基于深度学习的海洋承灾体评价方法研究

针对北部湾区域海洋灾害频发、承灾体灾变响应机理不明、缺乏智能预警监测技术手段等问题,提出一种基于深度学习与地理网格评价的海洋承灾体脆弱性评价方法。该方法基于海洋大数据分析与全球网格剖分技术,构建海洋数据集装箱,在影像特征基础上,将海洋环境数据,海洋承载体脆弱性数据,强台风作用的预报数据（如风力强度、风向、风量、降水量）,海岛树木、房屋、海堤、人口等数据的变化以及历年灾害、经济损失等数据,采用深度学习方法进行训练,得到最终的海洋承灾体智能评价模型,可以实现对海洋承灾体的动态评估。该方法用于承灾体响应机理研究、承灾体评价以及灾变预警,为强台风来临时防灾减灾精细化管理提供依据。     

一种房屋建筑承灾体高度的快速自动估算方法

为满足大范围房屋建筑承灾体高度高效调查的需求,提出了一种顾及房屋结构的建筑物高度快速自动估算方法。首先基于LiDAR点云制作区域数字高程模型和数字表面模型,获取地面和地表高程矢量点;然后利用1∶500地形图数据对房屋结构进行解析,确定房屋底部和顶端高程计算面;最后以高程计算面内点要素的高程均值作为底部和顶端高程,进而求差计算房屋高度。以广州市南沙区范围内的532栋房屋建筑对象为实验对象,该方法得出的建筑高度与不动产登记资料的实际高度误差约有84.21%在0.2 m之内,表明该方法效率高、精度可靠,能满足大范围房屋高度快速调查的需求。