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。     

面向海洋承灾体的三维动态监测超融合平台

本文针对典型的海洋承灾体以房屋(点状)、防波堤(线状)、养殖蚝排(面状)等，基于卫星、无人机等遥感影像数据，利用深度学习方法开展台风影响下承灾体灾变、灾损演化特征及其对海洋灾害作用强度归一化响应机理研究，构建海洋承灾体智能识别模型；然后结合地理时空网格及区域脆弱模型(HOP),基于承灾体自身材料、结构、年份等属性及动力学相关模型，建立不同场景的承灾体脆弱性评价体系，实现区域化的承灾体评价脆弱性评价；最终基于Arcgis、skyline等二维、三维GIS展示技术，集成上述模型研发面向海洋承灾体的三维动态监测超融合平台。该平台实现对复杂海洋情景的模拟和预测，对海洋防灾减灾工作的辅助决策，以及最大限度地减少海洋灾害损失具有十分重要的意义。