排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
尼泊尔8.1级地震建筑物震害遥感提取与分析 总被引：2，自引：2，他引：0
2015年4月25日尼泊尔发生的8.1级地震,造成重大人员伤亡与经济损失。在地震前、后灾区高分遥感影像分析处理基础上,结合现场实地调查,对灾区房屋建筑及其震害程度进行了遥感解译,编制了地震灾区房屋建筑震害分布图。结果分析表明:尼泊尔地震灾区影像上显示的建筑物震害分布与该区域房屋结构类型、主余震位置和区域活动构造分布密切相关。其中,房屋较为严重倒塌区域主要分布在8.1级主震和7.5级余震震中附近,但这两个区域并没有相连;居民点建筑物个别倒塌的居民地则连成一个区域。影像上显示的建筑物倒塌区域,与多数8级巨大地震比较,总体上极震区震害偏轻,但在南南西(垂直于破裂方向)上展布较宽。这一特征与引发该地震的印度与欧亚大陆板块边缘活动断裂在深部呈近似于平行地表的低角度断层面破裂引起的地震动能量在地表相对较宽而低的分布特征是一致的。 相似文献
2.
精细的居民地数据对地震灾害风险分析具有重要意义。 为得到具有较高时效性与精细度的居民地数据, 充分发挥其对人口、 建筑物空间展布的指示作用, 本文综合利用多源遥感影像的优势, 基于分层分类思想开展城镇居民地识别与再分类研究。 以甘肃天水秦州区的主城区为例, 采用具有较高时效性的Landsat-8 OLI影像, 建立决策树分类模型识别出居民地轮廓; 在居民地轮廓内部, 进一步采用资源三号卫星(ZY3)高分影像, 利用面向对象方法进行居民地内部的建筑群再分类, 最后得到了具有不同精细程度的居民地数据。 实验结果中Landsat-8土地覆盖分类总体精度为92%(其中居民地识别率达86%), 城镇居民地再分类的总体精度为81%, 说明了本文研究方案的可行性。 相似文献
3.
利用机载激光雷达扫描（Light Detection and Ranging，LiDAR）技术所得点云进行震后倒塌建筑物提取时，树木与倒塌建筑物的点云特征十分相似，较难区分。为了快速准确获取震后房屋建筑物的受损情况，本文提出使用回波次数比特征指标，结合前人所提出的点云回波强度、归一化强度、最邻近点高差、法向量夹角、X向坡角和Y向坡角等特征的均值和标准差，利用K-最近邻分类法实现单体地物区分的方法。对2010年海地7.0地震震后机载LiDAR数据进行了地面点去除，分别选取了未倒塌建筑物、倒塌建筑物和树木各50个训练样本和各20个测试样本，计算了各因子的分布及其均值和标准差，在分析的基础上最终选取了可分性较强的8个分类特征，利用K-最近邻分类法对测试样本进行了分类，结果显示分类正确率可达85%以上。研究表明选取多个有效的LiDAR点云分类特征可以较好地区分震后未倒塌建筑物、倒塌建筑物和树木，提高震后建筑物震害程度判定的准确性，为应急救援及时提供较为准确的灾情信息支持。 相似文献
1