震前对可能发生地震的区域事先进行地震灾害损失的预评估,是提升危险区地震应急准备水平、提高震后快速评估准确性的重要举措。在预评估过程中,需要对当地的地理地貌、房屋建筑、交通道路、次生灾害等多事项进行调研。其中如何能在短时间内,对大面积的房屋建筑进行较为精确的数据采集和结构类型判断,是开展预评估工作的重要环节。多年来中国地震局地质研究所针对预评估工作的需要,提出和发展了致死性评估方法,该方法其中的一个重要环节就是需要评价各地的致死性水平,而这种水平的构成中,建筑物结构、抗震能力和数量比例占非常重要的位置。无人机在满足上述需求方面具有天然优势,本文将在多地地面实际调查的基础上,结合无人机影像探索快速准确获取房屋建筑数据的技术方法。本文选取江苏省淮安市盱眙县作为研究区,以小型无人机航拍所获取的遥感影像作为数据源,试图应用深度学习技术,由计算机自动解译出航拍区域房屋结构的分布情况。实验首先对盱眙县四十个乡镇以及街道进行无人机数据采集,确定该地区房屋结构类型的分类依据;接着以盱眙县下辖的四个集镇区以及四个薄弱村共计八个调研点作为试验区,通过无人机拍摄得到数字图像,采用面向对象的影像分析方式对图像中的房屋建筑进行提取;最后选择深度学习框架Pytorch进行分类模型的建模,使用Res Net网络模型,对提取出的房屋建筑依照房屋结构进行分类,最终得到研究区整体房屋结构的分布情况。以现场实地调研数据作为真实数据,对利用无人机遥感方法得到的分类结果进行精度评价,八个调研点的整体分类精度在75%以上。通过本文的研究,说明了无人机低空遥感技术在以县为单位的房屋结构识别上有一定的可行性,可以为地震预评估调研工作提供一定的帮助。通过对房屋提取算法的改进以及房屋训练集的扩充等后续研究,可以进一步提高分类精度。由此可见无人机技术在预评估工作中拥有较好的研究前景。