張小詠 朱俊杰 許建華

摘要：燈光遙感圖像變化是強震后燈光變化的直接表現(xiàn)?；趯Φ卣鹎昂鬅艄膺b感圖像特點分析，建立了一種基于燈光破壞的地震災害信息提取方法，并在2001年印度7.9級地震、2011年“3·11”日本9.0級地震進行了應用分析。結(jié)果表明：基于顯著性檢驗的燈光變化檢測方法簡潔有效，利用燈光遙感數(shù)據(jù)不僅能夠從宏觀上獲得地震破壞范圍及其程度，而且能夠直接反映震后受災人口規(guī)模及其空間分布。

關(guān)鍵詞：燈光遙感；地震災害顯著性檢驗；DMSP/OLS

中圖分類號：P315.94 文獻標識碼：A 文章編號：1000-0666（2018）02-0311-08

0 引言

災害規(guī)模、受災程度，以及災害的空間分布等信息是災后應急指揮和決策的依據(jù)，特別是在發(fā)生嚴重地震災害時，通訊與電力中斷往往導致災區(qū)與外界失去聯(lián)系，如何快速獲取災情信息進行緊急救援成為指揮決策的迫切需求。長期以來，地震工作者一直探索著強震巨災發(fā)生后如何快速有效地獲取災情信息。當前，國內(nèi)外利用遙感技術(shù)獲取地震災害信息主要集中在對震后建筑物、橋梁、斷層等地表形變破壞以及崩塌、滑坡等地震誘發(fā)次生災害的研究（張景發(fā)等，2002；單新建等，2005；郭華東等，2011；王曉青等，2015；張小詠等，2016），但地震所帶來的破壞還包括水、電、氣、通訊、交通等生命線工程的損失（陸鳴等，2008；劉愛文等，2012；李東平等，2017）。一旦發(fā)生強震，災區(qū)的電力系統(tǒng)可能受損，這種破壞不僅能反映地震造成的直接破壞，如房屋倒塌、道路中斷等明顯破壞，還能反映表面沒有破壞而實際造成的經(jīng)濟損失，如電力中斷導致的生產(chǎn)停止，這種軟破壞對經(jīng)濟和民生也是一種直接的損失。而燈光遙感圖像可以直接反映這類信息，在地震破壞范圍確定、受災人口、經(jīng)濟損失評估等有著重要的應用價值。

1976年，美國軍事氣象衛(wèi)星（Defense Meteoro-logical Satellite Program，簡稱DMSP）開始搭載的Operational Lines can System（簡稱OLS）傳感器可以在夜間獲取燈光影像，星下點空間分辨率1km，具有每天覆蓋全球的觀測能力，幅寬達2960km，能夠探測到城市燈光甚至小規(guī)模居民地、車流等發(fā)出的低強度燈光，并使之明顯區(qū)別于黑暗背景（陳晉等，2003；何春陽等，2006）。由于燈光直接與人類活動密切相關(guān)，DMSP/OLS已經(jīng)廣泛應用于多個方面，包括燈光與經(jīng)濟活動之間的相關(guān)性（Elvidgeet al，1997），使用燈光數(shù)據(jù)定量估算美國、日本、中國，甚至全球人口（Sutton，1997；Kimberly，2010）：燈光與地震災害之間的相關(guān)性，如日本和美國合作研制的地震災害評估系統(tǒng)（Kohiyama et al，2004），且該評估系統(tǒng)已被應用到日本阪神地震評估中（Hayashi et al，2000）。

由于燈光遙感圖像在地震災害評估方面具有重要的應用價值，本文利用DMSP/OLS數(shù)據(jù)對2001年印度7.9級地震和2011年“3·11”日本9.0級大地震后燈光遙感圖像破壞信息進行提取，并討論了燈光遙感數(shù)據(jù)用于強震巨災后災情信息獲取的應用潛力和局限性。

1 研究區(qū)與數(shù)據(jù)選取

北京時間2001年1月26日11時16分，印度古吉拉特邦發(fā)生7.9級地震，此次地震造成大量建筑物倒塌，2.5萬人死亡，16.7萬人受傷。2011年3月11日13時46分，日本東北部近海發(fā)生9.0級特大地震，并引發(fā)高達40.5m海嘯，造成15985人死亡，13346人失蹤。這2次大地震發(fā)生后震區(qū)內(nèi)電力、通信設備受到嚴重破壞。本文收集這2次地震前后燈光遙感圖像用于分析，具體數(shù)據(jù)見圖1、2。從圖中可以看出，夜間燈光遙感圖像相對于白天的對地觀測衛(wèi)星圖像非常簡單，僅有燈光和背景2種信息，還可以清楚識別出城市和較大居民點，包括大城市和中小城市。對比印度和日本地震前后燈光圖像（圖1、2），不同國家、不同經(jīng)濟發(fā)展水平、不同能源管理方式的燈光亮度差別很大，日本經(jīng)濟發(fā)達、燈光成片且亮度大，而印度燈光相對稀疏。同樣，日本地震造成的燈光破壞也更加明顯。

2 基于顯著性檢驗的震害信息提取方法

燈光代表了人類活動，正常情況下同一地區(qū)的燈光相對穩(wěn)定（圖2a，b，c）。地震發(fā)生后，震區(qū)燈光強度明顯減弱，燈光范圍減小或者消失，發(fā)生了顯著變化（圖2d），地震破壞引起燈光變化是震害信息的一個明顯表征?；谏鲜霈F(xiàn)象分析，可以通過檢測地震前后燈光遙感圖像的變化提取震害信息。目前，基于像素的遙感圖像變化檢測常用的方法有差值法和比值法，考慮到燈光遙感圖像空間分辨率較低，且由地震引起的變化明顯，本文選定差值法，該方法的關(guān)鍵在于如何確定差值的閾值，如果圖像差值滿足一定概率分布，基于數(shù)理統(tǒng)計的顯著性檢驗方法是獲得差值分割閾值的經(jīng)典方法（李春干，代華兵，2017；高波等，2012），也避免了人為給定一個閾值的隨意性。

為了分析基于顯著性檢驗方法進行變化檢測的合理性，分別對2個研究區(qū)的不同時相圖像進行了輻射歸一化，然后計算了不同時相圖像的差值，并根據(jù)差值直方圖擬合得到高斯分布曲線（圖3）。從圖3可發(fā)現(xiàn)：（1）地震前不同時相圖像差值完全滿足正態(tài)分布：（2）圖3a和3b中對稱軸左側(cè)的差值分布基本一樣，而圖3b中對稱軸右側(cè)明顯不對稱：（3）日本和印度地震前后圖像差值規(guī)律一樣（圖3b，c），整體上符合正態(tài)分布，但差值在大于0方向的分布明顯多于小于0方向，且在大于0方向有很多數(shù)值超過高斯分布曲線。

進一步分析可知，正常情況下燈光遙感圖像沒有明顯變化，震前不同時相燈光遙感圖像的差值主要是隨機噪聲。從統(tǒng)計意義上來講，遙感圖像每個像素都可以看作是一個統(tǒng)計樣本，因此震前不同時相圖像差值的直方圖分布應該滿足高斯分布，日本地震前圖像差值的統(tǒng)計結(jié)果也證明了這一點（圖3a）。當?shù)卣鹨馃艄庾兓?，地震前后圖像的差值直方圖雖然整體上仍然符合正態(tài)分布規(guī)律，但是在大于0的方向很多差值分布在高斯分布曲線之外，這部分像素是由于地震引起燈光熄滅或者亮度減弱導致地震前后差值很大，從而出現(xiàn)圖3b和3c中的非對稱現(xiàn)象?？诒镜卣鸬钠茐姆秶?，對應的差值直方圖在高斯擬合曲線之外的像素多；而印度地震破壞相對小，在高斯分布曲線之外的像素相對較少，但表現(xiàn)的規(guī)律和特征都一樣。因此，可以通過地震前后差值直方圖擬合得到高斯概率密度分布函數(shù)，進而利用該函數(shù)的顯著性檢驗的方法來提取地震導致的燈光破壞區(qū)域。

根據(jù)顯著性檢驗，當概率分布函數(shù)和置信度確定后，可計算出概率密度函數(shù)的自變量值。本研究中，自變量是地震前后圖像的差值，置信度對應的自變量數(shù)值是差值圖像分割的閾值。置信度的設置通常采用0.9、0.95和0.99，0.99的置信度一般用于醫(yī)學等要求非常高的領域，在遙感影像的變化檢測中0.9的置信度結(jié)果存在較大的虛警率（Kohiyama et al，2004；高波等，2012）。本文的燈光遙感圖像分辨率較低，且由于多種原因使得圖像存在較大的噪聲，因此置信度設置為0.95，這樣檢測的結(jié)果不會導致虛警率或漏檢率過高。由于變化區(qū)域僅僅體現(xiàn)在差值直方圖大于。的方向，在利用顯著性檢驗確定閾值時，選擇右側(cè)檢驗。

利用地震前后燈光遙感圖像進行震害信息提取流程如圖4所示。由于獲取的DMSP/OLS燈光數(shù)據(jù)是DN值圖像，沒有進行地表輻射量的定量化轉(zhuǎn)換和去云和去噪聲等處理，所以先進行輻射歸一化消除成像過程中產(chǎn)生的誤差。具體采用統(tǒng)計量法，該方法假設同一地區(qū)的遙感圖像具有相同的概率分布，即假設圖像具有相同的均值和方差，所以輻射歸一化可以通過源圖像和參考圖像概率分布的統(tǒng)計量進行匹配。根據(jù)這一假設則有：對式（1）進行變換，得到統(tǒng)計量法的歸一化模型為式中：b1為原圖像歸一化后的像素灰度值；μ1，σ1分別為參考圖像的像素均值和標準差；b2，μ2，σ2分別為原圖像的像素灰度值、均值和標準差。

輻射歸一化后進行地震前后圖像的差值計算，同時統(tǒng)計差值圖像的直方圖，并擬合得到高斯分布函數(shù)，高斯函數(shù)采用：

利用高斯擬合的概率分布函數(shù)進行顯著性檢驗，計算置信度為0.95條件下的差值圖像的分割閾值，最后根據(jù)閾值對差值圖像進行分割提取震害區(qū)域。

3 計算結(jié)果及討論

根據(jù)本文的計算方法和計算流程，首先對地震前后燈光遙感圖像進行輻射歸一化。在統(tǒng)計歸一化轉(zhuǎn)換參數(shù)時，為了降低云及其他噪聲的影響，在圖像中選擇海洋上空若干不受云和噪聲影響的區(qū)域作為統(tǒng)計樣本，統(tǒng)計樣本的均值與方差見表1，再根據(jù)式（2）進行輻射歸一化，并計算歸一化圖像的差值，統(tǒng)計差值圖像的歸一化直方圖，同時擬合得到高斯概率分布函數(shù)（圖3），表1給出了擬合的高斯概率函數(shù)的參數(shù)。根據(jù)高斯擬合曲線計算置信度為0.95條件下的差值圖像的分割閾值（表1），印度地震和日本地震分別對應差值為10和22。最后，根據(jù)閾值對差值圖像進行閾值分割提取震害，差值大于閾值的像素作為提取的震害區(qū)域（圖5）。

日本地震提取結(jié)果表明，破壞燈光主要分布在青森縣、秋田縣、巖手縣、宮城縣、茨城縣（圖5），其中宮城縣和茨城縣破壞燈光面積最大，巖手縣和宮城縣破壞燈光比例最大，達90%以上。圖6a是基于燈光變化的震害破壞范圍和地震動分布圖。從圖中可以看出，宮城縣和茨城縣中部地震動達到55～63gal，對應位置的燈光也出現(xiàn)大范圍破壞；巖手縣破壞燈光呈現(xiàn)帶狀分布，對應地震動的高值區(qū)，強烈的地震動導致大規(guī)模的電力設施破壞，因此，燈光破壞與地震動強度存在較好的一致性。本文提取的巖手縣、宮城縣的破壞燈光面積最大，與震前燈光遙感圖像相比，破壞比例達到90%以上，這與日本氣象廳發(fā)布的巖手縣和宮城縣受災范圍大，全縣停電相一致；茨城縣破壞燈光較多，青森縣、秋田縣提取的破壞燈光相對較少，福島縣、山形縣、新潟縣只是出現(xiàn)少量燈光破壞，與日本氣象廳發(fā)布發(fā)布的局部停電也大致一致。由于本文使用的3月12日DMSP/OLS燈光圖像的空間采樣為1km，燈光遙感分辨率低使得這些縣內(nèi)的一些人口密度小的地區(qū)燈光無法識別，無法提取燈光破壞。對比圖2a，b，c和圖6b可以看出，正常情況下震前燈光遙感圖像與人口密度空間分布具有非常高的相關(guān)性。對日本全年平均燈光強度與人口密度空間分布進行統(tǒng)計分析（以縣為統(tǒng)計單元），見圖7。從圖7也可以看出，燈光強度與人口密度具有很好的相關(guān)性，因此，通過燈光破壞區(qū)域提取也能間接的獲取地震受災人口的規(guī)模和空間分布，這也是利用燈光遙感圖像提取震災害信息的優(yōu)勢。

從利用印度地震前后的燈光遙感圖像檢測結(jié)果來看，震中附近破壞嚴重的普杰、巴庫和安杰爾3個地區(qū)破壞燈光均被提取出來，這與Kohiya-ma等（2004）提取結(jié)果一致。由于沒有更多的震后調(diào)查資料，本文不做詳細的論證，但從圖3c地震前后的差值圖像的統(tǒng)計特征來看，和“3·11”日本地震前后差值圖像具有相似性。

從“3·11”日本地震和印度地震應用效果來看，利用燈光遙感圖像提取的破壞燈光能夠從宏觀上反映地震災害的總體情況，特別是燈光破壞強弱及空間分布與受災人口規(guī)模與空間分布也密切相關(guān)，對于震后第一時間的應急救援具有重要意義。但目前使用的DMSP/OLS燈光數(shù)據(jù)還存在一些缺陷，無論是空間分辨率還是輻射分辨率都比較低，不能滿足對燈光分布和強度的精細化觀測：（1）空間分辨率在星下點為1km，邊緣圖像分辨率2.7km，數(shù)據(jù)量化等級為6bit，DN值0～64，這極大降低了數(shù)據(jù)對燈光的描述能力；（2）由于數(shù)據(jù)不能進行絕對輻射定標和大氣校正等定量化處理，使得數(shù)據(jù)不能定量反演災害程度：（3）燈光數(shù)據(jù)受云的影響大，遙感器波段設置應該考慮去云波段的設置。我國有關(guān)部門正在進行燈光遙感衛(wèi)星的論證，應提高空間分辨率、輻射分辨率，同時提高數(shù)據(jù)定量化處理和去云處理的能力。

4 結(jié)論

燈光是人類活動的標志，強烈地震發(fā)生后的燈光變化反映了電力供應與使用方面的變化，本質(zhì)上是災害造成的發(fā)電、輸電等設施和線路的破壞。因此，燈光遙感影像可以作為地震破壞的一種顯性載體。本文基于對燈光遙感影像和震后燈光變化原因分析，提供了一種利用燈光遙感影像進行地震災害信息提取的方法，并在2001年印度地震、2011年“3·11”日本地震進行應用試驗，發(fā)現(xiàn)燈光遙感圖像目標單一，除了受云等噪聲影響，主要包括燈光和背景信息，可以作為一種地震災情快速獲取的信息來源，利用燈光遙感影像不僅能夠準確提取地震破壞范圍和強度，而且能夠直接反映了震后受災人口規(guī)模與空間分布，對于震后應急救援具有重要意義。

2011年“3·11”日本大地震的地震動數(shù)據(jù)由日本消防廳Hasokawa博士提供，審稿專家提出了中肯的修改意見和建議，在此表示衷心感謝！

參考文獻：

陳晉，卓莉，史培軍，等，2003.基于DMSP/OLS數(shù)據(jù)的中國城市化過程研究——反映區(qū)域城市化水平的燈光指數(shù)的構(gòu)建[J].遙感學報，7（3）：168-175.

單新建，李建華，馬超.2005.昆侖山口西MS8.1級地震地表破裂帶高分辨率衛(wèi)星影像特征研究[J].地球物理學報，48（2）：321-326.

高波，吳濤，李亮.2012.基于假設檢驗的遙感影像變化檢測[J].測繪技術(shù)裝備，14（2）：38-41.

郭華東，陳玉，馮強.2011.2011年日本東北9.0級大地震災區(qū)建筑物與農(nóng)田災情遙感評估[J].科學通報，56（12）：895-901.

何春陽，史培軍，李景剛，等.2016.基于DMSP/OLS夜間燈光數(shù)據(jù)和統(tǒng)日數(shù)據(jù)的中國大陸20世紀90年代城市化空間過程重建研究[J].科學通報，51（7）：856-661.

李春于，代華兵.2017.基于統(tǒng)計檢驗的面向?qū)ο蟾叻直媛蔬b感圖像森林變化檢測[J].林業(yè)科學，53（5）：74-81.

李東平，劉倩倩，襲俊.2017.基于海量視頻監(jiān)控的中小地震烈度快速判斷方法嘗試[J].40（2）：324-332.

劉愛文，廈珊，呂紅山.2012.汶川地震極重災區(qū)通信基站典型震害及原因分析[J].電信工程技術(shù)與標準化，（12）：82-86.

陸鳴，季鴻晶，溫增平，等.2008.都江堰市移動通信系統(tǒng)及其建筑物震害特征[J].北京工業(yè)大學學報，34（12）：1160-1165.

王曉青，竇愛霞，王龍，等.2015.2013年四川蘆山7.0級地震烈度遙感評估[J].地球物理學報，58（1）：163-171.

張景發(fā)，謝禮立，陶夏新，2002.建筑物震害遙感圖像的變化檢測與震害評估[J].自然災害學報，11（2）：59-64.

張小詠，李慶亭，高娜.2016.基于中分辨率遙感影像的居民區(qū)震害信息提取[J].地震學報，38（3）：486-495.

Elvidge C P，Bangh K E，Kihn E A，et al.1997.Relation between satelliteobserved visible-near infrared emissions，population，economic ac-tivity and electric power consumption[J]，International Journal ofRemote Sensing，18（6）：1373-1379.

Hayashi H，Hashiteras，Kohiyama M，et al.2000.International coRabora-tion for the early damaged area estimation system using DMSP/OLSnighttime images[C].IEEE 2000 International Geoscience and Re-mote Sensing Symposium，6：2697-2699.

Kimberly B，Christopher D，Tdottama G，et al.2010.Development of a2009 stable lights product using DMSP/OLS data[J].Proceedings ofthe Asia-Pacific Advanced Network，30：114-130.

Kohiyama M，Hayashi H，Maki N，et al.2004.Early damaged～estima-tion system using DMSP-OLS night-time imagery J].Internation-al Journal of Remote Sensing，25（11）：2013-2036.

Liu A W，Xias，Lv H S，et al.2012.Typical damage analysis far mobilecommunication base stations in the extremely damage area of Wen-churn earthquake[J].Telecom Engineering Technics and Standardi-zation，12：1-5.

Sutton P.1997.Modeling population density with nighttime satellite im-agery and GIS[J]·Computers Environment and Urban SysteMS，21（3-4）：227-244.