基于卫星影像的灾害风险评估居住类型分类
机器学习
2022-11-22 v1 人工智能
计算机视觉与模式识别
摘要
社区脆弱性与风险评估对于有效的灾害防范至关重要。现有传统系统由于依赖耗时且高成本的实地调查，无法提供可扩展的方法来在超局部层面解读预警并评估风险的精确范围。本工作中，我们使用机器学习自动化识别住所及其类型的过程，以构建潜在更有效的灾害脆弱性评估系统。首先，利用印度低收入定居点与脆弱区域的卫星影像识别 7 种不同的居住类型。具体而言，我们将居住类型分类表述为语义分割任务，并使用我们收集的数据训练了一个基于 U-net 的神经网络模型，即 TernausNet。随后，采用风险评估模型，结合所确定的居住类型与区域淹没模型。该完整流程在 2020 年印度自然灾害发生前部署至多个地点。事后从这些区域收集地面实况数据以验证该模型的有效性，其表现出令人满意的性能。本工作可通过提供家庭级风险信息来辅助灾害响应组织与风险社区，从而指导预防性行动。
引用
@article{arxiv.2211.11636,
title = {Dwelling Type Classification for Disaster Risk Assessment Using Satellite Imagery},
author = {Md Nasir and Tina Sederholm and Anshu Sharma and Sundeep Reddy Mallu and Sumedh Ranjan Ghatage and Rahul Dodhia and Juan Lavista Ferres},
journal= {arXiv preprint arXiv:2211.11636},
year = {2022}
}
备注
Accepted for presentation in AI+HADR workshop, Neurips 2022