基于无人机影像的漾濞地震房屋震害定量评估

2021年5月21日,云南漾濞县发生MS6.4地震,震源深度8 km.文中将无人机遥感技术引入云南漾濞县6.4级地震房屋震害评估工作中,结合无人机影像数据和现场地面调查数据,建立房屋震害遥感解译标志,提取漾濞县城部分区域的房屋震害信息,进行遥感定量评估.通过与房屋震害现场调查统计结果的对比分析,房屋震害遥感定量评估结果与现场实地调查结果吻合,表明对震后快速获取的无人机遥感影像进行解译并结合现场抽样调查,可以对灾区的地震烈度做出宏观判断,对地震现场指挥和应急救援提供有效的决策支持.     

新疆塔什库尔干塔吉克自治县地震极灾区地震烈度遥感快速评估研究

2017年5月11日,新疆维吾尔自治区喀什地区塔什库尔干塔吉克自治县发生M_S5.5地震。为快速了解灾区灾情,本文基于无人机遥感技术获取的地震极灾区高分辨率影像数据,结合地震现场震害调查进行建筑物震害遥感解译,采用地震烈度遥感定量评估方法,进行极灾区地震烈度遥感评估。结果表明:灾区房屋结构类型主要包括土石木结构、砖木结构、砖混结构、框架结构,倒塌和局部倒塌的房屋均为土石木结构房屋,安居富民房屋无一倒塌,遥感评估的塔县地震极灾区地震烈度为Ⅷ~Ⅸ度,比中国地震局公布的地震烈度略高,今后需根据新疆实际情况修正模型,为新疆地震烈度遥感快速评估工作服务。     

2013年四川芦山7.0级地震烈度遥感评估

2013年4月20日四川芦山MS7.0级地震发生后,在灾区应急获取了多种高分辨率航空和无人机遥感影像,并快速解译提取了灾区建筑物震害信息.采用地震烈度遥感定量评估方法,利用2008年汶川8.0级地震等震后震害遥感解译和现场调查研究确定的经验震害遥感定量评估模型,获得了芦山地震灾区126个主要居民点的地震烈度遥感评估结果,并据此圈画了地震烈度分布遥感评估图.结果显示,本次地震Ⅸ度区面积约150km2,Ⅷ度区面积约900km2.该结果在第一时间(4月21日晚)提供给了中国地震局地震现场应急指挥部.对比分析显示,地震烈度遥感快速评估结果与中国地震局4月25日公布的地震烈度图,以及与笔者在现场实地进行的建筑物震害详细调查结果基础上评定的地震烈度具有较高的一致性.表明强烈地震发生后,借助于快速获取的灾区高分辨率遥感影像,可以快速估计地震烈度分布,对地震灾区灾情估计和抗震救灾工作具有十分重要的参考意义.     

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。     

基于无人机影像的皮山地震极灾区烈度评估

2015年7月3日新疆维吾尔自治区皮山县(37.6°N,78.2°E)发生M_S6.5地震,震源深度10 km。本文采用无人机遥感影像,结合新疆地震现场调查的真实资料,提取了灾区震害信息,采用地震烈度遥感定量评估方法完成了极灾区地震烈度遥感评估,并且完善了新疆多结构类型建筑物地震烈度遥感评估方法。结果表明:皮山地震极灾区地震烈度遥感评估结果与地震现场调查结果一致,与中国地震局公布的皮山地震烈度图中该区域的地震烈度一致,遥感评估结果较为准确。该方法的完善可为今后新疆地震烈度遥感评估工作服务,为今后新疆无人机遥感技术的深入应用提供基础。     

基于无人机影像的九寨沟地震建筑物震害定量评估

利用2017年8月8日九寨沟7.0级地震震后获取的无人机影像,结合地面震害调查资料,分析各类建筑物震害特征,建立建筑物震害无人机遥感解译标志;选取地震灾区漳扎镇(部分区域)和荷叶寨2个区域作为研究区,进行了无人机遥感建筑物震害提取,基于遥感震害指数进行了震害定量评估,并与现场建筑物震害调查统计结果进行了比较验证。结果显示,遥感解译建筑物震害与实际震害程度相吻合,表明利用震后快速获取的高分辨率无人机影像,可以较为准确地识别建筑物震害,进而为地震灾害定量评估和应急救援辅助决策提供重要参考。     

基于震前高分影像和震害仿真的建筑物震害快速评估：以四川泸定6.8级地震为例

精细化的建筑物震害评估,对震后应急救援和烈度评估具有重要的意义.为解决因震后高分辨率影像缺乏导致无法快速开展建筑物震害评估的实际需求,以四川泸定6.8级地震为例,提出基于震前高分影像和震害仿真的建筑物震害快速评估方法.首先通过深度学习技术提取灾区建筑物空间信息,在收集实际地震动记录的基础上,结合精细化的建筑物震害仿真方法,对震中部分村镇的建筑物震害及地震烈度进行了快速评估,并与震后获取的无人机影像解译结果、现场调查烈度及余震等进行验证.结果表明震中附近的磨西镇烈度估计达到Ⅸ度,其他地点的估计结果与发布的烈度图进行比较,其衰减较为一致,且与余震发生空间较为重合,进一步证明该方法可作为震后大范围影像缺失的“盲区”的建筑物震害快速评估的有效方法,为现场应急、灾害调查和烈度评定提供信息支撑.     

结合纹理和形态学特征的高分遥感影像建筑物震害信息提取

为提高震害信息获取时效性,对基于我国国产高分遥感影像的建筑物震害信息提取方法进行深入研究,本文以2017年5月11日新疆塔县M_S5.5地震为例,利用该地震前后极灾区高分遥感影像,利用结合纹理和形态学特征的方法进行了建筑物震害信息提取,通过变化检测分析获取了极灾区建筑物震害信息,并与基于像元级和基于目标级的信息提取结果进行对比,采用震后无人机影像目视解译结果对本文结果进行了精度验证。结果表明:通过缩减研究区范围可大力提高数据提取精度和速度;运用灰度共生矩阵、二值化、数学形态学等方法对影像进行迭代运算,能较好地提取高分遥感影像中的建筑物信息;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%,比基于像元级和基于目标级信息提取结果的精度分别提高了5.78%和5.23%,可为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。      

基于SEaTH算法的芦山地震无人机低空遥感影像信息对象级分类

在地震这种重大自然灾害面前,快速有效地从遥感影像中提取震区土地利用信息,在灾情评估及灾后重建中发挥着重要作用。选取四川省芦山地震灾区无人机影像为数据源,运用面向对象的影像分析方法,首先研究了多尺度分割中参数的选择,获取了研究区最优分割参数;然后考虑了各个"影像对象"的数字化特征值,利用改进的SEaTH算法进行特征值优化处理;最后采用了隶属度信息提取方法,获得了芦山地震灾区无人机低空遥感影像分类图,并进行了分类精度评估,结果表明:研究区影像的分类总精度为87.5%,kappa系数为0.835。     

基于深度学习网络的地震地质灾害识别研究

遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2017年8月8日四川九寨沟7.0级地震震后高分辨率无人机遥感影像为研究样本,提出基于深度学习网络的地震地质灾害识别方法。首先结合震后遥感影像解译资料和现场调查资料,提取九寨沟地震地质灾害无人机遥感影像特征,并构建研究区地震地质灾害解译指标和分类数据集;然后采用DeepLabv3+网络结构及softmax损失函数,建立基于深度学习网络的地震地质灾害遥感影像图像语义分割模型方法;最后采用半监督学习方法进行结果验证。研究结果表明,基于深度学习网络的地震地质灾害识别方法可有效识别九寨沟地震地质灾害分布信息,整体分类识别准确率为94.22%,F₁分数值为0.77,结果具有较好的一致性和准确性,可提升地震现场灾情获取和重点地震隐患识别等工作效率及服务能力。     

道路震害遥感提取方法现状与应急应用展望

强地震发生后, 道路是抗震救灾的生命线, 快速有效地提供灾区可通行道路的状况可为地震应急救援力量的部署提供强有力的信息支撑。 基于遥感图像的震害道路识别是遥感地震应急领域中的难点, 但对于地震应急具有无可比拟的价值。 在总结分析地震前后道路影像特征的基础上, 系统地介绍了遥感影像道路提取方法, 之后介绍了遥感震害道路评估工作流程, 重点阐述了遥感震害道路提取与评估方法, 然后综合分析了遥感道路提取在地震应急中的不足, 最后展望了未来遥感技术在震害道路提取与评估中的应用。     

基于OpenGIS和数字地球平台的地震应急遥感震害信息发布系统研究

破坏性地震发生后, 利用获取的灾区遥感影像资料进行灾情判断, 可以为地震应急和救援指挥决策提供重要依据。 通常, 遥感影像要经过复杂的制图、 传输、 打印等才能提供给应急指挥部门, 降低了实效性。 数字地球显示平台不但操作简单, 而且信息显示丰富。 本文提出利用遵循OpenGIS软件规范的开源WebGIS服务器和开源数字地球客户端构建地震应急遥感震害信息发布系统的解决方案, 并以2012年云南昭通彝良地震为例, 实现了GIS数据和遥感影像的在线发布和三维显示, 结果显著提高了地震应急遥感震害信息的浏览显示效果, 为应急灾情判断提供了有用的工具, 在地震应急救援工作中具有重要的应用潜力。     

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.      

无人机地震灾情监测系统在四川高原山区的应用研究

无人机地震灾情监测系统主要由无人机飞行平台、飞行控制系统、遥感系统、软件系统和无线电遥控系统等几部分组成,具有运行成本低、执行任务灵活性高等特点,是快速获取震后灾情信息的重要手段。结合四川高原山区的自然地理和气象条件,对无人机地震灾情监测系统在四川高原山区的应用进行了研究。该系统在高原山区的应用将在提升地震灾情现场勘查能力,迅速获取灾情信息,增加救灾工作的时效性,及为后期科学考察提供辅助信息等方面提供重要的技术支撑。     

Information Detection of Seismic Debris Flow by UAV High-resolution Image Based on Transfer Learning

A large number of debris flow disasters (called Seismic debris flows) would occur after an earthquake, which can cause a great amount of damage. UAV low-altitude remote sensing technology has become a means of quickly obtaining disaster information as it has the advantage of convenience and timeliness, but the spectral information of the image is so scarce, making it difficult to accurately detect the information of earthquake debris flow disasters. Based on the above problems, a seismic debris flow detection method based on transfer learning (TL) mechanism is proposed. On the basis of the constructed seismic debris flow disaster database, the features acquired from the training of the convolutional neural network (CNN) are transferred to the disaster information detection of the seismic debris flow. The automatic detection of earthquake debris flow disaster information is then completed, and the results of object-oriented seismic debris flow disaster information detection are compared and analyzed with the detection results supported by transfer learning.     

基于遥感影像的建筑抗震能力分析

据震害统计,房屋抗震能力是影响灾害的主要因素,抗震能力一般由房屋抗震设防水平、结构类型、建造年代和房屋层数等因素决定,通过对房屋抗震能力的综合评定,以便采取更有针对性的地震灾害对策。本文通过遥感影像实现房屋基本信息的快速提取,提高房屋结构类型获取的便捷性,具有较高的准确度和可靠度,并利用抽样调查得到张家口万全区房屋建造年代和层数分布特点,结合当地抗震设防水平,建立房屋抗震能力指数指标体系,阐述房屋抗震能力现状,为地震灾害损失评估、风险普查、风险区划等工作提供参考。     

无人机遥感技术在新疆皮山地震灾情获取中的应用

2015年07月03日,新疆维吾尔自治区和田地区皮山县（37.6°N,78.2°E）发生M_S6.5级地震,震源深度10km。本文利用高性能无人机数据采集平台获取灾区高分辨率影像数据,结合地震现场震害调查建立建筑物震害遥感解译特征,采用人工目视解译完成了灾区6个0.01°×0.01°格网评估区房屋类型及损毁程度应急遥感调查,获取测区地震灾情信息。结果表明:测区内房屋结构类型主要包括土木、砖木、砖混结构;倒塌房屋主要为土木结构及个别老旧砖木结构房屋,倒塌和局部倒塌的土木结构房屋占评估区土木结构房屋总数的68%,倒塌和局部倒塌的砖木结构房屋占评估区砖木结构房屋总数的12%;测区砖混结构房屋局部倒塌1间,未倒塌228间,砖混结构显示出良好的抗震性能,对避免人员伤亡和减少经济损失起到重要作用。     

UAV Remote Sensing Information Acquisition and Analysis of MS5.4 Earthquake in Baicheng County,Xinjiang

以2021年3月24日新疆维吾尔自治区阿克苏地区拜城县M_S5.4地震为例,利用无人机进行灾区航拍,结合现场调查完成灾区地表破裂情况、建筑物毁坏程度、道路毁坏程度无人机遥感灾情获取与分析。研究结果表明,此次拜城地震产生长约5 km的地表破裂带,主破裂带具有左旋走滑特征,与主压应力场方向一致;受地震动、地表破裂、场地类型及土壤成分等因素影响,地表破裂带周边老旧砖木结构房屋不同程度受损,乡村道路不同程度破坏;此次地震造成的地表破裂和震害分布情况受断裂带控制。