Personal Information

  • Gender:

    Male

  • Status:

    Employed

  • School/Department:

    Collaborative Innovation Center of Geospatial Technology

  • Date of Birth:

    1983-10-08

  • Education Level:

    With Certificate of Graduation for Doctorate Study

  • Alma Mater:

    Wuhan University

  • Status:

    Employed

  • School/Department:

    Collaborative Innovation Center of Geospatial Technology

  • Date of Employment:

    2013-12-04

  • E-Mail:

Other Contact Information

  • ZipCode

  • PostalAddress

  • email

Paper Publications

Current position: Home > Scientific Research > Paper Publications

基于BDANet的地震灾害建筑物损毁评估

  • Time:2025-03-27
  • Hits:

  • DOI number:

    10.6046/zrzyyg.2023164

  • Journal:

    自然资源遥感

  • Key Words:

    遥感影像; 地震灾害; 建筑物损毁; 损毁评估; U-Net

  • Abstract:

    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。

  • Indexed by:

    Journal paper

  • Volume:

    36

  • Issue:

    4

  • Page Number:

    193-200

  • Translation or Not:

    no

  • Date of Publication:

    2024-10-09

Copyright @ 2017 Wuhan University

Back
Top