CN105279199A - 一种地震灾区农房倒损监测方法和设备 - Google Patents
一种地震灾区农房倒损监测方法和设备 Download PDFInfo
- Publication number
- CN105279199A CN105279199A CN201410354361.6A CN201410354361A CN105279199A CN 105279199 A CN105279199 A CN 105279199A CN 201410354361 A CN201410354361 A CN 201410354361A CN 105279199 A CN105279199 A CN 105279199A
- Authority
- CN
- China
- Prior art keywords
- agriculture room
- different
- agriculture
- represent
- impaired type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种地震灾区农房倒损监测方法和设备。该方法包括:根据灾前遥感影像识别农房的房屋结构;将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块;对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率;根据灾害现场调查数据确定每个区块的不同受损类型的农房的第二占比率;以及根据第一占比率和第二占比率确定每个区块的不同受损类型的农房的最终占比率。由此,可更加客观、准确地掌握灾区农房的受损情况,特别是在遥感数据无法覆盖整个灾区的情况下,能够利用这些不完备的遥感数据来掌握全灾区的农房受损情况。
Description
技术领域
本发明涉及地震灾害损失评估领域,具体地,涉及一种地震灾区农房倒损监测方法和设备。
背景技术
我国地震频发,导致大量的农房倒损,造成农村地区巨大的生命和财产损失,严重影响到社会的可持续发展。农房倒损数量是地震综合损失评估的重要组成部分,是国家灾害救助和恢复重建的重要依据。
目前,通常采用地方上报数据和野外调查数据来确定农房倒损数量。然而,这种仅依赖于人力调查的方法往往存在由于灾区交通和通讯中断而无法在第一时间获取真实数据的问题。
高空间分辨率遥感技术具有真实、客观、受地面通讯条件影响小等特点,可在第一时间获取大量有效的数据,为及时确定农房倒损数量提供有效的支撑。然而在重特大地震发生时,第一时间获取覆盖全地震灾区的高分辨率遥感数据存在难度,这就为确定全灾区的农房倒损数量造成了很大困难。
发明内容
本发明的目的是提供一种地震灾区农房倒损监测方法和设备,以更加客观、准确地掌握灾区农房的受损情况,特别是在遥感数据无法覆盖整个灾区的情况下,能够利用这些不完备的遥感数据来掌握全灾区的农房受损情况。
为了实现上述目的,本发明提供一种地震灾区农房倒损监测方法,该方法包括:根据灾前遥感影像识别农房的房屋结构;将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块;对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率;根据灾害现场调查数据确定所述每个区块的不同受损类型的农房的第二占比率;以及根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率。
本发明还提供一种地震灾区农房倒损监测设备,该设备包括:用于根据灾前遥感影像识别农房的房屋结构的装置;用于将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块的装置;用于对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率的装置;用于根据灾害现场调查数据确定所述每个区块的不同受损类型的农房的第二占比率的装置;以及用于根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率的装置。
通过上述技术方案,可以按照地震烈度和房屋结构来进行区块划分,将同一地震烈度内具有同种房屋结构的农房划分为同一区块。由于相同房屋结构的农房在同一地震烈度区的倒损情况相似,因此,对于遥感影像无法覆盖的受灾区域,可以通过相同地震烈度区内的相同结构的农房的倒损情况来评估这些区域的农房倒损情况。这样,可以有效解决现有技术中无法利用不完备的遥感数据来确定整个灾区的农房倒损情况的问题。此外,通过上述技术方案,可以综合遥感影像数据和现场调查数据来共同确定灾区农房的倒损情况。与仅依赖于现场调查数据来确定农房倒损情况的方法相比,结果更加及时、准确(准确率一般可达85%以上)和客观,可以为合理制定救援方案、开展恢复重建等减灾救灾决策提供准确、可靠的数据参考和支持。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是根据本发明的实施方式的地震灾区农房倒损监测方法的流程图;
图2是根据本发明的另一实施方式的地震灾区农房倒损监测方法的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
图1示出了根据本发明的实施方式的地震灾区农房倒损监测方法的流程图。如图1所示,该方法可以包括:步骤S101,根据灾前遥感影像识别农房的房屋结构;步骤S102,将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块;步骤S103,对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率;步骤S104,根据灾害现场调查数据确定所述每个区块的不同受损类型的农房的第二占比率;以及步骤S105,根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率。
下面将详细描述如何确定每个区块的不同受损类型的农房的第一占比率、第二占比率以及最终占比率的方法。
首先,在步骤S101,可以根据灾前遥感影像识别农房的房屋结构。农房的房屋结构可以用标识i来表示,并且i=1、2、3、4。其中,i=1表示砖木结构,i=2表示砖混结构,i=3表示钢混结构,以及i=4表示其他结构。
之后,在步骤S102,可以将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块。地震烈度编码可以用标识n来表示,并且地震烈度编码数据可从地震局获取。通过标识n和i可以限定所划分的区块。
在划分区块之后,在步骤S103,对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率。
通过对灾后遥感影像进行解译,可以得出农房的受损类型。农房的受损类型可以用标识j来表示,并且j=1、2、3、4。其中,j=1表示倒塌,j=2表示严重损坏,j=3表示一般损坏,以及j=4表示完好。
之后,可通过以下等式(1)来确定出所述每个区块的不同受损类型的农房的第一占比率:
其中,Si,j,n表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的第一占比率。如上所述,通过标识n和i可以限定区块。因此,Si,j,n同等地表示通过遥感影像解译得出的在由第n地震烈度第i类房屋结构限定的区块中,不同受损类型的农房的第一占比率。
Di,j,n表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的数量。该Di,j,n同等地表示通过遥感影像解译得出的在由第n地震烈度第i类房屋结构限定的区块中,每种受损类型的农房的数量。
表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构的农房的总数。该同等地表示通过遥感影像解译得出的在由第n地震烈度第i类房屋结构限定的区块中的农房的总数。
在通过等式(1)确定出每个区块的不同受损类型的农房的第一占比率之后,在步骤S104,根据灾害现场调查数据确定所述每个区块的不同受损类型的农房的第二占比率。其中,灾害现场调查数据可从国家减灾委或民政部国家减灾中心获取。
可通过以下等式(2)确定所述每个区块的不同受损类型的农房的第二占比率:
其中,Fi,j,n表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的第二占比率。该Fi,j,n同等地表示根据灾害现场调查数据得出的在由第n地震烈度第i类房屋结构限定的区块中,不同受损类型的农房的第二占比率。
Ei,j,n表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的数量。该Ei,j,n同等地表示根据灾害现场调查数据得出的在由第n地震烈度第i类房屋结构限定的区块中,每种受损类型的农房的数量。
表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构的农房的总数。该同等地表示根据灾害现场调查数据得出的在由第n地震烈度第i类房屋结构限定的区块中的农房的总数。
在得到每个区块的不同受损类型的农房的第一占比率和第二占比率之后,在步骤S105,根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率。
在本发明中,步骤S105可以包括:首先根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的占比离差率;之后,再根据所述第一占比率和所述占比离差率确定所述每个区块的不同受损类型的农房的最终占比率。
可通过以下等式(3)来确定所述每个区块的不同受损类型的农房的占比离差率:
其中,Diffi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的占比离差率。该Diffi,j,n同等地表示在由第n地震烈度第i类房屋结构限定的区块中,不同受损类型的农房的占比离差率。
在Diffi,j,n为正值时,表示遥感解译得出的第一占比率多于现场调查得出的第二占比率;在Diffi,j,n为负值时,表示遥感解译得出的第一占比率少于现场调查得出的第二占比率。在Diffi,j,n为零时,表示遥感解译得出的第一占比率等于现场调查得出的第二占比率。
之后,根据所述第一占比率和所述占比离差率确定所述每个区块的不同受损类型的农房的最终占比率。这一步骤主要是利用占比离差率来修正通过遥感解译出的第一占比率,从而使最终得出的占比率更加准确。
可通过以下等式(4)来确定所述每个区块的不同受损类型的农房的最终占比率:
STi,j,n=Si,j,n×(1+Diffi,j,n)等式(4)
其中,STi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的最终占比率。该STi,j,n同等地表示在由第n地震烈度第i类房屋结构限定的区块中,不同受损类型的农房的最终占比率。
由此,可以通过遥感解译数据和现场调查数据来共同确定每个区块内的不同受损类型的农房的占比率(即,所述最终占比率)。通过该占比率,可以确定出每个区块内的农房的倒损率(即,倒损类型为倒塌、严重损坏、一般损坏的农房的占比率之和),进而了解每个区块的房屋倒损情况。
通过上述技术方案,可以综合遥感影像数据和现场调查数据来共同确定灾区农房的倒损情况。与仅依赖于现场调查数据来确定农房倒损情况的方法相比,结果更加及时、准确(准确率一般可达85%以上)和客观,可以为合理制定救援方案、开展恢复重建等减灾救灾决策提供准确、可靠的数据参考和支持。
通过本发明提供的农房倒损监测方法,不仅可以确定出每个区块的不同受损类型的农房的占比率,还可以根据该占比率,分行政单元确定每个区块的不同受损类型的农房倒损面积,如下面结合图2所描述的。
如图2所示,该方法还可以包括:步骤S106,根据所述灾前遥感影像得出不同行政单元的不同居民点建设用地面积;步骤S107,根据所述不同行政单元的不同居民点建设用地面积、和不同行政单元的不同房屋结构的农房建筑面积,确定不同行政单元的不同居民点的不同房屋结构的农房建筑面积;步骤S108,根据所述不同行政单元的不同居民点的不同房屋结构的农房建筑面积,得出不同行政单元的不同居民点的不同区块的农房建筑面积;以及步骤S109,根据所述不同行政单元的不同居民点的不同区块的农房建筑面积、和所述每个区块的不同受损类型的农房的最终占比率,确定不同行政单元的不同区块的不同受损类型的农房倒损面积。
下面将详细描述如何分行政单元确定不同区块的不同受损类型的农房倒损面积的方法。
首先,在步骤S106,根据所述灾前遥感影像得出不同行政单元的不同居民点建设用地面积。可利用标识Ar,m来表示根据所述灾前遥感影像得出的第m行政单元的第r个居民点建设用地面积。其中,r表示居民点编码,m表示行政单元编码。
之后,在步骤S107,根据所述不同行政单元的不同居民点建设用地面积Ar,m、和不同行政单元的不同房屋结构的农房建筑面积,确定不同行政单元的不同居民点的不同房屋结构的农房建筑面积。其中,可利用标识Bi,m来表示第m行政单元的第i类房屋结构的农房建筑面积,并且该Bi,m的数据可从国家统计局或地方统计局获取。
可通过以下等式(5)来确定不同行政单元的不同居民点的不同房屋结构的农房建筑面积:
其中,HDi,r,m表示第m行政单元的第r个居民点的第i类房屋结构的农房建筑面积;表示根据所述灾前遥感影像得出的第m行政单元的所有居民点建设用地面积。
在确定出不同行政单元的不同居民点的不同房屋结构的农房建筑面积HDi,r,m之后,在步骤S108,根据所述不同行政单元的不同居民点的不同房屋结构的农房建筑面积HDi,r,m,得出不同行政单元的不同居民点的不同区块的农房建筑面积。由于区块可以由地震烈度n和房屋结构i来限定,因此,不同行政单元的不同居民点的不同区块的农房建筑面积也可被理解为是不同地震烈度区内不同行政单元的不同居民点的不同房屋结构的农房建筑面积。可采用标识HDi,r,m,n来表示第n地震烈度区内第m行政单元的第r个居民点的第i类房屋结构的农房建筑面积。
如何通过HDi,r,m来得出HDi,r,m,n是本领域技术人员公知的。例如,可通过地理信息系统(GIS)来得出。因此,具体方法在本发明中将不再赘述。
之后,在步骤S109,根据HDi,r,m,n和STi,j,n,确定不同行政单元的不同区块的不同受损类型的农房倒损面积,如以下等式(6)所示:
其中,Qi,j,m,n表示第n地震烈度区内第m行政单元的第i类房屋结构第j种受损类型的农房倒损面积。其中,由第n地震烈度区和第i类房屋结构可以限定相应区块。
表示第n地震烈度区内第m行政单元的所有居民点的第i类房屋结构的农房建筑面积;以及STi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的最终占比率。
由此,可以分行政单元,得出每个区块的不同受损类型的农房倒损面积,以为合理制定救援方案、开展恢复重建等减灾救灾决策提供进一步的数据参考和支持。
由于相同房屋结构的农房在同一地震烈度区的倒损情况相似,因此,在本发明中,对于遥感影像无法覆盖的受灾区域,可以通过相同地震烈度区内的相同结构的农房的倒损情况来评估这些区域的农房倒损情况。
例如,假设对于一个区块,倒塌的农房的最终占比率为50%,严重损坏的农房的最终占比率为20%,一般损坏的农房的最终占比率为20%,完好的农房的最终占比率为10%。那么,对于与该区块属于同一区块类型(即,位于同一地震烈度内具有同种房屋结构)的其他区块而言,由于相同房屋结构的农房在同一地震烈度内具有相似的倒损情况,因此,可以利用上述结果来评估这些区块的农房的倒损情况。例如,可以评估出这些区块中也有50%的农房倒塌、20%的农房严重损坏、20%的农房一般损坏、以及10%的农房完好。
通过本发明的技术方案,对于遥感影像无法覆盖的受灾区域,可以通过相同地震烈度区内的相同结构的农房的倒损情况来评估这些区域的农房倒损情况。这样,可以有效解决现有技术中无法利用不完备的遥感数据来确定整个灾区的农房倒损情况的问题。
本发明还提供一种地震灾区农房倒损监测设备,该设备可以包括:用于根据灾前遥感影像识别农房的房屋结构的装置;用于将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块的装置;用于对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率的装置;用于根据灾害现场调查数据确定所述每个区块的不同受损类型的农房的第二占比率的装置;以及用于根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率的装置。
所述用于根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率的装置包括:用于根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的占比离差率的装置;以及用于根据所述第一占比率和所述占比离差率确定所述每个区块的不同受损类型的农房的最终占比率的装置。
该设备还可以包括:用于根据所述灾前遥感影像得出不同行政单元的不同居民点建设用地面积的装置;用于根据所述不同行政单元的不同居民点建设用地面积、和不同行政单元的不同房屋结构的农房建筑面积,确定不同行政单元的不同居民点的不同房屋结构的农房建筑面积的装置;用于根据所述不同行政单元的不同居民点的不同房屋结构的农房建筑面积,得出不同行政单元的不同居民点的不同区块的农房建筑面积的装置;以及用于根据所述不同行政单元的不同居民点的不同区块的农房建筑面积、和所述每个区块的不同受损类型的农房的最终占比率,确定不同行政单元的不同区块的不同受损类型的农房倒损面积的装置。
其中,每种参数的确定方法同上面参考图1和图2、并结合等式(1)~(6)所描述的一致,此处便不再赘述。
综上所述,通过本发明提供的地震灾区农房倒损监测方法和设备,可以按照地震烈度和房屋结构来进行区块划分,将同一地震烈度内具有同种房屋结构的农房划分为同一区块。由于相同房屋结构的农房在同一地震烈度区的倒损情况相似,因此,对于遥感影像无法覆盖的受灾区域,可以通过相同地震烈度区内的相同结构的农房的倒损情况来评估这些区域的农房倒损情况。这样,可以有效解决现有技术中无法利用不完备的遥感数据来确定整个灾区的农房倒损情况的问题。此外,通过上述技术方案,可以综合遥感影像数据和现场调查数据来共同确定灾区农房的倒损情况。与仅依赖于现场调查数据来确定农房倒损情况的方法相比,结果更加及时、准确(准确率一般可达85%以上)和客观,可以为合理制定救援方案、开展恢复重建等减灾救灾决策提供准确、可靠的数据参考和支持。
由于本发明所使用的数据均是由国家权威部门提供的,例如,地震烈度数据由地震局提供,统计数据由国家统计局或地方统计局提供等,因此,本发明所用的数据具有稳定、可靠等明显优点,因而能够保障高时效、高质量的农房倒损监测。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (10)
1.一种地震灾区农房倒损监测方法,其特征在于,该方法包括:
根据灾前遥感影像识别农房的房屋结构;
将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块;
对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率;
根据灾害现场调查数据确定所述每个区块的不同受损类型的农房的第二占比率;以及
根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率。
2.根据权利要求1所述的方法,其特征在于,根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率包括:
根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的占比离差率;以及
根据所述第一占比率和所述占比离差率确定所述每个区块的不同受损类型的农房的最终占比率。
3.根据权利要求1或2所述的方法,其特征在于,该方法还包括:
根据所述灾前遥感影像得出不同行政单元的不同居民点建设用地面积;
根据所述不同行政单元的不同居民点建设用地面积、和不同行政单元的不同房屋结构的农房建筑面积,确定不同行政单元的不同居民点的不同房屋结构的农房建筑面积;
根据所述不同行政单元的不同居民点的不同房屋结构的农房建筑面积,得出不同行政单元的不同居民点的不同区块的农房建筑面积;以及
根据所述不同行政单元的不同居民点的不同区块的农房建筑面积、和所述每个区块的不同受损类型的农房的最终占比率,确定不同行政单元的不同区块的不同受损类型的农房倒损面积。
4.根据权利要求2所述的方法,其特征在于,
(i)通过以下方式确定所述每个区块的不同受损类型的农房的第一占比率:
其中,Si,j,n表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的第一占比率;
Di,j,n表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的数量;
表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构的农房的总数;
i表示农房的房屋结构,其中,i=1、2、3、4,分别代表砖木结构、砖混结构、钢混结构和其他结构;
j表示农房的受损类型,其中,j=1、2、3、4,分别代表倒塌、严重损坏、一般损坏和完好;
n表示地震烈度编码;
(ii)通过以下方式确定所述每个区块的不同受损类型的农房的第二占比率:
其中,Fi,j,n表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的第二占比率;
Ei,j,n表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的数量;
表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构的农房的总数;
(iii)通过以下方式确定所述每个区块的不同受损类型的农房的占比离差率:
其中,Diffi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的占比离差率;以及
(iv)通过以下方式确定所述每个区块的不同受损类型的农房的最终占比率:
STi,j,n=Si,j,n×(1+Diffi,j,n)
其中,STi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的最终占比率。
5.根据权利要求3所述的方法,其特征在于,
(i)通过以下方式确定所述不同行政单元的不同居民点的不同房屋结构的农房建筑面积:
其中,HDi,r,m表示第m行政单元的第r个居民点的第i类房屋结构的农房建筑面积;
Ar,m表示根据所述灾前遥感影像得出的第m行政单元的第r个居民点建设用地面积;
表示根据所述灾前遥感影像得出的第m行政单元的所有居民点建设用地面积;
Bi,m表示第m行政单元的第i类房屋结构的农房建筑面积;
i表示农房的房屋结构,其中,i=1、2、3、4,分别代表砖木结构、砖混结构、钢混结构和其他结构;
r表示居民点编码;
m表示行政单元编码;
(ii)通过以下方式确定所述不同行政单元的不同区块的不同受损类型的农房倒损面积:
其中,Qi,j,m,n表示第n地震烈度区内第m行政单元的第i类房屋结构第j种受损类型的农房倒损面积;
HDi,r,m,n表示第n地震烈度区内第m行政单元的第r个居民点的第i类房屋结构的农房建筑面积;
表示第n地震烈度区内第m行政单元的所有居民点的第i类房屋结构的农房建筑面积;
STi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的最终占比率;
j表示农房的受损类型,其中,j=1、2、3、4,分别代表倒塌、严重损坏、一般损坏和完好;
n表示地震烈度编码。
6.一种地震灾区农房倒损监测设备,其特征在于,该设备包括:
用于根据灾前遥感影像识别农房的房屋结构的装置;
用于将同一地震烈度区内的具有同种房屋结构的农房划分为同一区块的装置;
用于对灾后遥感影像进行解译,并根据解译结果确定每个区块的不同受损类型的农房的第一占比率的装置;
用于根据灾害现场调查数据确定所述每个区块的不同受损类型的农房的第二占比率的装置;以及
用于根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率的装置。
7.根据权利要求6所述的设备,其特征在于,所述用于根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的最终占比率的装置包括:
用于根据所述第一占比率和所述第二占比率确定所述每个区块的不同受损类型的农房的占比离差率的装置;以及
用于根据所述第一占比率和所述占比离差率确定所述每个区块的不同受损类型的农房的最终占比率的装置。
8.根据权利要求6或7所述的设备,其特征在于,该设备还包括:
用于根据所述灾前遥感影像得出不同行政单元的不同居民点建设用地面积的装置;
用于根据所述不同行政单元的不同居民点建设用地面积、和不同行政单元的不同房屋结构的农房建筑面积,确定不同行政单元的不同居民点的不同房屋结构的农房建筑面积的装置;
用于根据所述不同行政单元的不同居民点的不同房屋结构的农房建筑面积,得出不同行政单元的不同居民点的不同区块的农房建筑面积的装置;以及
用于根据所述不同行政单元的不同居民点的不同区块的农房建筑面积、和所述每个区块的不同受损类型的农房的最终占比率,确定不同行政单元的不同区块的不同受损类型的农房倒损面积的装置。
9.根据权利要求7所述的设备,其特征在于,
(i)通过以下方式确定所述每个区块的不同受损类型的农房的第一占比率:
其中,Si,j,n表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的第一占比率;
Di,j,n表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的数量;
表示通过遥感影像解译得出的第n地震烈度区内第i类房屋结构的农房的总数;
i表示农房的房屋结构,其中,i=1、2、3、4,分别代表砖木结构、砖混结构、钢混结构和其他结构;
j表示农房的受损类型,其中,j=1、2、3、4,分别代表倒塌、严重损坏、一般损坏和完好;
n表示地震烈度编码;
(ii)通过以下方式确定所述每个区块的不同受损类型的农房的第二占比率:
其中,Fi,j,n表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的第二占比率;
Ei,j,n表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构第j种受损类型的农房的数量;
表示根据灾害现场调查数据得出的第n地震烈度区内第i类房屋结构的农房的总数;
(iii)通过以下方式确定所述每个区块的不同受损类型的农房的占比离差率:
其中,Diffi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的占比离差率;以及
(iv)通过以下方式确定所述每个区块的不同受损类型的农房的最终占比率:
STi,j,n=Si,j,n×(1+Diffi,j,n)
其中,STi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的最终占比率。
10.根据权利要求8所述的设备,其特征在于,
(i)通过以下方式确定所述不同行政单元的不同居民点的不同房屋结构的农房建筑面积:
其中,HDi,r,m表示第m行政单元的第r个居民点的第i类房屋结构的农房建筑面积;
Ar,m表示根据所述灾前遥感影像得出的第m行政单元的第r个居民点建设用地面积;
表示根据所述灾前遥感影像得出的第m行政单元的所有居民点建设用地面积;
Bi,m表示第m行政单元的第i类房屋结构的农房建筑面积;
i表示农房的房屋结构,其中,i=1、2、3、4,分别代表砖木结构、砖混结构、钢混结构和其他结构;
r表示居民点编码;
m表示行政单元编码;
(ii)通过以下方式确定所述不同行政单元的不同区块的不同受损类型的农房倒损面积:
其中,Qi,j,m,n表示第n地震烈度区内第m行政单元的第i类房屋结构第j种受损类型的农房倒损面积;
HDi,r,m,n表示第n地震烈度区内第m行政单元的第r个居民点的第i类房屋结构的农房建筑面积;
表示第n地震烈度区内第m行政单元的所有居民点的第i类房屋结构的农房建筑面积;
STi,j,n表示第n地震烈度区内第i类房屋结构第j种受损类型的农房的最终占比率;
j表示农房的受损类型,其中,j=1、2、3、4,分别代表倒塌、严重损坏、一般损坏和完好;
n表示地震烈度编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410354361.6A CN105279199B (zh) | 2014-07-23 | 2014-07-23 | 一种地震灾区农房倒损监测方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410354361.6A CN105279199B (zh) | 2014-07-23 | 2014-07-23 | 一种地震灾区农房倒损监测方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105279199A true CN105279199A (zh) | 2016-01-27 |
CN105279199B CN105279199B (zh) | 2018-08-31 |
Family
ID=55148221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410354361.6A Expired - Fee Related CN105279199B (zh) | 2014-07-23 | 2014-07-23 | 一种地震灾区农房倒损监测方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105279199B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472785A (zh) * | 2018-11-01 | 2019-03-15 | 中国石油大学(华东) | 基于多结构元素震害受损建筑物快速识别方法 |
CN110276379A (zh) * | 2019-05-21 | 2019-09-24 | 方佳欣 | 一种基于视频图像分析的灾情信息快速提取方法 |
CN112465356A (zh) * | 2020-11-30 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
CN114782826A (zh) * | 2022-06-20 | 2022-07-22 | 绵阳天仪空间科技有限公司 | 一种灾后建筑物的安全监测系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005022A (zh) * | 2010-10-19 | 2011-04-06 | 中国科学院遥感应用研究所 | 链型灾害的灾害损失遥感综合评估方法 |
CN103093109A (zh) * | 2013-01-28 | 2013-05-08 | 北京师范大学 | 地震中财产损失评估方法 |
-
2014
- 2014-07-23 CN CN201410354361.6A patent/CN105279199B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005022A (zh) * | 2010-10-19 | 2011-04-06 | 中国科学院遥感应用研究所 | 链型灾害的灾害损失遥感综合评估方法 |
CN103093109A (zh) * | 2013-01-28 | 2013-05-08 | 北京师范大学 | 地震中财产损失评估方法 |
Non-Patent Citations (3)
Title |
---|
杨思全等: "青海玉树地震遥感监测应用研究", 《航天器工程》 * |
王龙等: "基于遥感和GIS的建筑物震害损失评估方法研究与实现", 《地震》 * |
韩贞辉: "基于震害分类的房屋数据格网化研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109472785A (zh) * | 2018-11-01 | 2019-03-15 | 中国石油大学(华东) | 基于多结构元素震害受损建筑物快速识别方法 |
CN110276379A (zh) * | 2019-05-21 | 2019-09-24 | 方佳欣 | 一种基于视频图像分析的灾情信息快速提取方法 |
CN110276379B (zh) * | 2019-05-21 | 2020-06-23 | 方佳欣 | 一种基于视频图像分析的灾情信息快速提取方法 |
CN112465356A (zh) * | 2020-11-30 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
CN112465356B (zh) * | 2020-11-30 | 2023-05-23 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
CN114782826A (zh) * | 2022-06-20 | 2022-07-22 | 绵阳天仪空间科技有限公司 | 一种灾后建筑物的安全监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105279199B (zh) | 2018-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A community-based disaster risk reduction system in Wanzhou, China | |
CN104346538A (zh) | 基于三种灾情因子控制的地震灾害评估方法 | |
CN105279199A (zh) | 一种地震灾区农房倒损监测方法和设备 | |
Hajibabaee et al. | Earthquake risk assessment in urban fabrics based on physical, socioeconomic and response capacity parameters (a case study: Tehran city) | |
Pazzi et al. | Assessing the safety of schools affected by geo-hydrologic hazards: the geohazard safety classification (GSC) | |
Alam et al. | Assessment of urban physical seismic vulnerability using the combination of AHP and TOPSIS models: A case study of residential neighborhoods of Mymensingh city, Bangladesh | |
Cardona et al. | Seismic microzonation and estimation of earthquake loss scenarios: integrated risk mitigation project of Bogotá, Colombia | |
CN111476896B (zh) | 城市地上地下建筑物与人员全景三维建模方法 | |
Heneka et al. | A damage model for the assessment of storm damage to buildings | |
Kim et al. | A study on 3D safety state information platform architecture design for realistic disaster management based on spatial information | |
Fiorini et al. | Real Time damage scenario: case study for the L’Aquila earthquake | |
CN103093109B (zh) | 地震中财产损失评估方法 | |
Mansouri et al. | Seismic human loss estimation in Tehran using GIS | |
García Canto | Enhancing Student Preparedness Through Experiential Learning: Lessons Learned from Assessing Building Structural Damages after the January-May 2020 Earthquakes in Puerto Rico | |
Fulco et al. | Cyber-Physical Disaster Drill: Preliminary Results and Social Challenges of the First Attempts to Unify Human, ICT and AI in Disaster Response | |
Karakhanyan et al. | Seismic hazard and deterministic risk assessment of the Gyumri City | |
Li et al. | Study on road damage assessment based on RS and GIS | |
Rota et al. | Direct derivation of fragility curves from Italian post-earthquake survey data | |
Didier et al. | Vulnerability of the nepalese building stock during the 2015 gorkha earthquake | |
Lutfi et al. | Assessment of building seismic risk in the environment of Ibn Khaldun University Bogor | |
CN109284526B (zh) | 面向巨灾保险的房屋建筑画像构建方法及平台 | |
Estrada et al. | GIS Tool for Calculating Repair Cost of Buldings Due to Earthquakes Effects (CCRE-CISMID) | |
Peng et al. | GIS: Assessment model and evaluation of an earthquake-stricken area with a case study in Shangri-La | |
Bo et al. | WebGIS based information and decision-making support system for earthquake disaster reduction | |
Limaye | Geoethics and Geohazards: A Perspective from Low-Income Countries, an Indian Experience |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180831 Termination date: 20200723 |