基于遥感与AI技术的应急减灾解决方案探索.pdf

《基于遥感与AI技术的应急减灾解决方案探索.pdf》由会员分享，可在线阅读，更多相关《基于遥感与AI技术的应急减灾解决方案探索.pdf（42页珍藏版）》请在三个皮匠报告上搜索。

1、基于遥感与AI技术的应急减灾解决方案探索易智瑞信息技术有限公司 遥感事业部马宇龙 解决方案自然灾害卫星遥感人工智能应急减灾解决方案遥感的特点：探测范围广重复采集，动态监测卫星种类多，数据源多样探测过程不受地面条件限制自然灾害的特点：表现种类多区域性特征明显季节性和阶段性特征突出灾害共生性和伴生性显著AI的特点：数据依赖性强模型依赖大量数据进行训练。模型泛化能力还不稳定。便于自动化，可以处理大量重复和复杂任务，实现自动化流程。中国的所有省（自治区、直辖市）都不同程度受到自然灾害的负面影响。中国有三分之二的国土面积遭受着洪涝灾害威胁。东北、西北、华北等地旱灾频发，特别严重的干旱常见于西南和华南地区

2、。各省（自治区、直辖市）均发生过里氏5级及以上的破坏性地震。约占国土面积69%的山地和高原因地质构造复杂而遭受频繁的滑坡、泥石流、崩塌等地质灾害。森林和草原地带则容易发生火灾。全国一半的人口和70以上的城市位于容易发生气象、地震、地质和海洋灾害的区域。灾害风险管理的中国经验常见的自然灾害类型多源遥感数据可见光红外SARAI的整体过程很简单，但高质量的样本是第一步。深度学习三步骤获取样本训练模型模型分类SAR暴雨洪灾监测 选择样本区水体样本的选择是重要一环，由于水体在不同的区域颜色有差异，加之需要和山体阴影区分，故选择样本时要覆盖这些区域。选择6个子区域包括：既有山区又有平地区域、只有山区、只有

3、平地、平地区域包含不同颜色的水体，这几种类型。深度学习SAR暴雨灾害监测对子区域的数据分别进行水体提取，采用阈值法，之后手动编辑，提取每个子区域的水体作为样本。为了区分山体阴影和水体，结合深度学习的优点，构建了多源数据集进行标签栅格构建和模型训练，分别使用了HV极化、HH极化、水体指数、DEM、坡度、坡向，合成了6波段数据。获取样本使用水体样本训练模型，得到水体提取结果：深度学习水体提取红外森林草原火灾监测通过遥感手段可以监测火点、明/暗火范围、过火面积等火情信息。火情遥感监测明/暗火监测过火面积提取火点提取火情监测与遥感数据源卫星数据类型卫星数据类型应用应用特点特点监测时段监测时段FY-3、

4、MODIS、NPP、葵花-8热红外：探测火点、探测大范围明/暗火面积高时间分辨率，可以做到每天监测。覆盖面大，一次可以监测很大范围。经研究可以识别最小50平方米过火面积。前期高分四号、Landsat、哨兵2热红外/短波红外：探测森林明/暗火可见光-近红外：识别森林过火面积高光谱分辨率，热红外/短波红外中后期高分一号/二号/六号/七号卫星、资源三号卫星等可见光-近红外：识别森林过火面积高空间分辨率，可见光-近红外后期2023年4月11日15时27分，云南省玉溪市江川区九溪镇发生森林火情。2023年4月13日16时21分，云南省安宁市温泉街道官庄村发生森林火情。山火遥感监测实例云南省消防救援总队消

5、防指战员在玉溪市江川区火场扑救山火森林消防指战员在安宁火场进行灭火作战 前期使用高时效数据进行火点监测 中期使用包含红外波段数据进行明暗火监测 后期使用中高分辨率数据进行过火面积监测卫星数据火点提取明/暗火监测过火面积提取全过程遥感监测可以使用深度学习网格搜索模型进行大范围快速监测！灾前火点监测Red/Green/BlueRed/Green/Blue真彩色合成只能看到云和烟真彩色合成只能看到云和烟SWIR 2/NIR/BlueSWIR 2/NIR/Blue能看到火烧区域（暗红色）能看到火烧区域（暗红色）橘红色为明橘红色为明/暗火暗火Thermal Infrared(1)Thermal Infr

6、ared(1)单波段伪彩色显示单波段伪彩色显示白色亮点是明白色亮点是明/暗火暗火灾中明/暗火显示方案通过光谱分析构建燃烧指数获得过火区样本灾后过火面积识别云南玉溪和安宁山火过火区范围可见光地震震后监测震后灾区重建震后灾区重建受灾严重地区样本受灾严重地区识别结果受灾严重地区识别结果受灾严重地区识别结果受灾严重地区识别结果受灾严重地区识别结果可见光地质灾害监测2018年7月10日早上7时03分，茂县叠溪镇烧炭沟村路口）山体滑坡2018年7月20日29时塌方滑坡塌方造成G213线茂县飞虹乡擦耳岩中断道路 2017年6月2