高水平人道主义支持的地球观测数据和图像处理
一种估算难民营人口的有效方法
在过去十年中，世界上因自然灾害或政治动荡而被迫背井离乡的人数不断增加。他们经常被关在收容成千上万难民的难民营里。这些营地由提供食物、住所和医疗援助的非政府组织支持。为了管理他们的运作，非政府组织和其他机构需要知道一个营地有多少人。本文解释了高分辨率卫星地球观测数据和图像处理软件的结合如何提供了一种估算营地人口的有效方法。
难民人口正在迅速增长。联合国最近的估计显示，2016年有近6800万人逃离家园，高于前一年的6400万人。通常位于战区附近，最大的难民营能容纳20多万人。当食物、清洁水和卫生设施等基本服务供应不足时，就会出现营养不良和疾病。然而，资金和物质支持是有限的，而且营地的基础设施往往负担过重。由于资金有限，非政府组织在规划和资源分配方面变得更加熟练。关于特定营地的人口规模和趋势的信息有助于非政府组织优化其支出的回报。然而，生成好的数据并不容易。飞机——包括无人机——和卫星可以捕捉营地的航拍图像，但是手动从这些照片中提取可靠的人口数据可能非常缓慢和昂贵。Médecins Sans Frontières (MSF)是一个支持难民营的非政府组织，该组织与萨尔茨堡大学地理信息系(Z_GIS)来找到解决办法。Z_GIS开展了利用卫星图像和先进的图像处理技术监测人口的研究。其主要目标之一是开发自动化方法，从难民营的卫星图像中提取人口信息。
准确的数量
为了测量人口，Z_GIS从DigitalGlobe和Airbus (Pleiades)等商业供应商获得了非常高分辨率(VHR)的图像(每像素小于1米)。这些图像通过特林布尔的识别软件进行处理，以估算出一个营地中实际居住单元的数量。结果可以使用ArcGIS或谷歌Earth等工具显示，以提供地理环境。然后，团队可以添加关于每个住宅的平均居民人数的地面数据，使他们能够估计人口的规模和分布。这一过程可以重复进行，以量化难民营内的人口变化和移动。迅速重复人口分析的能力是重要的，因为危机期间难民营可能发生迅速变化。
规则集
基于对象的图像分析(OBIA)，一种可用的方法绝大多数识别，用于识别和分类图像中的特征。Z_GIS的Dirk Tiede博士表示，与基于像素的分析技术相比，OBIA具有更大的灵活性和效率。Tiede开发了定制流程(称为“规则集”)，有效地训练识别系统识别和分类图像中的个体特征。其目的是确定人造建筑，并将住房与其他营地建筑(如粮食站和医疗设施)区分开来。
规则集使用边缘检测算法来划定营地边缘，并对人工特征进行分类。不同住宅类型的空间特征，以及对象之间的相对光谱差异，使得规则集能够区分浅色住宅结构与深色建筑和栅栏。该系统确定光谱值，以区分住宅类型以及有植被和无植被区域。比较是基于特定的光谱范围或植被指数，如标准化差异植被指数(NDVI)。这些值被保存为规则集中的变量，并可以与其他独立的光谱参数相结合。一旦规则集被构建，它就可以被转移和调整，以在不同的阵营中工作，或者当环境发生变化时，在同一阵营的不同时间工作。
混合方法
最初的规则集是使用存档的苏丹达尔富尔Zam Zam营地的QuickBird图像开发的。为了测试可移植性，将规则集应用于在原始数据集之前和之后几年拍摄的一系列QuickBird图像。其他测试在达尔富尔难民营使用了GeoEye-1图像。在这些测试中，Z_GIS发现主要挑战来自新地点不同的植被以及不同卫星传感器的特性差异。
当营地呈现出一套非常多样化的结构或几个发展阶段时，就会出现复杂的情况。此外，随着时间的推移，当地的条件可能会改变结构的外观。例如，在一些营地使用颜色鲜艳的帐篷，这是相对容易识别的。然而，当沙尘暴经过并覆盖了所有的东西，棕色的灰尘，给定的规则集可能需要迅速适应。因此，采用了一种混合方法，将自动解决方案与手工图像解释相结合，用于分析和质量检查。Z_GIS的测试结果表明，通过计算机屏幕视觉检测和重新定义结构的光谱阈值和植被的NVDI，可以成功地适应规则集。
种群动态
有效的人口监测依靠迅速获取和处理卫星数据。一旦获得图像，图像处理的主要瓶颈就出现了。使用更高效的算法和更快的计算技术(包括识别服务器的分布式计算能力)，可以在短短几分钟内分析整个VHR卫星场景。
为了进一步减少分析所需的时间和人员水平，Tiede和他的同事正在努力改进围绕自动化流程的工作流程。他们正在开发应用程序和解决方案，目标是快速生成营地的初始数据。从那里，研究小组可以根据结果生成关于种群动态的时间信息。
新的应用程序
卫星图像支持非政府组织的不仅仅是人口估计。例如，各组织希望避免将水用卡车运送到营地，这种做法既昂贵又危险。利用Sentinel或陆地卫星的低分辨率图像，Z_GIS可以绘制营地地理水文状况的概览图，以确定可能的井位。自然灾害援助工作也从卫星图像中受益，可以分析第一反应者和长期恢复所受损害的程度和性质。2010年海地发生毁灭性地震后，Z_GIS在两天内绘制了一幅破坏地图。在紧急情况下，周转时间至关重要。对于难民营来说，紧急性通常没有那么大，但对于高度动态的局势，比如孟加拉国的罗兴亚危机，及时性确实很重要。
Z_GIS的人道主义团队继续与无国界医生组织和其他非政府组织密切合作，包括红十字会运动、SOS儿童村和反饥饿行动。
他们的工作为人道主义组织提供了稳定的、可操作的服务。这是地球观测和图像分析在人道主义援助中的价值的一个例证。自然灾害和其他危机还将继续。把先进的工具交到专门的专家手中，有助于更好更快地向有需要的人提供救济。
