劉耀輝

山東建筑大學測繪地理信息學院，山東 濟南 250101

地震災害具有突發(fā)性和不可預測性，嚴重威脅人類生命財產(chǎn)安全和社會穩(wěn)定。進行區(qū)域尺度地震風險評估，既有助于相關部門制定城市規(guī)劃和應急管理方案，最大限度減輕地震災害風險，也可提高人民群眾對潛在災害的風險意識。承災體、建(構)筑物數(shù)據(jù)是進行地震風險評估的基礎數(shù)據(jù)之一。然而，當前存在建筑物數(shù)據(jù)獲取難、更新速度慢等局限，無法滿足區(qū)域尺度地震風險評估中建筑物數(shù)據(jù)準確性高、獲取方便、更新及時等要求。同時，也缺乏結合社會脆弱性因素構建情景地震的應用案例。論文針對上述不足，以基于多源異構數(shù)據(jù)和機器學習方法快速、準確獲取建筑物信息及其地震風險評估為研究目標，主要研究內(nèi)容如下。

(1) 提出了一種融合編碼-解碼器結構和空間金字塔池化模塊的輕量級卷積神經(jīng)網(wǎng)絡模型——USPP，用于高分辨率遙感影像建筑物自動提取。在Massachusetts和INRIA兩個國際開源的建筑數(shù)據(jù)集上，與其他國際上通用的圖像分割模型(包括SegNet、FCN、U-Net、Tiramisu及FRRN)相比，USPP模型的定性和定量結果都有所提升，能較好地提取建筑物，分類誤差小、邊界清晰。

(2) 上一步提出的USPP模型，雖然取得較優(yōu)的建筑物分割結果，但無法滿足區(qū)域尺度地震風險評估的計算效率需求。為此，提出了融合深度可分離卷積和非對稱殘差連接的ARC-Net網(wǎng)絡，同時融合空洞卷積和空洞卷積空間金字塔池化模塊來擴大視覺感受野，提升建筑物提取精度。在INRIA和WHU兩個數(shù)據(jù)集上的試驗表明，ARC-Net模型性能優(yōu)于其他國際常用的深度學習模型。在此基礎上，應用ARC-Net模型在烏魯木齊城區(qū)和渭南農(nóng)村地區(qū)進行建筑物自動提取。結果表明，ARC-Net模型進行面向地震風險評估的建筑物高精度、快速、自動提取是可行的，可以達到較高的建筑物提取精度和較快的計算效率，并且在農(nóng)村地區(qū)進行建筑物提取效果更好。

(3) 在上一步提取建筑物輪廓基礎上，提出了一種基于多源數(shù)據(jù)融合、機器學習和地理信息技術相結合的建筑物信息提取及其地震易損性的綜合評定方法，并以烏魯木齊為例進行應用驗證。首先，選擇天山區(qū)部分區(qū)域進行建筑物詳細實地調(diào)研；其次，采用EMS-98建筑物易損性分類標準和兩種機器學習方法，即支持向量機和關聯(lián)規(guī)則方法，建立建筑物屬性信息與地震易損性的對應規(guī)則；然后，基于街景影像、道路交通、土地利用規(guī)劃和多時相遙感影像等多源數(shù)據(jù)，將烏魯木齊進行居民地塊體劃分，將上一步建立的建筑物易損性對應規(guī)則應用于烏魯木齊數(shù)據(jù)庫，整體精度達到79.7%；最后，應用地震風險評估模型，分析不同地震烈度下烏魯木齊地震風險分布情況。

(4) 基于情景地震的地震易損性、危險性和社會脆弱性的地震風險綜合評估分析。首先，對陜西省渭南市3個具有不同地形特征的農(nóng)村進行建筑物及社會因素的詳細調(diào)查；然后，應用RISK-UE脆弱性指數(shù)方法，對3個村莊在不同地震烈度下的建筑物破壞程度進行定量分析；最后，綜合社會脆弱性因素，構建情景地震，對3個村莊可能的地震影響情景進行描述，并針對性地進行地震應急部署準備，為中國西部地區(qū)地震風險評估提供參考借鑒。