment of buildings using adaptive self-similarity descriptor

[J]. IEEE Geoscience and Remote Sensing Letters, 2016138): 1188-1192. DOI: 10.1109/LGRS.2016.2574960 .

[本文引用: 1]

Ranjbar H RDehghani HArdalan A R Aet al.

A GIS based approach for earthquake loss estimation based on the immediate extraction of damaged buildings

[J]. Geomatics, Natural Hazards and Risk, 201782): 772-791. DOI: 10.1080/19475705.2016.1265013 .

[本文引用: 2]

Yamazaki FSuzuki DMaruyama Y.

Detection of damages due to earthquakes using digital aerial images

[C]∥ 6th International Workshop on Remote Sensing for Disaster Applications: Citeseer2008.

[本文引用: 1]

Zhu JBaise L GKoch M.

Mapping earthquake induced liquefaction surface effects from the 2011 Tohoku Earthquake using satellite imagery

[C]∥ 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS)2016.

[本文引用: 1]

Yang WWang MShi P.

Using MODIS NDVI time series to identify geographic patterns of landslides in vegetated regions

[J]. IEEE Geoscience and Remote Sensing Letters, 2013104): 707-710. DOI: 10.1109/LGRS.2012.2219576 .

[本文引用: 1]

Zhang WLin JPeng Jet al.

Estimating Wenchuan Earthquake induced landslides based on remote sensing

[J]. International Journal of Remote Sensing, 20103113): 3495-3508. DOI: 10.1080/01431161003727630 .

[本文引用: 1]

Pierdicca NAnniballe RNoto Fet al.

Triple collocation to assess classification accuracy without a ground truth in case of earthquake damage assessment

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018561): 485-496. DOI: 10.1109/TGRS.2017.2750770 .

[本文引用: 1]

Zheng ZZhong YWang Jet al.

Building damage assessment for rapid disaster response with a deep object-based semantic change detection framework: From natural disasters to man-made disasters

[J]. Remote Sensing of Environment, 2021265112636. DOI: 10.1016/j.rse.2021.112636 .

[本文引用: 1]

Sun XiaoxiaZhang JixianGao Yanet al.

A summary on current techniques and prospects of remote sensing change detection

[J]. Remote Sensing Information, 2011261): 119-123.

[本文引用: 1]

孙晓霞张继贤燕琴.

遥感影像变化检测方法综述及展望

[J]. 遥感信息, 2011261): 119-123.

[本文引用: 1]

Janalipour MTaleai M.

Building change detection after earthquake using multi-criteria decision analysis based on extracted information from high spatial resolution satellite images

[J]. International Journal of Remote Sensing, 2017381): 82-99. DOI: 10.1080/01431161.2016.1259673 .

[本文引用: 1]

/