近年来, 我国的自然灾害形势日益严峻, 特别是地震频发, 所遭受的影响越来越严重^[1]。自2008年以来, 连续发生了汶川地震、玉树地震、芦山地震、鲁甸地震等特重大地震, 我国社会经济与人民生命财产损失严重^{[2, 3]}。在灾害发生后, 启动多种信息收集获取机制, 利用多种方法开展灾情综合评估工作, 才能更加全面、客观的把握灾情状况。其中, 灾害范围综合评估是展开灾情综合评估的首要工作, 是后续毁损实物量评估和直接经济损失评估的基础^[4]。利用重要评估指标的多源评估结果, 计算反映灾害程度和范围的综合灾情指数, 以县乡为单位明确极重灾区、严重灾区、一般灾区和影响区^[5]。在多人员参与、多来源数据和多种方法计算而得到的评估结果之间存在一定的差异和不一致性, 这种评估结果的冲突不一致将直接影响灾害范围划分的准确性, 特别是在特重大灾害评估中影响突出。通过分析发现, 国内自然灾害综合评估系统以及现有的灾情评估研究较少考虑多源数据评估结果之间的冲突问题。目前主要是通过人工对比、专家会商实现冲突检测, 工作量大, 耗时费工, 检测的冲突问题不突出、分类不全面。本文针对地震范围综合评估数据, 对可能存在的冲突进行分类, 并分别提出了冲突的自动检测方法, 为评估结果的冲突消解提供帮助, 以得出更为准确的范围综合评估结果。

1 灾害范围评估的数据冲突分析

汶川地震以来, 随着重特大灾害统计评估报表定制、统计填报、多方法校核和综合分析业务系统等的完善, 以致灾强度和灾害损失指标共同构建灾情综合指数为核心的灾害范围评估方法逐步形成。综合灾情指数是对一系列灾情评价因子进行归一化和加权处理, 并依次累加求和, 定量化地反映灾情的严重程度^[1]。地震灾害综合灾情指数由因灾造成的死亡和失踪、房屋倒塌、转移安置、地震烈度和地质灾害危险度计算生成, 如汶川地震灾害综合灾情指数由地震平均烈度、死亡和失踪人数、倒塌房屋数、地质灾害危险度和人员转移安置等评价因子构成^[6]。

全面客观的灾情综合评估需要遥感监测数据、灾害现场数据、统计上报数据以及地理基础数据等多元数据为重要支撑^[7]。灾害发生后, 灾情评估专家组采取协同研判与会商机制, 根据实时灾情数据和基础地理数据采用多元方法^{[8, 9]}逐步进行灾情综合评估。通过对遥感数据的协同解译、监测数据的时空分析, 并充分考虑灾区的承灾体统计信息、现场调查信息、基础地理信息和社会经济发展情况对灾害的强度、范围进行相对精确的研判。同时, 根据遥感、职能部门现场调查人员不断监测获得的实时灾害和灾情数据, 不断优化更新研判结果。一般意义上的冲突是指不同的数据描述对同一客观实体的不一致表达。考虑特定灾害评估数据间的冲突, 可理解为不同评估人员对同一评估实体的表达存在不一致差异。

基于遥感数据的灾情信息标绘提取与研判, 获取评估指标的位置、形状等几何属性; 通过灾区现场调查信息、统计上报信息、基础地理信息、社会经济发展情况获取类型、结构、损毁程度等灾害专题属性。从评估数据的几何特征和属性特征出发, 将灾害目标对象间的冲突分为几何冲突和属性冲突。几何冲突指同一目标对象在几何位置、大小和形状上的不一致差异, 如严重损毁房屋在不同评估数据上的不匹配; 属性冲突即同一目标对象的专题属性不一致差异, 如同一损毁房屋的面积、损毁程度等的不一致。

2 冲突检测方法 2.1 冲突检测算法流程

本文从检测对象的几何冲突和属性冲突两方面进行冲突检测。已矢量化或进行专题地图制作的评估数据以及根据遥感影像提取和标绘的矢量数据主要进行几何冲突的检测, 如灾害中对不同专家标绘的损毁房屋的评估结果进行冲突检测。统计数据和现场调查数据之间与标绘数据的专题属性数据进行属性语义冲突的检测, 如对灾害的目标类型、受灾程度等属性值进行冲突检测。随着灾情评估的演进, 灾害数据不断更新, 同一种来源数据评估结果之间也可能产生冲突, 整个冲突检测流程如图 1所示。

2.2 冲突检测方法

几何冲突主要从点、线、面三种数据类型进行分类与检测, 检测的依据是不同来源数据同一灾害评估对象间的几何相似度。几何相似度计算一般从实体的空间特征出发, 有距离、方向、形状以及位置相似度等^[10]。属性冲突主要以同一灾害评估对象的语义相似度作为冲突检测的依据的。本文采用几何冲突检测和属性语义冲突检测相结合的方法进行面要素的冲突检测。

2.2.1 几何冲突检测

点状、线状对象的检测方法较为简单直观, 其中, 对点、线实体的属性进行统计发现冲突后, 通过坐标、距离等参数进行点状对象的冲突检测, 通过位置、长度、距离等参数进行线状实体的冲突检测。对于面状实体, 主要是基于影像标绘或提取的多边形, 由于其轮廓形状上的差异对灾情评估的影响较小, 因此面状实体冲突检测的要素主要包括最小面积外接矩形、重心、面积、阈值、专题属性信息集合等。基于空间几何相似度的不一致性的冲突检测, 需要根据评估对象本身的特征, 选取对象的位置、大小等指标来计算不同源中要素相似度, 具体计算如下:

1) 位置相似度的计算。形状中心点具有旋转、平移和尺度变化不变性的特点, 能较准确地表示多边形整个的区域, 因此通常用来表示一个明确的面状要素。多边形形状中心间的距离可以反映不同多边形间的位置关系。栅格图形的多边形的形状中心利用栅格质心收缩算法和栅格模板累加的方法来确定。而对于矢量图形, 通常用几何坐标中心点来代替实体的形状中心点, 基于多边形节点要素坐标计算几何坐标中心点坐标。由于节点要素的不确定性, 会使得明显形状相似的两个面实体的几何坐标中心点不一致^[11], 因此, 本文利用实体的重心点代替几何中心点以较准确的计算面实体的相似度(重心点可能不在面实体的内部), 其计算公式如下:

$ \mathit{\bar x} = \frac{{\sum\limits_{i = 0}^{n-1} {{x_i}{\sigma _i}} }}{{\sum\limits_{i = 0}^{n-1} {{\sigma _i}} }}, \mathit{\bar y} = \frac{{\sum\limits_{i = 0}^{n-1} {{y_i}{\sigma _i}} }}{{\sum\limits_{i = 0}^{n - 1} {{\sigma _i}} }} $

(1)

式中, x_i, y_i为第i个点的坐标; σ_i为每个边与坐标原点组成三角形的面积。

在计算得到两面实体的形状中心点后, 设P₁ = (x₁, y₁)和P₂ = (x₂, y₂), 采用欧几里得距离来计算位置距离的相似度:

$ {\rm{Sim}}\left( {{P_1}, {P_2}} \right) = 1-\sqrt {\frac{{{{\left( {{x_2}-{x_1}} \right)}^2} + {{\left( {{y_2}-{y_1}} \right)}^2}}}{U}} $

(2)

式中, U为两多边形的任意边界点间距离的最大值。

2) 大小相似度的计算。对以面状实体表示的评估结果数据检测时, 不同检测目标多边形重叠面积是检测冲突的重要因素。本文通过面实体的面积来体现其大小, 基于重叠面积的相似度计算公式如下:

$ {\rm{Sim}}\left( {A, B} \right) = 1-\frac{{|{\rm{Area}}\left( A \right)-{\rm{Area}}\left( B \right)|}}{{{\rm{max}}({\rm{Area}}\left( A \right), {\rm{Area}}\left( B \right))}} $

(3)

2.2.2 属性冲突检测

灾害范围评估数据的专题属性主要由与灾害相关的灾害类型、目标类型、目标结构、受损级别等灾情信息组成。属性字段D={d₁, d₂, …, d_n}由系统在专题标绘过程中自动生成以及数据调查上报统一规定^[12], 其中研判人员将研判结果依据统一的语义标准规范^[13]填写到对应的属性参数中, 例如, 灾害类型d₁=“地震灾害”, 目标类型d₂=“房屋”, 目标结构d₃=“砖混”, 受损级别d₄=“严重损毁”等。

2.2.3 多边形冲突检测算法步骤

根据上述几何冲突检测中相似度的计算以及属性冲突检测方法, 基于几何冲突检测与属性冲突检测相结合的多边形冲突检测的具体实现步骤如下:

1) 确定候选检测实体集。对参考图层内的多边形建立空间索引, 依据索引进行每个多边形的检测。确定参考图层内多边形最小外切矩形(minimumbounding rectangle, MBR), 检测图层内与该MBR相交的实体确定为候选检测实体集。若检测图层内检测候选集中实体数为0, 则检测到冲突。

2) 计算位置相似度。先根据式(1)确定多边形的形状中心点, 然后根据式(2)计算多边形的位置相似度。根据事先设定的检测阈值, 相似度计算值在阈值范围内的通过检测, 反之检测到冲突。

3) 计算大小相似度。本文介绍的大小相似度主要是根据实体面积来计算的, 因此需要先计算多边形的面积, 设多边形顶点坐标为P_i= (x_i, y_i), i=0, …, n, 其中P₀=P_n, 则多边形面积可通过以下公式计算得到:

$ {\rm{Are}}{{\rm{a}}_{多边形}} = \frac{1}{2}\sum\limits_{i = 0}^{n-1} {\left( {{x_i}{y_{i + 1}}-{x_{i + 1}}{y_i}} \right)} $

(4)

进而根据式(3)可确定对象间的大小相似度。基于大小相似度的冲突检测具有相应的检测阈值, 相似度计算值在设定的阈值范围内的通过检测, 反之检测到冲突。

4) 属性冲突的检测。当检测的两多边形位置和大小都通过检测时, 进行两多边形的属性值检测。假设集合D₁表示原对象中多边形的属性集合, D₂表示检测对象的属性集合。对集合D₁, D₂进行遍历, 查询由与灾害相关的灾害类型、目标类型、目标结构、受损等级等灾情信息组成的专题属性, 则当D₁=D₂时, 通过检测; 当D₁≠D₂时, 检测到冲突。

3 应用实例

伤亡人口和倒塌房屋是综合灾情指数计算的重要指标, 对灾害范围的确定与评估起到重要作用。为了验证本文所提出的方法与流程的可行性, 选取地震灾害评估初期倒塌房屋数据进行了实验。数据来源主要为专家基于影像数据的标绘数据、快速评估数据、现场调查数据和统计上报数据。运用本文所提出的方法, 对灾情评估工作中接入的不同来源不同人员不同方法得到的评估结果数据进行了冲突检测, 计算了各特征相似度并进行了比较。选取部分数据如图 2所示, 相似度计算结果如表 1。

表 1表述了图 2所反映的冲突结果与基本的冲突类型。图 2(a)表示的是参考图层中对象在检测图层匹配的候选检测对象个数为0, 即检测候选集的元素个数为0, 因此直接判断检测到冲突, 不进行相似度的计算; 图 2(b)表示了通过比较位置相似度而检测到的冲突; 图 2(c)中所有检测候选实体的与原对象间的位置相似度均在阈值范围内(表 1中取最小位置相似度作为结果输出), 但是大小相似度(取最小值)不在阈值范围内, 故检测到冲突; 图 2(d)中检测候选实体内两多边形一个通过大小相似度检测而另一个不通过检测, 取大小相似度较小的候选实体对象进行比较, 因此结果检测到冲突; 图 2(e)表示无几何冲突而存在属性冲突, 故结果显示检测到冲突; 图 2(f)几何特征相似度和属性项均通过检测, 故结果显示无冲突。在属性冲突检测中, 通过按照原对象与检测对象的属性表字段逐一比较各字段值是否一致, 如表 2所示, 通过几何冲突检测的ID编号分别为53和67的两多边形(图 2(e)), 其灾害类型、目标类型、目标结构等属性字段值判别为一致, 但损毁级别字段值比较结果不一致, 因此检测到属性冲突。

对于检测到冲突的对象, 参考图层上的多边形通过不同颜色闪烁的方式进行冲突点标记, 同时生成冲突信息统计表。所选取的实验区域整体冲突检测显示结果如图 3所示。

4 结束语

灾区灾情综合评估特别是特重大灾害灾情综合评估工作需要多个部门大量专家、工作人员的参与协同, 需要接入大量不同来源的灾情数据, 灾情评估结果间产生冲突是不可避免的, 因此冲突的快速检测与发现是必要的。

本文提出的基于研判评估对象的空间实体特征(位置、大小、形状等)和专题属性特征的逐级对比检测的方法能快速有效地检测对象间的冲突。其中通过对象的空间实体特征相似度计算比较来进行几何冲突的检测, 较传统方法提高了检测的准确度。实验结果表明, 该方法较好地解决了传统人工目视对比效率低下和准确率不高的问题, 并对检测的冲突结果进行统计, 能为后续冲突消解与协调提供参考。然而, 由于研究的冲突检测来源于同一尺度的不同数据, 因此, 在后续的研究中需要充分考虑不同来源数据间的尺度问题, 并关注算法的效率问题, 以适应灾害大数据的要求。