论文部分内容阅读
随着遥感观测技术的发展,高分遥感影像数据逐渐成为灾害监测与评估应用的主要数据源之一,因其具有高空间分辨率,可以实现对地表小目标的精细观测,为地震等灾害的损失评估提供了有效的数据支撑。目前,利用高分辨率遥感数据开展灾害应用等相关研究已经取得了一定的成果,但总体上来说,基于高分遥感的灾害评估应用研究主要还存在两方面的问题:一是现有的灾害信息提取方法对目视解译经验依赖较强,在实际应用中对业务人员专业要求较高;二是现有的方法往往对数据要求较高,实际应用中难以满足全部的输入要求。为解决高分遥感数据在灾害评估应用中的实际问题,提升灾害评估业务的自动化水平,提高评估结果的精度,本文在充分分析灾害评估业务流程的基础上,提出了基于知识库的知识动态采集和知识的分层融入的高分遥感灾情评估方法,用于实现基于高分遥感影像的灾情自动评估。本文提出了一种“特征-规律/规则-决策知识”的知识层次模型,结合地震灾情评估应用,设计了知识分层融入实现框架,并结合不同层次的知识融入特点对其中的关键技术和方法进行了详细说明——知识分层管理模型及实现、样本与特征优选、空间规则挖掘以及历史知识约束等。最后,以云南鲁甸地震中受灾损失评估应用为例,开展了高分遥感地震灾害自动评估实验,通过实验与实际业务过程对比和实验结果与灾后调查结果的比较发现,通过知识的动态采集和知识的分层融入,可以有效减少评估过程中的人工参与程度,基本实现评估流程的自动化,一方面较大的提升了灾害应急过程中的评估效率,另一方面提高了评估结果精度的稳定性。