基于道路网矢量数据的遥感影像道路损毁检测

利用面向对象方法对地震后高分辨率遥感影像上的道路进行多尺度分割和分类.通过融合地震前道路网矢量数据与地震后遥感影像,提出一种基于自适应模板的道路损毁检测方法.试验结果证明,该方法能够快速、准确地对损毁信息进行提取.     

汶川Ms8.0地震重灾区次生地质灾害遥感精细解译

汶川Ms8.0地震诱发了大量次生地质灾害, 主要包括崩塌、滑坡与泥石流等。在获取到全面的研究区震后多源遥感影像后, 采用人工目视解译的方法, 对14个重灾县(市)进行次生地质灾害解译工作, 共解译出约46560处崩塌、滑坡、泥石流等地震次生地质灾害, 灾害总面积约687.1km2。基于GIS平台获取到它们的位置、平面面积等基本信息, 绘制了研究区的地震次生地质灾害分布图与点密度图。结果表明, 本次地震次生地质灾害与龙门山3条主断裂有较好的对应关系, 且主要分布在4个集中区域。最后, 分析了地震次生地质灾害     

面向对象的高分辨率遥感影像道路损毁识别研究北大核心CSCD

道路损毁信息在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用e Cognition软件对芦山震后0.2 m航空遥感影像进行了道路损毁信息的提取试验。试验中结合GIS信息,首先将基于现有的道路矢量线文件生成的道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。     

面向对象的高分辨率遥感影像道路损毁识别研究

道路损毁信息的在灾后高效救援中发挥着重要作用。本文针对高分辨率遥感影像空间特征丰富、光谱分辨率低的特点,基于面向对象遥感影像分类方法,采用eCognition软件对芦山震后0.2m航空遥感影像进行道路损毁信息的提取实验。实验中结合GIS信息,首先将基于现有的道路矢量线文件生成道路矢量面文件参与分割,生成单独的道路区域对象以用于进一步处理。分割采用棋盘分割和多尺度分割,根据损毁道路影像特征创建波段比值,使用Assign算法和模糊分类算法提取出道路线、植被、损毁区和未损毁区,并将结果输出为矢量文件。根据损毁区损毁对象的周长、面积与道路宽度的关系,建立判定条件来初步判定损毁类型。最终将损毁粗判定结果与损毁路段的目视解译结果对比分析,检验该方法的准确率及可行性。结果分析表明上述方法能有效地识别出高分辨率遥感影像损毁道路信息。     

地震灾害现象模式分析与识别

在介绍典型震后地质灾害现象的基础上,设计了利用遥感影像进行震后地质灾害模式识别的整体方案,以震后滑坡造成的道路损毁现象为例,分析其表现出的独有模式,提出了先对影像进行目视解译并利用纹理特征对分类结果进行再分类的识别方法。     

汶川地震次生灾害毁坏耕地的遥感快速评估方法——以北川县唐家山地区为例

以四川省北川县唐家山地区为研究区,利用2006-11-10的SPOT卫星影像数据,依据NDVI和地形信息进行耕地识别,辅以少量的人工修正,快速获取灾前耕地分布信息.应用2008-05-14的FORMOSAT-Ⅱ卫星影像数据和2008-06-04的ALOS卫星影像数据,采用人机交互解译快速获取地震诱发的崩塌滑坡、堰塞湖等次生灾害信息.灾前耕地分布信息叠加地震次生灾害数据及影像,进行变化检测,实现耕地损毁的快速评估.结果表明,研究区内崩塌滑坡、堰塞湖等次生灾害严重,崩塌滑坡533处,面积1408.20hm2,堰塞湖水面面积已达604.69 hm2.共毁坏耕地86.88 hm2,耕地毁坏率8.84%.崩塌滑坡、被毁耕地分布与断裂带分布一致,断裂破碎带内耕地毁坏率达18.74%,占研究区被毁耕地面积的74.53%.     

泸定Ms 6.8地震诱发滑坡应急评价研究

2022-09-05,四川省甘孜州泸定县发生Ms 6.8地震。地震在山区诱发了大量的地质灾害,造成了严重的人员伤亡。快速准确地获取地震诱发地质灾害的空间分布范围对震后应急决策和救援抢险至关重要。基于全球同震滑坡数据库与深度学习算法,构建了地震诱发滑坡空间分布概率近实时预测模型,在震后2 h内获取了泸定地震诱发地质灾害的预测结果。通过震后无人机与卫星遥感影像,采用机器学习与深度学习算法实现了震后大范围地质灾害的智能识别,共解译地震诱发滑坡3 633处,总面积13.78 km2。利用遥感解译的泸定地震滑坡数据,对地震诱发地质灾害预测模型进行了优化,获得了震区范围更广、准确性更高的同震滑坡预测结果。结果表明,同震滑坡预测模型能够快速获取震后地质灾害的空间分布情况,填补震后遥感影像获取前的空窗期,为灾后应急救援提供支撑;基于无人机与卫星遥感影像的智能识别技术是快速获取大范围地质灾害信息的有效手段。所取得的研究成果在泸定地震震后应急救援工作中发挥了重要作用。     

利用GIS与贝叶斯网络进行高分辨率SAR影像道路损毁信息提取

合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候观测,穿透能力强等特点,在灾害监测与评估、资源勘探等方面得到广泛应用,但其固有的相干斑噪声严重限制了单一利用SAR影像进行快速的信息获取。本文提出了一种基于GIS与贝叶斯网络的高分辨率SAR影像道路损毁信息提取方法。在GIS数据的辅助下,利用水平集分割与改进的D1检测融合的方法在影像上提取疑似道路损毁区域;再综合多证据及疑似损毁区观测值构建贝叶斯网络模型,对疑似损毁区进一步判断提取出实际道路损毁区域。实验结果表明,该方法能够快速、准确地对道路损毁信息进行提取。     

基于单时相高分辨率遥感影像的震后道路提取研究

地震发生后,道路是生命救援及运输物资的重要通道,因此,快速有效地获取道路的信息是震后抢险救灾非常关键的一步。在震前影像及矢量数据等缺失的情况下,本文基于2014年8月3日云南鲁甸地震的单时相高分辨率World View-2遥感影像进行了震后毁损道路提取方法研究。在提出的一个震后毁损道路提取方法中,先在e Cognition软件中对影像进行多尺度分割和最邻近分类,然后在Matlab软件平台下对分类结果进行二值化,并用数学形态学技术去除偏大和偏小的地物,最后利用Hough变换进行道路检测得到毁损的路段。实验结果证明:该方法能够快速有效地提取出震后的山区道路毁损信息,可为地震应急提供信息支持。     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体，造成道路阻塞，严重影响地震应急救援进度。为快速准确地识别滑坡分布范围，本文在深入分析滑坡遥感影像特征的基础上，引入面向对象分析方法，实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象，利用SEaTH算法自动构建每一层次特征规则集，实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征，为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较，基于面向对象的滑坡自动识别方法提取精度可达94.8%，Kappa系数为0.827，在电脑配置相同的情况下，自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明，地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系，与地表粗糙度存在负相关关系，研究区滑坡体分布存在明显的断层效应。