Fine information extraction of 3D building seismic damage based on unmanned aerial vehicle oblique images
-
摘要: 无人机倾斜摄影技术建模生成的三维影像较好地展现了建筑物侧面和顶面的震害细节信息，然而影像的高维度特性难以直接基于三维影像提取震害信息，经过降低维度转换的二维纹理影像往往会导致建筑物震害信息的不完整性和破碎性。针对这些问题，本文以2017年九寨沟MS7.0地震为例，提出了一种直接从九寨沟震后三维影像获取侧面纹理信息的方法，即将三维模型打散，实现纹理与不规则三角网分离，从而获取完整的纹理影像，然后利用金字塔模型的瓦片坐标范围、瓦片命名规则和建筑物单体的空间位置选取最优纹理影像，再使用加权均值方差法确定纹理影像中建筑物的外墙最佳分割尺度后，采用面向对象方法提取建筑物外墙和墙皮脱落信息，最后通过对这些建筑物震害特征的分析，判定单体建筑物的破坏等级。结果显示，该方法成功获取了建筑物完整的侧面震害纹理影像，并基于纹理影像提取了外墙、裂缝和墙皮脱落区域信息判定建筑物单体为中等、严重两个破坏等级。Abstract: The three-dimensional image generated by the unmanned aerial vehicle oblique photography technology can better display the details of seismic damage on the side and top of buildings. However, it is difficult to directly extract the seismic damage information based on the three-dimensional image due to the high latitude characteristics of the image, and the two-dimensional texture image transformed by reducing the dimension often leads to the incompleteness and fragmentation of the seismic damage information of buildings. To solve these problems, this paper takes the 2017 Jiuzhaigou MS7.0 earthquake as an example, and proposes a method for scattering the three-dimensional model, separating texture image from triangulated irregular network, and directly obtaining the complete side texture image after the Jiuzhaigou earthquake. Then, the optimal texture image is selected by using the tile coordinate range of pyramid model, the naming rules of tile and the spatial position of building monomer. After the optimal segmentation scale of building exterior wall in texture image is determined by using weighted mean variance method, this paper adopts the object-oriented method to extract the information of building exterior wall and wall skin shedding. Finally, through the analysis of earthquake damage characteristics of these buildings, the damage level of building monomer is determined. The results show that the method successfully obtains the complete side seismic damage texture images of buildings, and extracts the information of the external wall, crack and wall peeling area based on the texture image to determine the medium and serious damage levels of the building monomer.
-
引言
2008年5月12日汶川MS8.0地震是唐山地震以来我国发生的破坏程度最严重的大地震，虽然该地震已经过去近10年，但对该地震进行更加深入的研究，在地震科学领域中仍然具有非常重大的科学意义。
强震前的短临前兆研究对地震预报研究更具吸引力，获取确定性的短临前兆信息是地震短临预报的基石（傅承义，1963；Knopoff，1996；Uyeda et al，2009 ），大震前的地电场异常信号便属其一。大量研究已表明地震前存在着地电场异常的变化信号（Corwin，Morrison，1977；赵玉林，钱复业，1981；Varotsos，Alexopoulos，1984a，b；Kinoshita et al，1989 ；Nagao et al，1996 ；毛桐恩等，1999；Uyeda et al，2000 ，2001；马钦忠，2008a，b；马钦忠等，2009，2013；Huang，2011a，b）。截至目前，在已有的汶川MS8.0大地震前的电磁异常前兆中，成都台地电阻率中短期异常变化无论是震前还是震后均被认为是地震前兆异常（钱家栋等，2013），而地震前地电场前兆异常信号则为短临信息。在地电场观测中引起地电场异常变化的原因很多，例如大地电磁效应、人工电源放电、雷电效应、降雨过程以及电极极化效应等（Varotsos，Alexopoulos，1984a，b；Uyeda et al，2000 ，2001），所有这些干扰均须在地震前兆信号识别之前予以排除。20世纪80年代初，希腊“VAN”小组在台站NS和EW方向上布设了不同尺度（100—200 m）的短偶极以及适当方向上布设了长为1—10 km的长偶极，通过一系列准则消除观测数据中的所有干扰，筛选出地震异常信号并将其称之为地震电信号（seismic electric signal，简写为SES）（Varotsos，Alexopoulos，1984a，b；马钦忠，1997；Uyeda et al，2009 ）。这种排除干扰方法的普适性在独立的检验中也得到了确认（Geller，1996）。1992年，在美国国家科学基金会组织的题为“地震的低频地电前兆：是事实还是捏造?”的研讨会上，专家们的结论是： “在希腊观测到的地震电信号产生于地球内部，其与地震之间表观上的关联看来很有希望”（Park et al，1993 ）。我国自“九五”计划以来相继建立了由120个台站组成的数字化地电场观测网，所采用的电极布设方式均为两道短偶极，即在NS，EW和NE （NW）方向分别布设两道长短不一（200—500 m）的观测电偶极，同时使用固体不极化电极作为测量电极以保证电极电位差较小并且具有较好的长期稳定性，初步实现了地电场的多极距观测。由于条件限制以及对其使用价值的认识，我国目前还未安装数千米长的长偶极。尽管具备了一定条件的地电场多极距观测，但在我国开展基于地电场多极距观测原理来排除干扰噪声并筛选出地震电信号的研究还比较缺乏，亟需努力推动这方面的工作。
汶川MS8.0大地震的灾害程度和影响范围之广在我国地震灾害史上尤为显著，但是截至目前，针对成都台（位于汶川大震震源区域内）的地电场异常信号还未进行深入有效的研究，亟需对其地电场异常信号进行深入研究和总结。鉴于此，本文拟基于地电场多极距观测原理和10年尺度的地电场资料对其进行深入分析与研究，以期为地电场异常信号的研究提供有益的参考，为基于地震电磁学的短临地震预报方法研究积累典型震例。
1. 成都地电场台站观测
成都地电场台位于四川郫县，在龙门山断裂带前山断裂附近，距离汶川MS8.0大地震震中约35 km。汶川地震的震中和成都地电场台站的位置如图1a所示，其中龙门山断裂带走向为N40°—50°E，由NW向SE依次分布有后山断裂、中央断裂、前山断裂。成都台距离前山断裂约12 km，由于汶川地震破裂尺度大，沿北东向的龙门山断裂带长达300 km左右（陈运泰等，2008）。成都台位于震源区内，地震电信号应该最为强烈。
![]()
图 1 汶川MS8.0大震震中和成都地电台的位置（a）以及成都台测区地电场观测电极布设示意图（b）Figure 1. Schematic diagram of locations of the epicenter of Wenchuan MS8.0 earthquake and Chengdu geoelectric field station （a） as well as layout of the multi-separation observation system at Chengdu station （b）成都地电场台站观测使用ZD9A地电场仪，观测电场信号的频率为0—0.005 Hz，采样率为1次/分，电极的布设方式为多极距装置系统，如图1b所示，分别在NS，EW和NE方向采用两道测道布设电极，分别为长极距测道和短极距测道，共6个测道。
2. 汶川MS8.0地震前成都台地电场异常信号解析
在地电场震前异常信息的提取中，最主要的方法就是根据地电场多极距观测原理对所观测到的异常信号进行判断，以排除大地电磁效应、人工电源放电、雷电效应、降雨过程以及电极极化效应等噪声的影响。对于与地震有关的电信号的判识，必须满足：① 地震电信号并非在所有台站上均可被观测到，据此可以排除具备广域性的大地电磁效应；② 异常电信号可在同向所有极距上被同时观测到，据此可排除电极极化噪声和降雨引起的噪声等干扰；③ 同向短极距与长极距的异常信号幅值的比值保持不变（对固定源而言）；④ 如有数千米长的极距，任何与偶极本身的尺度（10 km左右）相对而言为远场源的信号不相匹配的信号均可被消除。数千米长极距观测信号的极化方向与短极距上信号极化方向的关系，对与地震有关的电信号的判断非常重要（Varotsos，Lazaridou，1991，1993；马钦忠，1997，2008b）。通过筛选后保留下来的信号即为与地震有关的电信号。
2.1 汶川MS8.0地震前成都台地电场异常信号特征分析
2008年5月12日汶川MS8.0特大地震前于4月10—17日在成都地电场台观测到了非常强烈的电信号，如图2所示，该时段无雷电发生。该组信号结束后第25天，距离台站35 km处的汶川县发生MS8.0地震。该组信号同时在6个测道上被观测到，且在每个方向上每组长极距、短极距观测曲线的形态相同。检查该台2007—2017年这10年时段的观测资料可知：2007年5月23日地电场观测正式运行，6月至7月初连续出现非常规律的每小时一次脉冲变化，该变化是同台地电阻率观测时人工供电产生的信号，后经观测技术处理后地电同台观测噪声消失；2009年4月6—8日出现一组每小时一次脉冲变化，依据多极距观测原理，因其NE向长极距信号与短极距信号反向且持续时间不同故判断为噪声。除上述情况在10年内再未观测到具有如图2所示特征的信号。本文所用数据均来自原始观测数据库。下面将针对与汶川特大地震有关的电信号特征予以分析。
![]()
图 2 2008年4月10—17日汶川地震前成都台观测到的地电场异常信号ENS L ，ENS S 和EEW L ，EEW S 及ENE L ，ENE S 分别表示NS，EW，NE方向长极距和短极距测道观测到的电场分量Figure 2. Strong abnormal signals of the geoelectric field recorded at Chengdu station from April 10 to 17，2008 before Wenchuan MS8.0 earthquakeENS L ，ENS S and EEW L ，EEW S as well as ENE L ，ENE S represent the geoelectric field components observed on the long and short dipoles in NS，EW，NE directions，respectively2.1.1 波形特征
This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
![]()
图 3This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
（a） 4月10日23:00至11日4:00，振荡型；（b） 4月11日4:00至16日12:00，脉冲型；（c） 4月17日2:00—3:00，振荡型；（d） 4月17日21:00—23:10，振荡型Figure 3. Abnormal signal forms of ENS S component of the geoelectric field recorded at Chengdu station from April 10 to 17，2008（a） Oscillating-type abnormal signal from 23:00 on 10 April to 4:00 on April 11； （b） Pulse-type abnormal signal from 4:00 on 11 April to 12:00 on 16 April； （c） Oscillating-type abnormal signal from 2:00 to 3:00 on 17 April； （d） Oscillating abnormal signal from 21:00 to 23:10 on 17 April2.1.2 幅值特征
定义NS和EW方向短极距与长极距观测信号最大幅值之比为
${\lambda _{{\rm{NS}}}} = \frac{{E_{{\rm{NS}}}^{\rm S}}}{{E_{\rm {NS}}^{\rm L}}}, \ {\lambda _{{\rm{EW}}}} = \frac{{E_{{\rm{EW}}}^{\rm S}}}{{E_{{\rm{EW}}}^{\rm L}}}{\text{.}}$
(1) 表1给出了2008年4月10—17日成都地电场台观测到的强烈电信号的最大幅值以及λNS值和λEW值。对于图2中的异常信号，在2008年4月10日23:35至2008年4月11日4:00期间的震荡型形信号在6个测道上的最大幅值范围为138—904 mV/km；2008年4月11日04:00至16日12:00的脉冲型信号在6个测道上的最大幅值范围为69—1 028 mV/km；4月17日2:00—3:00和22:00—23:00时段的异常信号最大幅值范围分别为38—322 mV/km和60—554 mV/km，可见在不同时段异常信号的最大幅值变化范围并不相同。
表 1 2008年4月10—17日成都台地电场异常最大幅值Table 1. Maximum amplitude of the geoelectric field anomaly at Chengdu station during April 10 to 17，2008月-日 时:分 ENS L
/（mV·km−1）ENS S
/（mV·km−1）EEW L
/（mV·km−1）EEW S
/（mV·km−1）ENE L
/（mV·km−1）ENE S
/（mV·km−1）λNS λEW 04−11 01:30± 196 886 205 904 138 626 4.52 4.41 04:05 264 416 252 472 176 348 1.57 1.86 12:03 338 448 310 500 212 388 1.33 1.61 13:04 292 440 340 442 230 338 1.51 1.30 19:03 328 458 306 490 210 388 1.40 1.60 20:04 302 436 342 442 226 342 1.44 1.30 04−12 05:03 308 480 300 542 210 374 1.56 1.81 08:03 302 486 300 562 228 358 1.61 1.87 10:03 338 468 376 458 262 312 1.39 1.22 11:04 304 552 320 530 244 330 1.82 1.64 18:04 338 434 328 492 216 352 1.30 1.50 20:02 366 448 376 450 232 350 1.22 1.20 04−13 01:04 292 534 334 496 246 322 1.83 1.49 07:03 358 450 382 450 236 348 1.26 1.18 08:04 338 428 318 496 216 372 1.27 1.56 08:50 732 1 024 780 1 028 584 718 1.40 1.32 10:52 328 370 298 402 182 300 1.13 1.35 14:03 338 452 386 448 242 336 1.34 1.16 15:04 292 530 338 492 248 320 1.82 1.46 17:03 298 502 298 552 238 342 1.68 1.85 22:04 292 540 324 510 242 326 1.85 1.57 04−14 05:03 300 536 310 538 244 334 1.79 1.74 10:04 372 436 328 502 216 374 1.17 1.53 12:03 376 442 262 462 224 348 1.18 1.76 13:04 356 450 316 502 212 384 1.26 1.59 15:03 296 538 326 510 242 324 1.82 1.56 16:23 576 676 508 754 346 528 1.17 1.48 16:37 252 380 266 410 180 274 1.51 1.54 20:04 354 454 314 504 212 386 1.28 1.61 22:03 378 432 336 488 216 352 1.14 1.45 04−15 00:03 98 142 100 190 69 146 1.45 1.90 04:03 300 508 298 548 238 342 1.69 1.84 05:04 296 528 342 484 266 318 1.78 1.42 11:03 300 544 324 530 244 332 1.81 1.64 16:04 306 518 344 476 270 314 1.69 1.38 18:03 384 440 348 488 222 354 1.15 1.40 23:05 336 468 308 502 210 390 1.39 1.40 04−16 00:08 147 250 170 234 138 158 1.70 1.38 02:09 312 486 304 560 228 366 1.56 1.84 07:10 298 540 316 534 242 348 1.81 1.69 09:06 350 498 382 512 234 390 1.42 1.30 04−17 02:26 78 322 49 138 38 212 4.13 2.82 22:17 152 554 154 458 60 195 3.65 2.97 由表1可见，在NS，EW，NE这3个方向上每个时段所观测到的异常电信号在短极距上的最大幅值要比长极距上的大许多，该现象常表现为近源特征且与台站下方电性结构和各向异性有关，与信号源的位置也有密切关系（马钦忠等，2016a）。
关于λNS值和λEW值的变化特征，作者曾对起源于确定源的地电场变化特征作过探讨。对于同一信号源而言，在不同台站λNS值与λEW值不同，在同一台站则相同；对于同一台站，不同源的λNS值和λEW值会发生改变，对不同台站自然也不同（马钦忠等，2013，2014，2016a，2017）。
2.1.3 单位时间脉冲数
2008年4月10日23:35至11日4:00期间的异常信号是连续的分叉式信号；对于如图3b所示的短促矩型脉冲信号而言，其幅值比正常日变化幅值大一个数量级以上，具体特征列于表2；17日出现2次分叉式的信号。4月10—17日共计43次异常信号。
表 2 2008年4月10—17日成都台地电场异常脉冲型信号特征Table 2. Characteristic of the geoelectric field anomaly at Chengdu station from April 10 to 17，2008年-月-日 脉冲次数 持时/min 2008−04−11 5 8—12 2008−04−12 6 10—13 2008−04−13 9 10—13 2008−04−14 9 2—13 2008−04−15 7 10—11 2008−04−16 4 10—12 图4给出了4月11—16日脉冲型信号的单位时间脉冲数（个/天）曲线，可见该曲线呈两头低中间高的特征。日本研究人员通过深入分析震前异常电磁脉冲特征，认为单位时间电磁脉冲数可作为地震短临异常指标，该数值增大意味着岩石应力集中程度增高（Oike，Ogawa，1986；Oike，Yamada，1994；Enomoto et al，1997 ；Fujinawa，Takahashi，1998）。
![]()
图 4 成都台地电场4月11—16日单位时间脉冲数曲线图Figure 4. Curve of number of pulses per unit time of geoelectric field recorded at Chengdu station from April 11 to 162.1.4 脉冲时间间隔
2008年4月11—16日的短促矩型脉冲式异常信号的形态相似，但时间间隔无规律。一般而言，常见的人类活动中成组的脉冲型干扰信号具有时间间隔有规律或准规律的特点，如地电阻率观测中每小时供电信号等。但图2所示的异常脉冲信号的时间间隔毫无规律可循，即每个脉冲与相邻脉冲之间的时间间隔呈随机性特征，如图5所示。这些脉冲间隔时间呈现出的随机性特征与岩石受压过程中产生许多微裂隙的随机性特征极为相似（Crampin et al，2015 ）。
![]()
图 5 成都地电场台4月11—16日脉冲信号时间间隔变化曲线Figure 5. The time interval variation curve of the pulses of geoelectric field recorded at Chengdu station from April 11 to 16，20082.1.5 极化特征
地电场极化特征是指采用地电场的NS和EW两个方向的数值分别为坐标系的纵、横坐标轴所生成的图形变化特征。当台站观测到的地电场是线性极化时，极化方向发生偏转则可认为是异常的表现（毛桐恩等，1999）。许多台站地电场观测资料测值的极化特征不是线性极化，主要原因在于观测资料中大地电场和自然电场以及其它噪声信号总是叠加在一起，并受到台站地下电性结构非均匀性的较大影响。成都台平时无干扰时表现为非线性极化特征，如图6a中2008年4月7—8日，但图6b所示的2008年4月10—17日异常地电场信号的极化特征则表现为完全线性极化。需要说明的是，由于成都台地电场长极距数据与短极距数据在线性极化特征上不存在明显区别，故图6仅给出长极距数据的极化特征，该图所示的线性极化部分就是地电场异常的变化幅差部分。另外，极化的方位角特征与观测站台址下方介质电性结构、台站与信号源之间大尺度介质电性结构特征以及台站与信号源之间的几何关系均密切相关（马钦忠等，2014，2016a）。对于与地震有关的电信号，这一线性关系与震中区位置密切相关，Varotsos和Lazaridou （1991）以及Varotsos等（1996）的研究结果也显示了这种电信号的极化特征，不同斜率的线性关系代表不同的震源区。
![]()
图 6 成都台地电场极化图（a） 2008年4月7—8日正常时的非线性极化；（b） 2008年4月10—17日震前异常信号的线性极化Figure 6. Geoelectric field polarization of Chengdu station（a） Normal nonlinear polarization during the period from April 7 to 8，2008; （b） Linear polarization of the seismic electric signals during the period from April 10 to 17，20082.2 与汶川MS8.0地震有关的电信号源区位移
从地电场观测多极距原理和向地下注入大电流时大范围野外观测试验研究的结果可知，当信号源的位置固定时，某一观测台站所观测到的信号在同一方向（EW，NS方向）上的长、短极距比值基本上是稳定的；当信号源的位置发生迁移时，同一台站同一方向上的长、短极距比值也发生改变，也就是说不同的比值代表不同信号源的位置（马钦忠，2008b；马钦忠等，2014，2016a）。这一特征在地下存在电偶极子源的模型计算公式中同样可得到（傅良魁，1983）。
为了证明图2所示的成都台地电场异常信号是汶川MS8.0地震可信度很高的前兆电场信号，对其信号源的位置信息进行分析。表1中数据显示在2008年4月10日23:35至11日4:00期间λNS＝4.52，λEW＝4.41；11—16日期间λNS＝1.49±0.36，λEW＝1.53±0.37；17日2:00—3:00期间λNS＝4.13，λEW＝2.82；17日22:00—23:00时段λNS＝3.65，λEW＝2.97。将这4个时段的λNS和λEW绘制成柱状图（图7），可清晰地显示出其中的差别，更明确地表明这4个时段的电信号来自于不同的源区，且第三区域和第四区域很相近。这些异常信号应来自于汶川大震孕震区范围内不同的区域。
![]()
图 7 成都台2008年4月10—17日地电场异常信号4个时段的λNS和λEW柱状图Figure 7. λNS and λEW histogram of the abnormal signals of geoelectric field recorded at Chengdu station for four intervals from April 10 to 17，20083. 汶川MS8.0地震前成都台地电场有关异常机理的推想
地震孕育中的应力积累过程会伴生电磁信号的产生和传播，国内外许多研究人员对地震电磁信号的产生机理进行了广泛的研究。Varotsos和Alexopoulos （1986）以及Varotsos和Lazaridou （1991）提出在孕震后期当应力积累并增加至一定值时，岩石中点缺陷产生的电偶极子将定向排列从而产生电流。Freund （2007）的研究认为当岩石中应力增加导致岩体互相挤压时，压力会使缺陷岩体中的化学键断裂从而产生正电荷，这使得受压岩体转化为一种可以流出电流的“电池”并使局部电磁场产生变化。Enomoto （2012）认为地震核与深部地气的耦合作用使气体通过破裂的凹凸体时由于外溢电子相互作用会引起一种带负电气流，其电流量足以解释在地表所观测到的地震电磁信号。作者近年曾进行过3次2 900—4 000 m深部岩石压裂过程的观测试验研究（马钦忠等，2016b），结果显示油田压裂过程中地下深部岩石在短时间内受到60 MPa巨大压力作用而产生微裂隙时，在地表可以观测到非常显著的电磁异常信号，这从更大范围的野外观测中证明了地下深处剧烈的力学过程足以产生足够强的电流源并且可以在地表观测到所产生的电磁信号。由此可见，在孕震区域中应力加速积累过程中伴随产生了强大的电流源，Freund （2007）通过岩石实验和理论计算认为受压岩石单位体积产生的电流强度量级可达105 A/km3的电流。
汶川MS8.0大震的破裂过程显示出显著的分段特征，破裂沿北东向的龙门山断裂带长达300 km左右，两个到达地表的大破裂区分别位于地表破裂最为严重的映秀—汉旺段和北川—青川段，前者的破裂程度相对较高；破裂过程持续时间约为110 s，破裂由几次子事件组成，地震矩释放率总体上呈现为4次较大的起伏（中国地震局监测预报司，2009）。可见汶川地震的孕震区范围较大，应力积累区域不止一处；每个应力积累区域破裂一次便使断层面应力释放一次，位置不同的4个应力积累区域相继破裂便导致了4次断层面应力释放。这一过程说明汶川大震前孕震区的主要应力积累区域的位置不同，由此似乎也说明了主震前孕震区存在4个产生地震电磁信号的区域，这与图7所示结果非常一致。另外，巧合的是，在表1中所给出的汶川地震前地电场异常信号源位置不同的4个时段（图7）中，最强信号的强度顺序与张勇等（2009）给出的汶川主震震源时间函数中地震矩释放率的4阶段强度顺序一致。
由此，本文对图2中与汶川MS8.0大震有关的2008年4月10—17日成都台地电场异常机理的推想解释模型如图8所示，图中孕震区的阴影区为受力的应力积累区，是成都台地电场异常信号可能的源区，空白区为滑动区。位置不同的应力积累区域在不同的时段依次相继发生破裂前，应力快速集中，并依次产生与地震相关的电场信号。此时，这些应力积累区域随即进入应力亚失稳阶段，而这正是破裂前的不可逆阶段（马瑾，2016），随后这些区域相继破裂、断层面应力释放，最终导致汶川MS8.0地震的发生。
![]()
图 8 汶川MS8.0地震前孕震区应力积累区域推想示意图Figure 8. Conjection schematic diagram of the stress accumulation regions in the seismogenic zone before the MS8.0 Wenchuan earthquake4. 讨论与结论
本文对2008年4月10—17日成都台与汶川MS8.0地震有关的地电场异常信号进行了深入分析与研究，对其波形特征、幅度特征、单位时间脉冲数、脉冲时间间隔、极化特征进行了详细解读。同时，也对汶川MS8.0地震前成都台地电场异常信号源区位移的响应特征进行了探讨。结合汶川MS8.0地震的震源过程和破裂特征的研究结果，对上述成都台汶川MS8.0地震前地电场异常信号的机理进行了探索，给出了较好的机理解释模式。本文得到的认识如下：
1） 汶川MS8.0地震震前25天成都台观测到持续7天的强烈地电场异常变化确实是与地震有关的电信号。
2） 成都台与汶川MS8.0地震有关的电信号波形特征为：起初是振荡型信号，持续时间为3.5小时；然后是脉冲型信号，断续持续了6天，持时为2—13分钟不等，单位时间脉冲数呈现由减小到增大再到减小的过程，且其间隔时间呈现随机性特征；最后是振荡型信号，出现于2008年4月17日凌晨和夜晚，持续时间分别为22分钟和104分钟。
3） 正常情况下成都台地电场变化呈非线性极化特征，但2008年4月10—17日出现的与汶川MS8.0地震有关的电信号呈现出非常好的线性极化特征。
4） 成都台与汶川MS8.0地震有关的电信号源区出现位移现象，即这些异常信号应来自于汶川大震孕震区范围内4个不同的区域，这一特征与汶川MS8.0地震震源机制解的结果（地震矩释放率总体上显示出4次较大起伏过程）是一致的。
5） 汶川MS8.0地震前成都台与地震有关的电信号机理解释为：震源区位置不同的4个应力积累区域在不同的时段相继发生破裂前的应力快速集中，并依次发出电场异常信号，随即进入不可逆的应力亚失稳阶段，之后相继破裂、断层面应力释放，最终导致汶川MS8.0地震的发生。
在汶川MS8.0地震震中300 km范围以内，成都台是唯一的地电场观测台，且位于汶川地震的震源区范围内，因此研究汶川特大地震前成都台地电场异常信号变化特征对于地震短临预报震例积累具有十分重要的意义，同时为大地震孕育的力学过程中产生电磁信号的机理研究提供了宝贵的资料。本文通过对震中区内成都台2007—2017年期间地电场观测资料的回顾性检查观察到，具有图3显示特征的异常电场信号在其后未曾记录到，台站周边地区也未曾发生过如此巨大的地震事件，这也再次证明了成都台2008年4月10—17日观测到的地电场异常信号确实是与汶川MS8.0地震相关的电场信号。实际上，成都台在2008—2013年观测到许多与地震有关的地电场异常信号，而且与地震对应得很好，例如芦山MS7.0地震（马钦忠等，2013）。在距离震中区300 km以外南北地震带上分布的30多个地电场观测台站中，没有任何台站观测到本文所述的汶川地震前成都台观测到的地电场异常特征信号，这一现象与地电场空间变化的区域特征密切相关（马钦忠等，2017）。然而，非常遗憾的是，震中区附近范围内没有其它地电场台站观测，无法对成都台2008年4月10—17日观测到的异常信号进行更加深入的对比分析。关于成都地电场台站的映震效能，汶川MS8.0地震发生后作者及时动态跟踪分析，结果显示一系列强余震之前，成都台均观测到了短临强余震电信号，也曾对汶川特大地震发生后的最大强余震2008年5月25日青川MS6.4地震提前3天作出较准确的预测（马钦忠，2008a），这些统计结果也说明了汶川主震前2008年4月10—17日的地电场异常信号是可信度很高的地震前兆。
-
![]()
图 1 千古情风景区建筑物的三维模型和纹理影像
（a） 20级三维模型；（b） 21级三维模型；（c） 20级纹理影像；（d） 21级纹理影像
Figure 1. Three-dimensional models and texture images of building in Qianguqing scenic spot
（a） 20-level 3D model；（b） 21-level 3D model；（c） 20-level texture image；（d） 21-level texture image
![]()
图 2 分割尺度分别为30 （a），90 （b），50 （c）和70 （d）的千古情风景区建筑物的纹理影像
Figure 2. Texture images of the building in Qianguqing scenic spot with scales of 30 （a），90 （b），50 （c） and 70 （d）
![]()
图 3 对象加权均值方差随分割尺度的变化图
Figure 3. Variation of weighted mean variance of object with segmentation scale
![]()
图 4 千古情风景区建筑物震害信息提取结果
图（d）中蓝色表示墙皮脱落信息，红色表示外墙，青色表示裂缝，图5d和6d与此相同（a） 航拍照片；（b） 三维模型；（c） 纹理影像；（d） 震害信息提取结果
Figure 4. Extraction results of building seismic damage information in Qianguqing scenic spot
In Fig. （d），blue indicates the wall peeling information，red indicates the exterior wall，and cyan indicates the crack，which are the same in Figs. 5d and 6d. （a） Aerial photography；（b） 3D model；（c） Texture image；（d） Extraction results of seismic damage information
![]()
图 5 漳扎镇邮政储蓄银行震害信息提取结果
（a） 航拍照片；（b） 三维模型；（c） 纹理影像；（d） 震害信息提取结果
Figure 5. Extraction results of building seismic damage information in Zhangzha town postal savings bank
（a） Aerial photography；（b） 3D model；（c） Texture image；（d） Extraction results of seismic damage information
![]()
图 6 藏式碉楼建筑物震害信息提取结果
（a） 航拍照片；（b） 三维模型；（c） 纹理影像；（d） 震害信息提取结果
Figure 6. Seismic damage information extraction results of Tibetan watchtower building
（a） Aerial photography；（b） 3D model；（c） Texture image；（d） Extraction results of seismic damage information
表 1 规则集特征参数及阈值
Table 1 Feature parameters and thresholds of rule sets
建筑物震害信息提取对象 特征参数及其阈值 外墙面 $\tfrac{{\overline R }}{{\overline R {\simfont\text{＋}} \overline G {\simfont\text{＋}} \overline B }}$ ＞0.42，72＜
$\tfrac{{{\overline{R}} {\simfont\text{＋}} {\overline{B}} {\simfont\text{＋}} {\overline{G}} }}{3}$ ＜144，267＜A＜543，0.5＜C＜0.8，7＜GLDV＜32
墙皮脱落处 0.56＜Y＜1，−41＜2 $ {\overline { G}} $ －
${\overline { B}} $ －
${\overline { R}} $ ＜−28，16＜GLDV＜24，1.8＜S＜2.6，1.3＜C＜2.3
下载: 导出CSV
-
安立强,张景发,赵福军. 2011. 汶川地震次生灾害提取:面向对象影像分类技术的应用[J]. 自然灾害报,20(2):160–168. An L Q,Zhang J F,Zhao F J. 2010. Extracting secondary disaster of Wenchuan earthquake:Application of object-oriented image-classifying technology[J]. Journal of Natural Disasters,20(2):160–168 (in Chinese).
卜松涛,岳凡琦,依兰. 2014. 基于倾斜影像的三维建筑物纹理提取方法研究[J]. 测绘与空间地理信息,37(10):206–208. doi: 10.3969/j.issn.1672-5867.2014.10.069 Bu S T,Yue F Q,Yi L. 2013. Study on the texture extraction method of 3D buildings based on oblique aerial photography images[J]. Geomatics &Spatial Information Technology,37(10):206–208 (in Chinese).
方智辉,吴军,彭志勇. 2017. 五方向倾斜航空影像建筑物墙面自动提取方法[J]. 桂林电子科技大学学报,37(2):140–146. doi: 10.3969/j.issn.1673-808X.2017.02.011 Fang Z H,Wu J,Peng Z Y. 2017. Automatic wall extraction from five direction oblique aerial image[J]. Journal of Guilin University of Electronic Technology,37(2):140–146 (in Chinese).
黄慧萍. 2003. 面向对象影像分析中的尺度问题研究[D]. 北京: 中国科学院遥感应用研究所: 114−122. Huang H P. 2003. Scale Issues in Object-Oriented Image Analysis[D]. Beijing: Institute of Remote Sensing Applications, Chinese Academy of Sciences: 114−122 （in Chinese）.
李静,侯建盛,许建华,张雪华. 2018. 四川九寨沟7.0级地震漳扎镇房屋震害情况分析[J]. 四川地震,(1):19–24. Li J,Hou J S,Xu J H,Zhang X H. 2018. Analyze on the house damage of Zhangzha town after the M7.0 Jiuzhaigou earthquake[J]. Earthquake Research in Sichuan,(1):19–24 (in Chinese).
李胜军. 2013. 基于倾斜航空影像的建筑物结构性损毁评估方法研究[D]. 成都: 西南交通大学: 12−20. Li S J. 2013. The Research of Building Structural Damage Assessment Based on Airborne Oblique Images[D]. Chengdu: South-west Jiaotong University: 12−20 （in Chinese）.
李玮玮,帅向华,刘钦. 2016. 基于倾斜摄影三维影像的建筑物震害特征分析[J]. 自然灾害学报,25(2):152–158. Li W W,Shuai X H,Liu Q. 2016. Building damage characteristics analysis based on the three-dimensional image from oblique photography[J]. Journal of Natural Disasters,25(2):152–158 (in Chinese).
林月冠. 2016. 倾斜摄影技术在灾后建筑物损毁评估中的应用分析[J]. 地理信息世界,23(1):108–114. doi: 10.3969/j.issn.1672-1586.2016.01.017 Lin Y G. 2016. Application analysis of oblique pictometry technology in building damage assessment after disaster[J]. Geomatics World,23(1):108–114 (in Chinese).
帅向华,刘钦,甄盟,冯蔚,杨海芳. 2018. 倾斜摄影技术在云南鲁甸地震现场的应用研究[J]. 震灾防御技术,13(1):158–167. Shuai X H,Liu Q,Zhen M,Feng W,Yang H F. 2018. Application of the UAV oblique photograghy technique in the field of Ludian earthquake,Yunnan[J]. Technology for Earthquake Disaster Prevention,13(1):158–167 (in Chinese).
薛腾飞,张景发,李强. 2016. 基于相关变化检测与面向对象分类技术的多源遥感图像震害信息提取[J]. 地震学报,38(3):496–505. Xue T F,Zhang J F,Li Q. 2016. Extraction of earthquake damage buildings from multi-source remote sensing data based on correlation change detection and object-oriented classification techniques[J]. Acta Seismologica Sinica,38(3):496–505 (in Chinese).
颜宏娟. 2008. 面向对象的遥感影像模糊分类方法研究[D]. 西安: 西安科技大学: 18−23. Yan H J. 2008. Object-Oriented Fuzzy Classification for Remote Sening Image[D]. Xi’an: Xi’an University of Science and Technology: 18−23 （in Chinese）.
张景发,谢礼立,陶夏新. 2001. 典型震害遥感图像的模型分析[J]. 自然灾害学报,10(2):89–95. doi: 10.3969/j.issn.1004-4574.2001.02.015 Zhang J F,Xie L L,Tao X X. 2001. Pattern analysis of remote sensing imagery for some typical earthquake damages[J]. Journal of Natural Disasters,10(2):89–95 (in Chinese).
张雪华. 2017. 基于无人机影像的面向对象建筑物震害提取研究[D]. 北京: 中国地震局地震预测研究所: 24−48. Zhang X H. 2017. Research on Building Seismic Damage Extraction of Object-Oriented Based on UAV Images[D]. Beijing: Institute of Earthquake Forecasting, China Earthquake Administration: 24−48 （in Chinese）.
赵妍,张景发,姚磊华. 2016. 基于面向对象的高分辨率遥感建筑物震害信息提取与评估[J]. 地震学报,38(6):942–951. Zhao Y,Zhang J F,Yao L H. 2016. Seismic damage information extraction and evaluation of buildings with high resolution remote sensing based on object-oriented method[J]. Acta Seismologica Sinica,38(6):942–951 (in Chinese).
中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 2009. GB/T 24335—2009建（构）筑物地震破坏等级划分[S]. 北京: 中国标准出版社: 1−8. General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China, Standardization Administration of the People’s Republic of China. 2009. GB/T 24335—2009 Classification of Earthquake Damage to Buildings and Special Structures[S]. Beijing: Standards Press of China: 1−8 （in Chinese）.
朱红春,蔡丽杰,刘海英,江涛. 2015. 高分辨率影像分类的最优分割尺度计算[J]. 测绘科学,40(3):71–75. Zhu H C,Cai L J,Liu H Y,Jiang T. 2015. Optimal segmentation scale calculation for high-resolution remote sensing image[J]. Science of Surveying and Mapping,40(3):71–75 (in Chinese).
Galarreta J F,Kerle N,Gerke M. 2015. UAV-based urban structural damage assessment using object-based image analysis and semantic reasoning[J]. Nat Hazards Earth Syst Sci,15(6):1087–1101. doi: 10.5194/nhess-15-1087-2015
Gerke M,Kerle N. 2011. Automatic structural seismic damage assessment with airborne oblique pictometry imagery[J]. Photogr Eng Remote Sens,77(9):885–989. doi: 10.14358/PERS.77.9.885
Grünthal G. 1998. European Macroseismic Scale 1998, Vol.15[S]. Luxembourg: Cahiers du Centre Europeen de Geodynamique et de Seismologie: 1−99.
Petrie G. 2009. Systematic oblique aerial photography using multiple digital cameras[J]. Photogr Eng Remote Sens,75(2):102–107.
Wang M, Bai H, Hu F. 2008. Automatic texture acquisition for 3D model using oblique aerial images[C]//Proceedings of the 1st International Conference on Intelligent Networks and Intelligent Systems. Wuhan, China: IEEE: 495−498.
Woodcock C E,Strahler A H. 1987. The factor of scale in remote sensing[J]. Remote Sens Environ,21(3):311–332. doi: 10.1016/0034-4257(87)90015-0
-
期刊类型引用(11)
1. 陈星星，张建涛，王明贵，周超. 两种地电场仪数据形态的对比分析. 科学技术创新. 2024(05): 1-4 . 
百度学术
2. 毛玉剑，王斌，蒋胜杰，贾路，古丽扎·艾尔肯，曹莹. 乌鲁木齐地电场变化特征分析. 地震地磁观测与研究. 2024(06): 61-71 . 百度学术
3. 李娇，邹广，高守全，牛中华，景孝复. 温泉地震台新老台址地电场观测数据对比分析. 内陆地震. 2023(04): 408-419 . 百度学术
4. Guoze ZHAO，Xuemin ZHANG，Juntao CAI，Yan ZHAN，Qinzhong MA，Ji TANG，Xuebin DU，Bing HAN，Lifeng WANG，Xiaobin CHEN，Qibin XIAO，Xiangyu SUN，Zeyi DONG，Jijun WANG，Jihong ZHANG，Ye FAN，Tao YE. A review of seismo-electromagnetic research in China. Science China(Earth Sciences). 2022(07): 1229-1246 . 必应学术
5. 赵国泽，张学民，蔡军涛，詹艳，马钦忠，汤吉，杜学彬，韩冰，王立凤，陈小斌，肖骑彬，孙翔宇，董泽义，王继军，张继红，范晔，叶涛. 中国地震电磁研究现状和发展趋势. 中国科学:地球科学. 2022(08): 1499-1515 . 百度学术
6. 马永，李宁，徐学恭，毕金孟. 新能源发电对电磁观测环境的影响特征——以天津徐庄子台的电磁观测为例. 地震学报. 2021(05): 595-604+678 . 本站查看
7. 刘长生，张思萌，杨维辉，康健，高双玲. 黑龙江地电场方位角异常与中强地震的关系探讨. 防灾减灾学报. 2020(02): 33-39 . 百度学术
8. 张远富，姚玉霞，赵斐，李旭升. 利用地电场线性极化特性提取地震前兆异常的方法研究. 地震工程学报. 2020(03): 688-695+713 . 百度学术
9. 鲍海英，张秀霞，卜玉菲. 高压直流输电干扰对江苏省地电场观测的影响. 地震工程学报. 2020(04): 881-889 . 百度学术
10. 邹广，陈亮，牛中华. 2020年6月26日新疆于田M_S6.4地震地电场异常分析. 内陆地震. 2020(03): 310-316 . 百度学术
11. 李艳. 山西临汾台大地电场典型干扰与地震异常信号识别. 四川地震. 2019(03): 32-37 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 1595
- HTML全文浏览量: 774
- PDF下载量: 54
- 被引次数: 11
