Nach Dem Starken Regen Kann Dieser Datensatz Zur Bewertung Und Rekonstruktion Verwendet Werden

Vom 18. Juli bis heute erlebte Henan eine seltene Periode anhaltender starker Regenfälle, wobei Zhengzhou die bezirksfreie Stadt mit den stärksten Regenfällen war. Die gesamte Stadt wurde von heftigen und sintflutartigen Regenfällen heimgesucht, die durchschnittliche Gesamtniederschlagsmenge betrug 449 mm. Sowohl die täglichen als auch die stündlichen Niederschlagsmengen überschritten die Extremwerte seit Beginn der Wetteraufzeichnungen und lösten bei der Bevölkerung im ganzen Land Besorgnis und Sorge aus.

Allein das erste angeschlossene Krankenhaus der Universität Zhengzhou erlitt einen wirtschaftlichen Verlust von über einer Milliarde Yuan, weil wertvolle Geräte und Präzisionsinstrumente wie CT, MRT, hyperbare Sauerstoffkammer, Computerräume usw. im Erdgeschoss oder im Untergeschoss untergebracht wurden. Vorsichtigen Schätzungen zufolge beliefen sich die wirtschaftlichen Verluste hierdurch auf über eine Milliarde Yuan.

Rettung ist dringend, welche Rolle kann die Technologie dabei spielen?

Bisher erfuhren Rettungskräfte durch Hilferufe der Bevölkerung und durch Einschätzungen vor Ort von der Katastrophenlage. Allerdings konnte der Beurteilungsprozess mehrere Stunden dauern, was die Rettungsarbeit erheblich beeinträchtigte.

Was die Katastrophenüberwachung betrifft, so verfügen die zuständigen Abteilungen zwar über ein vollständiges Bodenüberwachungssystem, doch aufgrund der begrenzten Abdeckung und Benutzerfreundlichkeit können diese Systeme den Anforderungen an eine genauere Überwachung nicht gerecht werden.Heutzutage werden Drohnen und Satellitenfernerkundung in der Katastrophenhilfe und beim Wiederaufbau nach Katastrophen eingesetzt. Unter ihnen ist die Satellitenfernerkundungstechnologie zu einer notwendigen Ergänzung geworden.

​Drohnenausrüstung am Ort der Henan-Regensturmkatastrophe im Einsatz

Es spielte eine wichtige Rolle bei der Beobachtung, Suche, Beleuchtung, Zustellung und beim Rufen, um Menschen zu trösten.

Dank der hohen Wiederholungsfrequenz und der Fähigkeit zur großflächigen synchronen Informationserfassung durch Fernerkundung können die Lücken in der Überwachung der Vergangenheit weitgehend geschlossen werden. Zudem können umfassendere und genauere Echtzeitdaten für Indikatoren wie Umfang und Ausmaß von Katastrophen im Zielgebiet bereitgestellt werden.

Im Hinblick auf Fernerkundungsbilder kann die Verwendung von multispektralen und SAR-Bilddaten in Kombination mit maschineller Lerntechnologie den zuständigen Abteilungen dabei helfen, Gebiete mit schweren Katastrophen zu identifizieren, für die aktuellere Fernerkundungsbilder und Analyselösungen erforderlich sind.

xBD: Der weltweit größte Datensatz zur Schadensbewertung bei Katastrophen

Im Jahr 2019 ermöglichte die vom US-Verteidigungsministerium geleitete xView2 Disaster Damage Assessment Challenge die Verwendung eines hochauflösenden Datensatzes mit Satellitenbildern zur Bewertung von Katastrophenfällen. Der xBD-Datensatz ist nicht nur der bislang erste Datensatz zur Bewertung von Gebäudeschäden, sondern auch einer der größten und qualitativ hochwertigsten öffentlichen Datensätze mit annotierten hochauflösenden Satellitenfernerkundungsbildern.

Der xBD-Datensatz bietet Multiband-Satellitenbilder vor und nach verschiedenen Katastrophenereignissen, einschließlich konstruierter Polygone, Klassifizierungsbezeichnungen für Schadensarten, Gradbezeichnungen für das Schadensausmaß und entsprechende Satellitenmetadaten. Darüber hinaus enthält der Datensatz auch Begrenzungsrahmen und Beschriftungen für Umweltfaktoren wie Feuer, Wasser, Rauch usw.

​Der Datensatz umfasst Dutzende von Katastrophenbildern aus 15 Ländern weltweit

Der Datensatz enthält 850.000 Gebäudeanmerkungen von 50.000 Quadratkilometern Fernerkundungsbildern (0,3 Meter Genauigkeit) aus 15 Ländern. Es sind sieben Katastrophentypen enthalten:Waldbrände, Erdrutsche, Dammbrüche, Vulkanausbrüche, Erdbeben/Tsunamis sowie Sturm- und Hochwasserschäden.

xView2 xBD-Datensatz zur Katastrophenschadensbewertung

Ausgestellt von:Maxar/DigitalGlobe

Datenformat:png usw.

Datengröße:30,3 GB

Aktualisierungszeit:28. Oktober 2020

Download-SpeicherortWebsite:Datensatz-Download

​Schematische Darstellung der Bilder im Datensatz

Der Datensatz umfasst TRegen-Trainingsset, Test-Testset, HoldoutSet behaltenUnd Tier3-Datensatz:

• ZugFür die Pixelsegmentierungsaufgabe wurden Bildpaare (vor und nach der Katastrophe) sowie Ground-Truth-Informationen zu Gebäuden und Schadensausmaß bereitgestellt.
• PrüfenNur Bilder, für die Bewertung der Herausforderungen;
• AusharrenEs wird während der Challenge vertraulich behandelt, mit dem Ziel, die Generalisierungsleistung der von den verifizierten Challenge-Teams eingereichten Ergebnisse zu testen;
• Tier3-DatensatzVerfügbar während der Hälfte der Herausforderung und als zusätzliche/ergänzende Trainingssätze, die zusätzliche Gefahrenbereiche und geografische Gebiete abdecken.

Die Bedeutung von KI in der Katastrophenhilfe und beim Wiederaufbau

Aufgrund ihrer weiten geographischen Verbreitung und Häufigkeit verursachen Hochwasserkatastrophen von allen Naturkatastrophen die höchsten wirtschaftlichen Schäden. Öffentliche Einrichtungen wie Straßen, Eisenbahnen, Brücken, Strom- und Gasleitungen werden in unterschiedlichem Ausmaß beschädigt.

Bei plötzlichen Naturkatastrophen müssen die entsprechenden Rettungskräfte die Reaktionszeit minimieren, schnell reagieren und Maßnahmen ergreifen, um Verluste zu minimieren und Leben zu retten. Um die Ressourcen in den Katastrophengebieten besser einsetzen zu können, ist es zudem erforderlich, Ort und Ausmaß der Katastrophe rechtzeitig zu erfassen und die Rettungsressourcen zu optimieren.

Wenn eine Katastrophe eintritt, zählt jede Sekunde.Obwohl der Mensch angesichts von Naturkatastrophen keine große Rolle spielt, haben uns neue Technologien und künstliche Intelligenz angesichts von Krisen mehr Zuversicht verliehen und Städten in verzweifelten Situationen mehr Hoffnung aufs Überleben gegeben.

​

Lasst uns an das Licht glauben​​​​​​​​ ​