数据驱动的灾害风险要素信息遥感智能提取应用.pdfVIP

14nn划丨多灾种灾害遥感监测实跣

数据驱动的灾害风险要素信息遥感智能提取应用

■杨轩陈正超

数据驱动的灾害风险要素信息遥感智能提取,是遥感技术与人工智能深度融合的典型应

用。该技术可显著提升风险识别效率与精度,为灾害风险评估、应急响应和灾后重建提

供关键支撑。本文基于融合人工智能+遥感大数据理念，介绍了数据驱动的灾害

风险要素信息遥感智能提取在典型承灾体智能识别、重点隐患目标智能识别及灾害要素

变化检测与异常识别三方面关键技术瓶颈取得的成果及实战应用,以期推动其深度应

用,提升灾害遥感监测能力。

我国自然灾害频发，传统的遥感信息提取面导致常规深度学习模型性能急剧下降。本课题针对

临“风险信息不准确、不全面、变化不清楚”等灾害场景特殊性，研发了专用智能识别网络模型，

问题，难以满足应急响应需求。为提升灾害遥感实现了对房屋、道路、桥梁、农田等7种典型承灾

监测能力，国家重点研发计划项目“多灾种灾害体的髙精度自动提取，总体精度均突破90%。

风险遥感监测预警关键技术与应急业务服务示范”（―）房屋：灾害评估的核心要素

（2021YFB3901202）应运而生。本文依托其下“数房屋是灾害中最受关注的承灾体，常面临倒塌

据驱动的灾害风险要素信息遥感智能提取技术研损毁、部分遮挡等情况。技术挑战在于常规CNN模

究”子课题，重点介绍融合“人工智能+遥感大数据”型难以捕捉被遮挡房屋的完整全局结构。解决方案

理念，在典型承灾体智能识别、重点隐患目标智能是构建面向遮挡损毁干扰的Transformer房屋提取

识别及灾害要素变化检测与异常识别三方面攻克网络模型，利用自注意力机制捕捉全局特征与远程

的关键技术瓶颈。依赖关系，“脑补”出受损结构，显著提升识别鲁

棒性，应用成效如图1所示。该模型能准确勾勒居

典型承灾体智能识别：精准摸清风险底数民地（红色区域），对1米分辨率影像、100平米

以上房屋的识别精度达90.31%,并在京津冀等示

承灾体是灾害风险评估的基础单元，准确摸范区得到业务化验证。

清其空间分布是损失评估的前提。然而，灾害场（二）道路：应急救援的“生命线”

景下的遥感影像常伴有烟雾、遮挡、损毁等干扰，道路是“生命线”，灾害常导致其断裂、损毁，

破坏拓扑连通性。技术挑战在于传统模型提取的道

路网络破碎、断连，无法支撑路径规划。面对这一

难题，本课题研发面向损毁道路断连优化的多任务

拓扑感知网络模型，引入拓扑约束模块，同步识别

道路并恢复其连通性，提取的道路（蓝色线条）保

持了