面向震后快速灾害评估的遥感影像房屋数据空间化构建方法

doi:10.13474/j.cnki.11-2246.2024.0212

测绘通报 ›› 2024, Vol. 0 ›› Issue (2): 69-73.doi: 10.13474/j.cnki.11-2246.2024.0212

面向震后快速灾害评估的遥感影像房屋数据空间化构建方法

张萍^1,2, 李必军³, 李垠^1,2, 张亦梅^1,2, 特木其勒^1,2, 刘可^1,2, 李治君⁴

1. 中国地震局地震研究所地震大地测量重点实验室, 湖北武汉 430071;
2. 湖北省地震局, 湖北武汉 430071;
3. 武汉大学测绘遥感信息工程国家重点实验室, 湖北武汉 430079;
4. 自然资源部信息中心, 北京 100812

收稿日期:2023-06-21 出版日期:2024-02-25 发布日期:2024-03-12
通讯作者: 李必军。E-mail:lee@whu.edu.cn
作者简介:张萍(1993—),女,硕士,工程师,主要从事遥感与GIS技术应用研究工作。E-mail:zping@whu.edu.cn
基金资助:
中国地震局地震应急青年重点任务(CEAEDEM202213);中国地震局地震研究所基本科研业务费专项和中国地震局地壳应力研究所基本科研业务费专项(306337-12);湖北省地震局基础科研基金(2022HBJJ012)

Housing data spatialization research based on remote sensing images for rapid loss assessment after earthquakes

ZHANG Ping^1,2, LI Bijun³, LI Yin^1,2, ZHANG Yimei^1,2, Temuqile^1,2, LIU Ke^1,2, LI Zhijun⁴

1. Key Laboratory of Earthquake Geodesy, Institute of Seismology, China Earthquake Administration, Wuhan 430071, China;
2. Hubei Earthquake Agency, Wuhan 430071, China;
3. State Key Laboratory of Information Engineering in Surveying Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China;
4. Information Center of Ministry of Natural Resources, Beijing 100812, China

Received:2023-06-21 Online:2024-02-25 Published:2024-03-12

摘要/Abstract

摘要： 基于卷积神经网络方法可高效提取高分辨率遥感影像上的房屋矢量数据,快速获取房屋数据的空间分布数据,提高地震应急基础数据库的更新能力。本文基于轮廓引导和结构感知的编解码器全卷积神经网络(CGSANet)模型和分区域等尺度网格抽样方法,获取了房屋建筑面积及房屋结构类型空间分布模型,具备了复杂区域背景下的多类型房屋数据空间化技术能力;以黄梅县为研究对象,构建了1 km×1 km的房屋数据空间化数据集,实现了不同结构类型的房屋数据识别与鉴定。构建的房屋数据空间化数据集可为地震应急基础数据库提供数据来源,对于提高房屋数据的精度和时效性具有重要意义。

关键词: 遥感影像, 卷积神经网络, 房屋数据, 空间化, 网格抽样

Abstract: The convolutional neural network method can efficiently extract housing vector data from high-resolution remote sensing images, quickly obtain spatialization data of housing data, and improve the updating ability of earthquake emergency database. Based on the contour-guided and local structure-aware encoder-decoder network(CGSANet) model and the equal scale grid sampling method on the basis of partition, this paper establishes the spatialization model of housing construction area and housing structure types, and achieves spatialization of multi-type housing data in complex regional backgrounds. Taking Huangmei county as the study area, the model of housing data spatialization(1 km×1 km) is constructed, and the ability to identify housing data of different structural types is achieved. The model of housing data spatialization constructed can be used to update the earthquake emergency database, and is of great significance for improving the accuracy and timeliness of housing data.

Key words: remote sensing image, convolutional neural networks, housing data, spatialization, grid sampling

中图分类号:

P237

张萍, 李必军, 李垠, 张亦梅, 特木其勒, 刘可, 李治君. 面向震后快速灾害评估的遥感影像房屋数据空间化构建方法[J]. 测绘通报, 2024, 0(2): 69-73.

ZHANG Ping, LI Bijun, LI Yin, ZHANG Yimei, Temuqile, LIU Ke, LI Zhijun. Housing data spatialization research based on remote sensing images for rapid loss assessment after earthquakes[J]. Bulletin of Surveying and Mapping, 2024, 0(2): 69-73.

参考文献

[1] 施仲添,沈正伟,杨四海.基于前景感知的遥感影像建筑物提取方法[J].测绘通报,2023(2):134-138.
[2] 李强,耿丹,张景发,等.面向地震应急调查的遥感应用现状及趋势分析[J].遥感学报,2022,26(10):1920-1934.
[3] 刘正廉,桂志鹏,吴华意,等.融合建筑物与POI数据的精细人口空间化研究[J].测绘地理信息,2021,46(5):102-106.
[4] 朱达邈,王东明.基于遥感影像的建筑物空间分布方法在地震灾害损失预评估中的应用[J].震灾防御技术,2021,16(3):510-518.
[5] 窦世卿,郑贺刚,徐勇,等.基于U-Net3+的高分遥感影像建筑物提取[J].测绘通报,2022(6):40-44.
[6] GIRSHICK R,DONAHUE J,DARRELL T,et al.Rich feature hierarchies for accurate object detection and semantic segmentation[C]//Proceedings of 2014 IEEE Conference on Computer Vision and Pattern Recognition. Columbus:IEEE,2014:580-587.
[7] GIRSHICK R.Fast R-CNN[C]//Proceedings of 2015 IEEE International Conference on Computer Vision (ICCV).Santiago:IEEE,2016:1440-1448.
[8] HE Kaiming,GKIOXARI G,DOLLÁR P,et al.Mask R-CNN[C]//Proceedings of 2017 IEEE International Conference on Computer Vision(ICCV).Venice:IEEE,2017:2980-2988.
[9] SHELHAMER E,LONG J,DARRELL T.Fully convolutional networks for semantic segmentation[C]//Proceedings of 2016 IEEE Transactions on Pattern Analysis and Machine Intelligence.[S.l.]:IEEE,2016:640-651.
[10] BADRINARAYANAN V,KENDALL A,CIPOLLA R.SegNet:a deep convolutional encoder-decoder architecture for image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2017,39(12):2481-2495.
[11] RONNEBERGER O,FISCHER P,BROX T.U-net:convolutional networks for biomedical image segmentation[C]//Proceedings of 2015 International Conference on Medical Image Computing and Computer-Assisted Intervention.Cham:Springer,2015:234-241.
[12] CHEN Shanxiong,SHI Wenzhong,ZHOU Mingting,et al.CGSANet:a contour-guided and local structure-aware encoder-decoder network for accurate building extraction from very high-resolution remote sensing imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2021,15:1526-1542.
[13] 季顺平,魏世清.遥感影像建筑物提取的卷积神经元网络与开源数据集方法[J].测绘学报,2019,48(4):448-459.
[14] 韩贞辉,李志强,陈振拓,等.人口、房屋数据空间化及其在震灾快速评估中的应用:以彝良地震为例[J].地震地质,2013,35(4):894-906.
[15] 丁文秀,李志强,卓力格图,等.四川省房屋数据空间化及在芦山7.0级地震灾情快速评估中的应用[J].灾害学,2015,30(2):128-132.

面向震后快速灾害评估的遥感影像房屋数据空间化构建方法

Housing data spatialization research based on remote sensing images for rapid loss assessment after earthquakes

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	张兰兰, 王红雷. 基于深度学习的耕地非农化遥感监测与时空分析——以开阳县为例[J]. 测绘通报, 2024, 0(3): 13-18.
[2]	王东妍, 于才, 沈鹍, 张振见, 李亚峰. 点云数据在道岔关键节点几何检测应用[J]. 测绘通报, 2024, 0(3): 107-112.
[3]	高桂棠, 郗连霞, 钟晓龙. 基于卷积神经网络和无人机倾斜摄影图像的单个高层建筑物高度测算方法[J]. 测绘通报, 2024, 0(3): 118-122.
[4]	马锦山, 贾国焕, 张赛, 张炯. 基于多源高分辨率遥感影像的典型自然资源要素提取[J]. 测绘通报, 2024, 0(3): 123-126,150.
[5]	赵莲, 于亚杰, 梁治华. 基于冠层高度模型的遥感影像玉米倒伏范围提取[J]. 测绘通报, 2024, 0(3): 127-133.
[6]	王红雷, 严文璞. 基于深度学习技术的贵州省耕地占用遥感监测[J]. 测绘通报, 2024, 0(3): 134-139.
[7]	吕强, 李朝奎, 谢梦愿, 李豪, 陈军. 多尺度引导滤波对多光谱遥感影像分类精度的影响[J]. 测绘通报, 2024, 0(2): 58-62.
[8]	叶江, 李才艺, 高红旗, 徐卫红, 向南松. 基于多时相光学遥感影像亚像素相关的边坡监测——以溪洛渡电站为例[J]. 测绘通报, 2024, 0(1): 38-43,108.
[9]	李冬瑞, 童鑫, 李文涛, 宋欣屿, 刘洁冰. 基于深度学习的卫星影像立体匹配算法[J]. 测绘通报, 2024, 0(1): 83-88.
[10]	贺秋华, 邹娟, 余姝辰, 余德清, 唐晖, 梅金华, 罗建强, 赵动, 邹聪. 基于高分辨率遥感影像的荆江河段南部洪道崩岸监测——以戥盘洲弯道为例[J]. 测绘通报, 2023, 0(9): 124-128.
[11]	张戬, 高雅. 深度学习遥感影像解译技术在耕地保护中的应用[J]. 测绘通报, 2023, 0(8): 142-145.
[12]	沈鑫甦, 嵇灵. 面向遥感地类变化检测的U型深度学习神经网络改进方法[J]. 测绘通报, 2023, 0(6): 93-97,103.
[13]	江雪梨, 熊永良, 郭红梅, 赵真, 张莹, 孟雅湉. 改进随机森林模型在人口空间化中的应用[J]. 测绘通报, 2023, 0(6): 155-160.
[14]	王丽梅, 王延正. 基于高分辨率遥感影像的建筑物提取[J]. 测绘通报, 2023, 0(6): 180-183.
[15]	杜宇峰, 黄亮, 赵子龙, 李国柱. 基于DETR的高分辨率遥感影像滑坡体识别与检测[J]. 测绘通报, 2023, 0(5): 16-20.