微软发布基于遥感卫星和人工智能的土耳其建筑损毁评估报告
The following article is from 石头人看遥感 Author stoneren299
2023年2月6日，土耳其发生2次7.8级地震，多个城市的建筑被夷为平地。2023年2月16日，微软团队快速发布《土耳其建筑损毁评估》(Turkey Building Damage Assessment)报告，利用人工智能(AI)方法和商业遥感卫星高分辨率光学图像来评估受灾地区建筑的受损程度并估计损坏建筑所影响的居民人数。
《土耳其建筑损毁评估》报告中，微软团队评估使用的商业遥感卫星高分辨率光学图像来自美国的麦克萨公司(Maxar Technologies)和行星实验室公司(Planet Labs)，卫星图像时间为灾害发生后的前3天(the first 3 days，黄金救援期)。该报告估计，土耳其4个城市有3849栋建筑受损/被毁。其中，马拉什市(Marash)受到的影响最严重，该市7.44%的建筑受到不同程度的破坏，14.8万人因建筑物损毁受到影响。
一、报告使用的评估方法
报告所使用的商业卫星图像时间是2023年2月7日和2月9日(灾害发生后的3天内)，空间分辨率是30厘米和50厘米。报告的关键是识别受损建筑的方法，微软团队将从卫星图像中识别受损建筑的问题建模为语义分割问题，采用卷积神经网络(CNN)来提取被损毁的建筑。本人依据报告对技术流程进行了总结，具体如下：
（1）采集训练样本。灾后卫星图像的每个像素最终都将被分为3类——受损建筑、未受损建筑和背景(即不属于前2类的任何地物)。使用开源软件(见图1)对每个感兴趣的区域采集样本并标记为上述3类。
图1 马拉什市卫星图像标记截图▼
（2）训练AI模型。首先，基于xBD数据集和CNN训练得到一个初步模型(预训练模型)，xBD数据集在不同类型的灾害中提供了细粒度的建筑损坏多边形。然后，基于步骤1得到的训练样本，对每个感兴趣区域的CNN模型进行微调，得到最终的AI模型。
注：“xBD: A Dataset for Assessing Building Damage from Satellite Imagery.”https://arxiv.org/abs/1911.09296
（3）使用AI模型从卫星图像自动提取受损建筑(见图2)。在每个感兴趣的区域内，对可用的卫星图像运行AI模型，输出相应的分类(语义分割)结果。
（4）估计受损建筑数量和受影响人口(见图2)。灾前的建筑轮廓底图使用微软建筑数据集(Microsoft Building Footprint)或者公开地图(Open Street Map, OSM)，然后计算“受损建筑”的占地面积百分比。微软与土耳其内政部灾害和应急管理主席团（Turkey’s Ministry of Interior Disaster and Emergency Management Presidency, AFAD）的GIS专家合作进行分析，设定受损百分比值的阈值，从而快速识别完全受损的建筑与轻微受损的建筑。最后，使用WorldPop无约束的2020年网格人口估计值(由100 x 100米网格组成，每个网格包含该地区人口的估计值)来计算受损建筑中直接受影响的人数。如果单个网格内有损坏的建筑，则将此网格单元的人口数量计算为“受影响”，并将每个城市受影响的人口汇总。
图2 建筑损坏评估和受影响人口估计工作流程▼
报告中也指出了上述评估方法的缺点：（1）已被确定为“受损建筑”，但落在建筑轮廓之外的碎石，不能归属于附近的任何建筑，这可能导致对受损建筑数量的低估；（2）微软建筑数据集中的建筑轮廓来自必应基础地图图像，图像的时间对于不同的感兴趣区域可能“过时”，新建造的建筑将会在分析中缺失。
二、报告评估结果
报告分析了土耳其东南部的四个城市：马拉什市(Marash, 人口61万人）、图尔克卢（Turkoglu, 人口82483人）、努尔达吉(Nurdagi, 人口31202人）、伊斯拉希耶(Islahiye, 人口52622人）。分析显示这些城市共有3849栋受损建筑，从部分受损到被毁，160411人受到影响。马拉什市是该地区的一个主要人口中心，位于两次大地震的中心位置（距离第1次地震45公里，距离第2次地震55公里），无论是从比例(受影响建筑的比例)还是从规模(建筑总数)来看，它都是四个城市中受影响最严重的城市。
图3 马拉什文化公园区域周围的巨大破坏(右图红色表示受损建筑，蓝色表示未受损建筑)，行星实验室公司提供图像，2月9日▼
图4 图尔克卢的多栋公寓楼被毁(右图红色表示受损建筑，蓝色表示未受损建筑)，行星实验室公司提供图像，2月9日▼
图5 努尔达吉的部分建筑遭受严重破坏(右图红色表示受损建筑，蓝色表示未受损建筑)，麦克萨公司提供图像，2月9日▼
图6 伊斯拉希耶市中心的一组9栋5层公寓楼被毁(右图红色表示受损建筑，蓝色表示未受损建筑)，麦克萨公司提供图像，2月7日▼
图7 土耳其地震前谷歌街景图片(显示了图6所示的伊斯拉希耶市的被摧毁的公寓)▼
三、总结
本人参加过2008年四川汶川地震大量的卫星遥感图像数据处理和解译，同样是8级地震，当时灾后及时可用的国内外高分辨率卫星图像、解译与分析手段和现在相比，差距显著。微软的《土耳其建筑损毁评估》报告是一项有价值和有意思的工作，该工作使用了灾后3天内的商业遥感卫星高分辨率光学图像，采用人工智能的方法自动提取受损建筑，并结合灾前的地理空间数据，定量得出了受损建筑数量和受影响人口，可以为决策提供有价值的信息和直观的图景。
不过，也要看到，仅靠报告中并不详细的方法难以复现微软真正所做的工作。高分辨率卫星图像成像一般都会有一定的侧视角度，造成拍摄的图片中建筑都有一定的倾斜(视差)，这样提取的建筑顶部轮廓并不代表建筑实际的投影位置，所以我们可以看到微软提取的很多建筑轮廓(实际位置)与灾后卫星图像上的建筑顶部屋顶是不重合的；另外，提取完全被摧毁的建筑轮廓时，会不可避免地扩大其范围。所以，我们需要等待微软发布更加详细的论文，或者借鉴其思路，自己去研究细节。
国内民用遥感卫星拍摄的土耳其地震灾后数据可以联系中国资源卫星应用中心获取。”中国陆地观测卫星数据中心“公众号上有土耳其地震高分辨率光学、雷达数据和解译成果的相关信息，大家可以关注。
参考文献
（全文完）
荐读
关于申报2023地理信息产业百强企业、最具活力中小企业的通知
《慧天地》敬告
《慧天地》公众号聚焦国内外时空信息科技前沿、行业发展动态、跨界融合趋势，发现企业核心竞争力，传播测绘地理信息文化，为相关专业学子提供日常学习、考研就业一站式服务，打造政产学研金服用精准对接的平台。
《慧天地》借鉴《读者》办刊理念，把时空信息领域的精华内容汇聚到平台上。我们高度重视版权，对于精选的每一篇推文，都会在文章开头显著注明出处，以表达对作者和推文引用平台版权的充分尊重和感谢；对于来源于网络作者不明的作品，转载时如出现侵权，请后台留言，我们会及时删除。感谢大家一直以来对《慧天地》的关注和支持！
——《慧天地》运营团队
投稿、转载、商务等合作请联系
微信号：huitiandi321
邮箱：geomaticshtd@163.com