论文部分内容阅读
大地震具有破坏范围广、突发性强、形变量大的特点,震后第一时间开展灾情快速评估并启动应急响应能有效地减轻地震带来的破坏。空间对地观测技术具有的宏观、快速、覆盖范围广的特征优势为灾情信息获取提供了一种有效的途径,在地震应急中发挥了重要的作用。随着空间对地观测技术的不断发展,震后获取影像的类型、数据量日益增加,表现出明显的“大数据”特点。然而,尽管影像获取能力不断提升,但地震遥感信息处理能力不足,多源影像数据协同分析方法欠缺,导致从海量数据中挖掘有用信息的程度较低,遥感影像获取能力与信息处理能力之间出现了严重的失衡。目前基于遥感影像的震害提取技术尚不能满足地震应急与震害评估实际应用的时效性与准确性要求。本文着眼于应急与灾情识别实际应用中的问题,重点研究地震前后多模式遥感影像震害信息识别与灾害动态变化监测方法,探索多模式遥感数据协同的智能化与自动化遥感地震应急应用。论文的主要研究内容概括如下:(1)针对只有震后遥感图像的情况,提出了基于数据挖掘与面向对象相结合的震害信息提取方法,通过数据挖掘实现特征规则的自动构建,避免了人为选取造成特征缺失的不足。提出了基于CNN深度学习的震害建筑物识别流程与技术方法,CNN深度学习方法填补了数据挖掘算法中特征选取人工干预过多的不足,明显提高震害建筑物提取精度。(2)提出了多源异构遥感图像变化检测方法,适用于地震前后具有多时相遥感影像的情况。当地震前后遥感图像为同源时,提出一种基于多纹理特征主成分分量相关性变化检测的方法,充分利用SAR图像中丰富纹理特征又避免信息的冗余;当地震前后遥感图像为异源时,提出一种基于面向对象与CNN模型结合的分类后变化检测方法,克服传统变化检测对于数据类型、时相一致的要求,实现多传感器数据同化与信息协同处理。(3)构建了地震触发滑坡灾害动态监测和演进趋势分析数学模型,适用于震后多模式数据并存的情况。提取震后不同时间段内遥感影像中滑坡灾害的空间分布,构建灾害面积、面积变化量与时间的数学模型,实现灾情动态演变预测。构建PSO-BP神经网络预测模型,结合地震震区滑坡灾害孕灾、诱灾等影响因子,实现震区滑坡危险性分区预测。(4)针对震后遥感应急模式混乱、效率不高的问题,提出了由机制体系、策略体系、关键技术体系组成的复杂时空环境下多模式数据协同的遥感地震应急响应框架,深入剖析了相应的地震应急策略与需求,规划不同模式遥感图像震害信息识别方法及时效性,用于规范未来地震应急模式与流程,搭建服务于地震应急的空间数据协作处理平台,提高信息识别与地震应急效率。