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。     

2021年9月16日四川泸县6.0级地震震害特征分析

2021年9月16日04时33分四川省泸州市泸县发生6.0级地震,震源深度10 km,此次地震共造成3人死亡,159人受伤。地震现场工作队采用抽样调查、单项调查和现场核实等方法对震中区房屋及其他工程进行了实地勘察,获取了本次地震的烈度分布及房屋震害情况,并对房屋震害特征进行了总结梳理。在此基础上,从房屋抗震设防、地震科普宣传、应急保障和地震风险防范意识等方面对震区防震减灾工作提出建议,为震区后续恢复重建和当地抗震设防能力提升提供参考依据。     

2022年4月6日四川兴文Ms5.1地震震害特征及成因分析

针对四川兴文M_S5.1地震,地震现场工作队采用抽样调查、单项调查、现场核实等方法对震中区房屋及其他工程进行了实地勘察,获取了此次地震的烈度分布及大量调查资料,本文在此基础上对本次地震震害特征及其成因进行了总结梳理,最后从地震灾害风险排查、房屋建筑抗震设防、地震科学基础研究等方面对震区防震减灾工作提出建议,为震后恢复重建和当地抗震设防能力提升提供参考依据。