地震应急灾情信息分类探讨

收集并整理了多次地震后的灾情信息,结合各类灾情信息的特征和地震应急指挥决策的要求,重点关注地震前灾区的基础信息和震后的地震现场信息,以服务和服从地震应急指挥和抗震救灾为重要目标,将地震应急灾情信息分为震情信息、震区背景信息、灾情信息和应急响应与救援四大类.信息分类结果便于灾情的快速分析与处理,对提高应急决策、救援效率以及应急处置能力具有重要意义.     

地震应急信息服务能力提升策略研究——以甘肃省地震局为例

地震应急信息是地震应急指挥和应急救援的关键因素,是震后政府、社会和公众最迫切需要的信息。地震应急信息服务作为防震减灾工作服务社会的工作内容之一,直接体现着地震行业对社会的服务水平。当前地震应急信息服务能力还存在明显不足,与公众需求有一定差距。本文从地震应急信息获取、处理、传递等环节全面系统地研究地震应急信息服务存在的问题。旨在发挥地震应急信息的作用,进而提高应急救援水平。     

基于地震应急快速反应系统的灾情彩信信息发送与接收系统

地震发生时需要快速的将地震快速评估的结果传达给相关的地震应急人员,以便应急人员快速、合理的展开应急救援,尽最大努力减少灾害造成的损失。根据这一实际需求提出了一种基于地震应急快速反应系统的灾情彩信信息发送与接收系统,通过该系统来满足震时的信息传送需求,为震时应急救援提供一定的信息支撑。     

基于自动地震速报的地震应急基础信息快速提取模块的研究与实现

地震发生后需要第一时间将震区基本情况传送给指挥决策人员,以便其快速、合理的部署应急救援工作,尽可能的减少地震灾害造成的损失。根据这一实际需求提出了基于自动地震速报的地震应急基础信息快速提取模块,通过有效整合地震应急基础数据库中的数据资源和12322短信息平台的快速发布功能,实现了震后应急基础信息的快速提取和发布,为高效有序的开展应急救援工作提供了很好的信息支撑。     

基于模板匹配的地震应急制图方法

震后各类应急图件可为有效开展应急指挥与救援提供参考和依据,地震应急制图具有快速性、动态性、表现方法多样等特点。文中引入受众理论,系统研究了地震应急制图的对象及制图内容,将地震应急制图对象划分为地震应急指挥决策人员、辅助决策技术人员、应急救援人员和普通公众,论述了不同受众对地震应急图件的需求及这些图件的表达方法,并在此基础上研究了基于地震应急制图模板匹配的快速制图方法。该方法在震前根据不同受众需求,设计不同的地震应急制图模板及对应的数据库结构,震后在GIS与专业模型的支持下,根据灾情信息动态更新制图模板,实现快速地震应急制图。文中设计了地震应急制图模板库体系,包括制图对象层、地图模板层、模板图层和具体地图元素层等及相应的地震应急制图通用模板。最后,应用ArcEngine开发了地震应急制图系统,通过案例展示了系统的制图应用,可为震后快速、系统地生成各类地震应急图件提供支撑。     

地震应急测绘信息智能综合处理技术研究

地震应急测绘信息对于全面获取震区灾情,针对性援救震灾地区有着重要意义。当前针对震区的测绘信息以独立分类形式存在,缺少数据关联性,在整体信息获取上存在较大缺陷,其地震应急响应能力较差。提出地震应急测绘信息智能综合处理方法,构建地震应急联动信息服务技术平台,设计地震灾情辨识框架;通过判断地震灾情辨识框架,提取地震灾情测绘信息的特征向量,得到地震灾情信息关联规则集,引入测绘数据融合算法,将获取的地震灾情信息进行智能融合,获取地震灾害测绘情况的信息融合结果,实现地震灾情的智能综合性处理。实验结果表明,所提方法在地震应急测绘信息智能综合处理方面具备较强的信息处理与分析能力,具有较强的地震应急响应能力,为我国震后应急指挥工作提供了技术支持。     

广东省地震应急指挥系统的建立与实施

介绍了广东省地震应急指挥技术系统是为广东省抗震救灾指挥部实施地震应急救援指挥提供技术支撑的系统,系统主要由四部分构成:地震应急指挥通信、震灾快速评估与辅助决策、地震灾情速报。提出系统为实现地震应急信息快速传递、处理,提高应急救灾指挥与决策的技术水平,最大限度地减少震时的混乱和人员伤亡,提供了高效的指挥技术平台。并对广东省地震应急工作提出展望。     

准实时地震灾情综合评估系统的研发

震后如何快速获取灾区震情信息、准确评估地震灾情,是震后应急救援的关键问题。本研究从县市地震灾害应急救援需求出发,开发了准实时地震灾情综合评估系统,基于MEMS强震台网的强震观测数据、县域承灾体基础数据和手机终端获取的震后地震现场实时灾情信息,综合采用承灾体地震易损性分析方法和灾情动态修正算法,实现了县市地震灾区灾情准实时评估,为灾区地震应急指挥、救援和辅助决策提供科学依据。     

基于网站的地震应急信息发布技术

地震应急信息是发生破坏性地震时为应急救援和决策提供重要参考信息的保障,也是地震门户网站信息服务的重要内容。为了满足政府和社会公众快速准确获取地震震情、灾情等权威信息的需求,基于中国地震局门户网站对地震应急信息服务概况和用户需求进行分析,依据需求差异对地震应急信息进行分类、梳理。同时,通过研究地震网站平台发布技术架构、信息同步和内容分发网络等,搭建地震应急信息发布平台,并对其提出优化建议。     

地震应急现场信息分类初步研究

地震应急现场信息分类的核心目标是实现灾情信息的快速上报、关键信息特征的识别和为辅助决策提供客观现实依据。按照信息内容的本质属性,依据发生什么事件、产生什么影响、对产生的影响有何响应,针对响应有什么成效这样的思路将地震应急现场信息分为地震震情信息、灾情信息、应急处置信息、处置效益信息4个大类。在对信息字段进行定义时,考虑了信息来源,将信息本质属性与信息源进行有机结合。分类成果可以应用于地震行业应急处置和各级政府应急处置的信息汇集、分析、处理,还可以依据分类体系充分利用社会公众参与灾情速报。由于灾难事件的应急处置具有相似性,本研究的成果适当修改后也可应用于其它行业的应急处置工作。     

全卷积神经网络在建筑物震害遥感提取中的应用研究

为解决建筑物震害信息提取自动化程度不高的问题,本文将全卷积神经网络应用于建筑物震害遥感信息提取。以玉树地震后获取的玉树县城区0.2m分辨率航空影像作为建筑物震害信息提取试验数据源,将试验区地物划分为倒塌建筑物、未倒塌建筑物和背景3类。对427个500×500像素的子影像进行人工分类与标注,选取393个组成训练样本集,34个用于验证。利用训练样本集对全卷积神经网络进行训练,采用训练后的网络对验证样本进行建筑物震害信息提取及精度评价。研究结果表明:建筑物震害遥感信息提取总体分类精度为82.3%,全卷积神经网络方法能提高信息提取自动化程度,具有较好的建筑物震害信息提取能力。     

多尺度分割和深度学习相结合的倾斜摄影三维影像建筑物震害信息提取

采用多尺度分割和深度学习相结合的方法对震后倾斜摄影三维影像建筑物震害信息进行提取,获取建筑物的屋顶和墙体多种破坏信息。以2017年九寨沟M_S7.0地震后倾斜摄影三维影像为例,依据三维影像建筑物顶面和墙体等进行样本的多尺度分割,样本分为完好建筑物面、破坏建筑物面、其它地物和背景等三类,选取211个100×100像素的样本集对卷积神经网络模型进行训练,采用训练后的模型提取灾区千古情风景区和漳扎镇小学的建筑物震害信息,并将提取结果与目视解译结果进行精度对比,结果显示:破坏建筑物面提取精度分别为65.5%和71.1%,总体分类精度分别为82.1%和84.1%,卡帕（Kappa）系数分别为68.7%和64.9%,表明该方法在倾斜摄影三维影像建筑物震害提取方面具有一定的优势。      

基于全极化Radarsat-2影像的建筑物震害评估

利用震后灾区全极化SAR影像可快速提取建筑物震害信息,为应急救援的快速有效实施提供重要的灾情信息支持。本文建立基于极化散射矩阵的Pauli-Wishart监督极化分类的建筑物震害信息提取和以街区为尺度的震害程度评估方法,包括Pauli分解、Wishart监督分类和遥感震害指数提取,并利用玉树县城区2010年4月14日青海玉树7.1级地震震后全极化Radarsat-2影像,提取了建筑物震害信息。经统计,确定结果总体分类精度达到0.81,Kappa值为0.61,表明本文提取建筑物震害的方法是可行的。     

粗集神经网络在建筑物震害预测中的应用

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型.首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入练模型.实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合.该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析.     

基于深度学习的地震震级分类

为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震。结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息。      

青海玉树7.1级地震房屋建筑震害调查和分析

2010年4月14日青海玉树7.1级地震灾害严重,给当地居民造成了巨大的损失。房屋破坏是造成人员伤亡和巨大财产损失的主要因素,通过现场调查给出房屋建筑震害情况,分析了房屋建筑的震害特征,提出了地震灾区恢复重建建议。     

基于无人机倾斜影像的三维建筑物震害精细信息提取

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M_S7.0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。      

基于深度卷积神经网络的地震数据随机噪声压制

本文以提高地震数据的成像质量为目标,提出一种智能的卷积神经网络降噪框架,从带有噪声的地震数据中自适应地学习地震信号。为了加速网络训练和避免训练时出现梯度消失现象,我们在网络中加入残差学习和批标准化的方法,并采用了ReLU激活函数和Adam优化算法优化网络。此外,Marmousi和F3数据集被用来对网络进行训练和测试,经过充分训练的网络不仅能在学习中保留地震数据特征,而且能去除随机噪声。首先充分地训练网络,从中提取出随机噪声,并保留学习到的地震数据特征,之后通过重建地震数据估算测试集中的波形特征。合成记录和实际数据的处理结果显示了深度卷积神经网络在随机噪声压制任务中的潜力,并通过实验验证表明了深度卷积神经网络框架有很好的去噪效果。      

结合变差纹理特征的极化SAR建筑物震害信息提取

快速评估建筑物地震灾害信息对地震应急救援工作有着指导意义,而极化SAR具有全天候、全天时的特点,因此利用极化SAR图像提取震害信息已逐渐成为研究热点。虽然极化SAR具有丰富的极化信息,但其纹理信息不可忽略,尤其是完好的人工建筑物在图像上呈现规则的纹理特征,而倒塌建筑区域纹理分布杂乱,因此结合纹理信息也可以很好地提取建筑物信息。以2010年玉树地区的全极化SAR数据为研究对象,首先,利用Yamaguchi分解的体散射分量PV提取了SAR图像中的建筑物区域以及道路、水系等非建筑物信息,在此基础上,对相干散射矩阵T11分量中倒塌建筑物、完好建筑区域进行变差计算,根据变差曲线确定变程a后,再对建筑物区域采取窗口m*m(m=3*a)进行变差计算得到变差纹理信息,最后利用FCM算法对变差纹理信息分别提取完好建筑物和倒塌建筑物区域,为了对比分析,文章利用Yamaguchi分解的二次散射分量PD提取完好建筑物区域,与震后光学遥感图像对应样本点进行人工验证,得到完好建筑物的提取精度为80.18%,倒塌建筑物的提取精度为84.54%,道路水系的提取精度为77.58%。     

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

为了快速地确定地震等自然灾害引起的受灾区域范围,并对其受灾程度进行及时评估,本文采用面向对象的建筑物检测方法,基于高分辨率遥感影像所包含的地物几何结构和纹理特征信息,提出了一种建筑物震害信息提取与评估的方法和技术流程.在此基础上,以2010年玉树M_S7.1地震部分地区地震前后的QuickBird影像为例,对受灾区域震前、震后建筑物的形状、面积等信息进行提取,提取精度分别为88.53%和90.21%,对该区域建筑物变化信息进行提取所获取的建筑物变化信息精度为79.68%,统计变化区域像素个数,确定变化面积为15 923.52 m2,占研究区域总面积的68.16%,因此评估其为中重度受灾区域.本文结果与实地考察结果一致,证实了这种快速的震害信息提取与评估流程切实有效,能够快速评估受灾区,为灾后第一时间抢险及救援提供重要参考.