基于BDANet的地震灾害建筑物损毁评估

基金项目:
国家自然科学基金“孟中缅印经济走廊公路网时空风险评估与归因”(42061074)

国家重点研发计划“面向对地观测的Web格网服务、标准及其互操作应用展示”(2019YFE0127100)

详细信息

收稿日期: 2023-06-06

修回日期: 2023-10-08

刊出日期: 2024-12-23

BDANet-based assessment of building damage from earthquake disasters

Received Date: 06 June 2023

Revised Date: 08 October 2023

Publish Date: 23 December 2024

摘要: 破坏性地震建筑物损毁快速评估是震后科学评估的决策依据与技术保障,对于人道主义救援和应急响应具有重要意义。鉴于现有遥感影像震后建筑物损毁大多基于灾前灾后图像分割来完成,对于震后建筑物数量难以快速统计,文章以U-Net深度卷积神经网络为主体模型,提出一种3阶段的BDANet(building damage assessment convolutional neural network)震后建筑物损毁信息评估与预测一体化网络框架。首先,利用U-Net的编码-解码网络结构提取建筑物位置信息; 其次,通过灾前灾后影像训练建筑物损毁评估部分,对建筑物分割结果进行损毁定位与等级评估; 最后,对不同等级的损毁建筑物数量进行预测,为灾后救援与灾后重建提供数据支撑。并以2017年墨西哥中部莫雷洛斯州发生的7.1级地震与2023年土耳其发生的7.8级地震为例展开研究,实验对震后建筑物损毁等级进行评估及统计,验证了该文方法的准确性与可靠性,相关实验结果可为灾后风险评估提供及时、准确的数据支撑和技术保障。
- 遥感影像 /
- 地震灾害 /
- 建筑物损毁 /
- 损毁评估 /
- U-Net
- remote sensing image /
- earthquake disaster /
- building damage /
- damage assessment /
- U-Net

中国自然资源航空物探遥感中心	主办
地质出版社	出版