共查询到19条相似文献，搜索用时 125 毫秒
1.
为了提高建筑物震害信息提取的效率与准确度,针对震后高分辨率遥感影像,根据震害建筑物在遥感影像上的特征,以2010年海地MS7.0地震为例,通过尺度参数估计算法自动选择最优分割尺度对影像进行多尺度分割,并采用面向对象方法对海地高分辨率遥感影像进行建筑物震害信息提取,同时与基于像元的支持向量机、反向传播神经网络、基于分类回归算法的决策树分类方法进行比较。试验结果表明,面向对象的分类方法具有更好的目视效果和更高的分类精度,有利于地震后震害信息的准确提取和快速评估。 相似文献
2.
3.
遥感分类方法在建筑物震害提取中的应用（以玉树地震为例） 总被引：1，自引：0，他引：1
建筑物损毁情况是地震灾害评估的一项重要指标,利用遥感技术快速提取震后建筑物震害信息,对科学指导地震应急救援工作具有重要意义.利用2010年4月14日青海玉树7.1级地震前后玉树县结古镇团结村高分辨率遥感影像,结合像素光谱和空间特性的纹理、结构等多源信息,基于支持向量机（SVM）方法,对地震前后建筑物信息进行分类提取,变化检测出建筑物损毁情况,并与面向对象多源信息复合的模糊分类法的分类精度、提取效率进行对比分析.研究结果表明,多源数据复合的SVM影像分类方法能够有效解决模糊分类影像破碎问题,地震前后两实相影像分类总精度达到77.53％和73.56％,提高了建筑物震害信息提取精度. 相似文献
4.
建筑物倒塌是造成地震人员伤亡的主要原因,对地震应急救援与决策具有重要的指导意义.遥感以其综合、宏观、快速、动态的特点,为地震灾害信息调查和震害快速评估提供了一种可靠的信息源.面向对象的分类方法是针对高分辨率影像的一种新的分类方法.本文在总结遥感影像建筑物震害信息提取方法进展的基础上,将建筑物分为基本完好和毁坏两个等级.选取唐山地震和汶川地震的震后航片,利用面向对象的分类方法来识别影像上基本完好的建筑物,计算评估区内的建筑物倒塌率.实验结果表明,面向对象的分类方法充分利用了图像上的光谱、形状、纹理等特征.在很大程度上克服了基于像元分类方法的局限性,并且基于对象的建筑物倒塌率计算也取得了较好的精度. 相似文献
5.
面向对象的遥感震害信息提取方法——以汶川地震为例 总被引：1，自引：0，他引：1
本文总结了近年来利用遥感影像进行震害信息提取的方法和研究趋势,随着遥感影像分辨率的提高,震害信息提取逐渐从传统的基于像元方法向基于对象的方法转变.文中以汶川地震为例,利用面向对象的分类方法提取了典型震害信息,并提出了面向对象的变化检测方法的工作流程.对震害建筑物破坏情况,分别用最小距离分类、马氏距离分类、支撑向量机分类和面向对象分类进行了实验研究,并对这几种不同分类方法的实验结果进行了对比分析.实验结果表明,面向对象的震害信息提取方法克服了传统的基于像元的分类方法的缺点,提高了建筑物识别的精度,在建筑物震害和地震次生灾害的信息提取中取得了较好的效果. 相似文献
6.
遥感图像面向对象分类作为空间信息提取的关键技术, 在震害信息提取方面发挥着非常重要的作用, 然而由于光学遥感影像是正射图像, 只能提取建筑物屋顶信息, 这使得单一利用震后光学影像进行震害信息提取存在一定的局限性. 针对该问题, 本文提出了一种基于合成孔径雷达(SAR)相关变化检测的光学影像震害建筑物面向对象提取方法, 即在光学影像面向对象提取的数据中融合SAR相关性, 对光学影像进行面向对象提取震害建筑物时不仅考虑建筑物的几何、 光谱等特征, 还加入震前震后变化信息即SAR相关性进行分类. 在此基础上, 选取2008年汶川MS8.0地震震区都江堰地区作为研究区进行试验. 结果表明, 本文提出的方法相对于单一使用光学影像进行震害建筑物提取, 其准确度有较明显的提高. 相似文献
7.
8.
为提高震害信息获取时效性,对基于我国国产高分遥感影像的建筑物震害信息提取方法进行深入研究,本文以2017年5月11日新疆塔县MS5.5地震为例,利用该地震前后极灾区高分遥感影像,利用结合纹理和形态学特征的方法进行了建筑物震害信息提取,通过变化检测分析获取了极灾区建筑物震害信息,并与基于像元级和基于目标级的信息提取结果进行对比,采用震后无人机影像目视解译结果对本文结果进行了精度验证。结果表明:通过缩减研究区范围可大力提高数据提取精度和速度;运用灰度共生矩阵、二值化、数学形态学等方法对影像进行迭代运算,能较好地提取高分遥感影像中的建筑物信息;通过对地震前后建筑物提取结果进行变化检测分析,能够有效地提取完全倒塌的建筑物,信息提取总体精度为90.45%,比基于像元级和基于目标级信息提取结果的精度分别提高了5.78%和5.23%,可为震后快速确定人员压埋点、部署救援力量提供决策依据,提高地震应急救援的时效性。 相似文献
9.
利用震后灾区全极化SAR影像可快速提取建筑物震害信息,为应急救援的快速有效实施提供重要的灾情信息支持。本文建立基于极化散射矩阵的Pauli-Wishart监督极化分类的建筑物震害信息提取和以街区为尺度的震害程度评估方法,包括Pauli分解、Wishart监督分类和遥感震害指数提取,并利用玉树县城区2010年4月14日青海玉树7.1级地震震后全极化Radarsat-2影像,提取了建筑物震害信息。经统计,确定结果总体分类精度达到0.81,Kappa值为0.61,表明本文提取建筑物震害的方法是可行的。 相似文献
10.
基于无人机影像的九寨沟地震建筑物震害定量评估 总被引：1，自引：0，他引：1
利用2017年8月8日九寨沟7.0级地震震后获取的无人机影像,结合地面震害调查资料,分析各类建筑物震害特征,建立建筑物震害无人机遥感解译标志;选取地震灾区漳扎镇(部分区域)和荷叶寨2个区域作为研究区,进行了无人机遥感建筑物震害提取,基于遥感震害指数进行了震害定量评估,并与现场建筑物震害调查统计结果进行了比较验证。结果显示,遥感解译建筑物震害与实际震害程度相吻合,表明利用震后快速获取的高分辨率无人机影像,可以较为准确地识别建筑物震害,进而为地震灾害定量评估和应急救援辅助决策提供重要参考。 相似文献
11.
利用GIS技术对地震危险等级进行评定时,由于其地形控制点选取合理性较差,导致其所采集遥感图像清晰度较低,地震等级评定不够精准。针对此问题提出一种新的地震灾情遥感信息危险等级在线应急评定方法。利用图像几何校正法,对遥感图像进行分幅裁剪,基于裁剪结果选取地面控制点,提取有价值遥感数据信息,建立遥感解译评估指标。将推导出的综合震灾指数引入到指标中,将各个评价单元的信息进行等级排序和划分,完成地震灾情遥感信息危险等级在线应急评定。仿真实验中,对所提方法和GIS地震危险等级评定方法进行有效性对比测试。实验结果表明,地震灾情遥感信息危险等级在线应急评定方法提升了灾情地形控制点选取的合理性,使获取的遥感图像更清晰,灾情等级评定结果更精准。 相似文献
12.
强地震发生后, 道路是抗震救灾的生命线, 快速有效地提供灾区可通行道路的状况可为地震应急救援力量的部署提供强有力的信息支撑。 基于遥感图像的震害道路识别是遥感地震应急领域中的难点, 但对于地震应急具有无可比拟的价值。 在总结分析地震前后道路影像特征的基础上, 系统地介绍了遥感影像道路提取方法, 之后介绍了遥感震害道路评估工作流程, 重点阐述了遥感震害道路提取与评估方法, 然后综合分析了遥感道路提取在地震应急中的不足, 最后展望了未来遥感技术在震害道路提取与评估中的应用。 相似文献
13.
2015年4月25日在尼泊尔廓尔喀县发生的8.1级地震及后续强烈余震,造成尼泊尔北部严重的人员伤亡和财产损失,灾区建筑物倒塌损失严重。本文利用现场震害调查资料和高分卫星遥感影像,开展建筑物震害遥感解译,得到各个遥感解译点的遥感震害指数,结合现场调查点评估的烈度拟合了遥感震害指数-实际震害指数转换关系,再根据遥感震害指数估计了全部解译点的震害指数及地震烈度。估计的烈度与现场调查结果对比显示出较好的一致性,研究结果为该地区今后发生地震提供了可借鉴的遥感评估震害指数转换模型。 相似文献
14.
针对中分辨率遥感影像建筑物震害信息弱以及变化检测法受非震害信息影响大等弱点, 本文建立了一种基于变化检测的居民区震害信息快速提取方法. 该方法利用主成分变换增强震害信息, 采用监督分类法提取似居民区, 并用灯光影像数据进一步对似居民区提取结果进行优化, 从而很好地消除了变化检测方法中非震害因素的影响. 在此基础上, 以2001年印度MW7.6地震的极重灾区为研究区域, 利用震前、 震后Landsat卫星TM图像和震区灯光影像数据, 对本文算法进行了验证和分析. 结果表明, 在30—50 m中分辨率遥感影像上, 以建筑物为主的居民区震后图像变化最为显著的震害特征是反射率变大, 本文所建立的居民区震害信息提取方法在解决中分辨率遥感影像震害目标信息弱、 背景复杂等方面效果明显. 相似文献
15.
汶川8.0级地震震害遥感定量化初步研究以都江堰城区破坏为例 总被引：8，自引：1，他引：7
随着遥感技术的飞速发展, 遥感在地震应急救援、 灾害调查和损失评估中的作用越来越显著。 然而由于缺乏系统的遥感震害定量研究, 使得遥感的实用性常常受到质疑。 文中叙述了遥感震害定量研究的基本思路, 提出了遥感震害指数的概念与定量分析的基本模型, 并以2008年汶川8.0级地震造成的都江堰城区震害为例, 依据建筑物震害遥感解译结果和地面震害调查结果, 进行了都江堰城区部分街区的建筑物遥感震害指数和地面调查震害指数的统计分析, 并建立了两者之间的统计关系。 初步研究结果表明, 依据高分辨率航空遥感影像和卫星雷达图像建立的建筑物遥感震害指数与地面调查震害指数及房屋倒塌率存在显著的对应性。 因此, 通过遥感震害定量化研究, 将为地震震害调查、 损失评估提供有力的方法和工具。 相似文献
16.
高光谱遥感技术在建 (构) 筑物震害识别中的应用 总被引：1，自引：1，他引：0
高光谱遥感作为20世纪空间对地观测技术重大进步的产物,通过其较高的光谱分辨率,为人们提供了丰富的地球表面信息,在各个研究领域得到了快速发展和广泛应用,并取得了卓越的成果。尽管高光谱遥感具有独特的优势,但是针对其在震害评估领域中应用的相关研究较少。本文在总结高光谱遥感的特征、优势及不同领域应用现状的基础上,开展了其在震害评估领域的应用研究。基于ASD地物波谱仪获取的建（构）筑物光谱曲线构建可用于震害分析所需的光谱特征库,对比光谱库中地物曲线之间的差异后,发现高光谱遥感在震害评估领域中的应用是可行的,因不同震害地物之间的光谱特征曲线存在差异,依据这种差异可区分不同的震害信息,从而对震害遥感图像进行精细分类。 相似文献
17.
Wang Xiaoqing Wang Long Zhang Xihai Ding Xiang Qiu Hu Dong Yanfang DouAixia Zhang Feiyu Liu Zaitao 《中国地震研究》2009,23(4):392-401
The fast developing remote sensing techniques play an increasingly important role in earthquake emergency response, disaster survey and loss estimation. As there is a lack of quantitative studies on seismic damage based on remote sensing, its practicality in seismic disaster management has usually been questioned. The paper introduces the essential quantitative study idea, the concept of the remote sensing seismic damage index (DRS_I RS) and analysis models, demonstrates the seismic damage indices (DG_IC) of buildings obtained from ground surveying and its quantitative relation to DRS_I RS in Dujiangyan city, Sichuan Province, which was destroyed by the 2008 Wenchuan earthquake with M_S8.0. The primary results show that an obvious relationship exists between the DRS_I RS of buildings obtained from the high resolution satellite or aerial remote sensing images and DG_I C or the building collapse ratio obtained through ground survey, which suggests that the quantitative study on seismic damage based on remote sensing will provide an effective method for seismic damage survey and loss estimation. 相似文献
18.
Information Detection of Seismic Debris Flow by UAV High-resolution Image Based on Transfer Learning
A large number of debris flow disasters (called Seismic debris flows) would occur after an earthquake, which can cause a great amount of damage. UAV low-altitude remote sensing technology has become a means of quickly obtaining disaster information as it has the advantage of convenience and timeliness, but the spectral information of the image is so scarce, making it difficult to accurately detect the information of earthquake debris flow disasters. Based on the above problems, a seismic debris flow detection method based on transfer learning (TL) mechanism is proposed. On the basis of the constructed seismic debris flow disaster database, the features acquired from the training of the convolutional neural network (CNN) are transferred to the disaster information detection of the seismic debris flow. The automatic detection of earthquake debris flow disaster information is then completed, and the results of object-oriented seismic debris flow disaster information detection are compared and analyzed with the detection results supported by transfer learning. 相似文献