创建自然灾害后建成环境变化系数
计算机与社会
2021-11-11 v2 人工智能
摘要
本研究提出一种新方法，利用深度学习工作流评估并量化建成环境的损毁。借助自动化爬虫，从 Google Earth 获取了全球 50 个震中在自然灾害前后获取的航拍图像，生成了空间分辨率为每像素 2 m 的 10,000 张航拍图像数据库。本研究利用算法 Seg-Net 对两个时段（灾前与灾后）卫星图像中的建成环境进行语义分割。在图像分割方面，Seg-Net 是最流行且通用的 CNN 架构之一。所使用的 Seg-Net 算法在分割中达到了 92% 的准确率。分割后，我们比较了两种情况间的差异，以变化百分比表示。该变化系数以数值表示城市环境所遭受的损毁，以量化建成环境的整体损坏。此类指数可为政府提供受影响家庭数量乃至住房损坏程度的估计。
引用
@article{arxiv.2111.04462,
title = {Creating A Coefficient of Change in the Built Environment After a Natural Disaster},
author = {Karla Saldana Ochoa},
journal= {arXiv preprint arXiv:2111.04462},
year = {2021}
}