|
成立于1992年的美国USAA（The United Services Automobile Association）保险公司，是一个多样化的金融服务集团公司，拥有1300万成员，他们通过用创新的手段获取数据，并在灾害中积极主动的提供必要的地图数据，及时对发生的灾害作出有效的损伤评估。 该图能实时显示测洪水报警和冰雹，还有东海岸的暴风雨等情况。 下面是在2018年11月美国加州发生的Woolsey火灾中的一个应用案例。Woolsey火灾燃烧了15天，损坏了近97,000英亩（约等于60万亩），并摧毁了数千个建筑物。通过ArcGIS中的深度学习，快速识别火灾周围的受损建筑，快速跟踪受影响居民和企业，让调节员处理保险索赔的时间。 Woolsey火灾中的遥感影像目视解译 在火灾周围用无人机捕获了受影响区域的高分辨率影像。影像总大小为40 GB，并使用镶嵌数据集进行管理。 下图为火灾前后的影像以及不同角度的影像数据，通过火灾前的影像可判断房屋的结构及作用，通过下面的不同来源的航拍数据作为依据，在影像上根据已有的区块数据，将房屋独立分割开，这样就清晰的看到只有单独的一栋房屋受损，不与其他建筑相连。 同时，我们还可以利用无人机数据建立倾斜摄影模型，直观立体地分辨出房屋受损的具体情况。 ArcGIS Notebook Server+深度学习解译遥感影像 上述案例只能用来判断少量的建筑物损毁情况，但对于Woolsey 火灾有大概9000多座建筑物损毁，这样的工作量人工完成是难以承受的。因此，可采用ArcGIS Notebook Server和深度学习的模式完成损毁房屋的提取。下图为ArcGIS Notebook Server进行深度学习识别地物。 ArcGIS Notebook Server 使用ArcGIS Pro可以训练神经网络模型，将完好的建筑和损坏建筑进行模型训练，训练完成的模型识别建筑物准确率可以到达99%，可以使之前几天要完成的工作变为几分钟内完成。 我们还可以进一步来分析数据，通过使用ArcGIS Business Analyst的信息图表，可以展示沿海地区火灾中受损的情况，受灾人口的情况，例如老人与孩子的情况等，并生成有价值的评估报告，帮助决策者更快作出决策。 Oriented Imagery近距离观察受灾情况 利用Oriented Imagery功能可以在任何位置、任何角度访问影像。 下图为火灾后烟雾笼罩的遥感影像，从直观上看，根本对图上信息无法识别，不能直接判断火灾现场是否已经可以进入或者是否危险已经消失。 烟雾笼罩的遥感影像 利用街景中的摄像头来获取固定位置的影像信息，可以转动摄像头查看周围具体情况。通过不同的装置查看到不同位置的火灾现场情况，会发现有的地方建筑物已经完全损毁，有的地方还有野火未熄灭的情况存在。 通过Oriented Imagery看到整个地区已经被全部损毁。 总结 本案例利用遥感影像技术在灾害评估中应用的关键技术点总结如下： 1、不同时期遥感影像的对比解译 2、使用无人机数据制作3D倾斜模型 3、遥感影像的深度学习模型训练与识别 4、ArcGIS Notebook server直观流畅的应用程序 5、Oriented Imagery随时随地不同角度访问影像 |
|
|
来自： LibraryPKU > 《GIS》
