强震所致建筑损毁的快速、精准评估对应急救援与灾后重建至关重要。2023年2月6日，土耳其与叙利亚边界发生了7.8级地震，造成约4.4万人死亡、约16万栋建筑物受损。目前，建筑震损评估往往依赖专家实地考察，不同专家的主观解译存在差异，很多区域无法及时抵达且危险性高。同时，公开免费发布的高分辨率遥感影像有限。

北京大学自然灾害遥感课题组、流域人居系统研究中心与休斯顿大学、美国约翰霍普金斯大学和成都理工大学等学者合作，提出了基于公开免费发布的中等分辨率卫星遥感影像的多级震损检测模型（multi-class damage detection - MCDD），实现了建筑震损的精准评估。研究团队基于多源卫星遥感影像生成四个关键指标——合成孔径雷达（SAR）遥感影像（Sentinel-1和ALOS-2 PALSAR-2）衍生的幅度离散指数（Amplitude Dispersion Index）和损害表征图（Damage Proxy Map），光学遥感影像（Sentinel-2）衍生的归一化建筑指数差异（Differential Normalized Difference Built-Up Index）以及峰值地面加速度（Peak Ground Acceleration）。在区域构造尺度上，Kahramanmaraş中部、Gaziantep西部和Hatay Antakya等城市附近的震损严重；在单体建筑尺度上，比较了多个遥感衍生产品识别损害的性能，结果显示10米分辨率的幅度离散指数在识别单体建筑损害中表现最佳， 其次为10米和20米分辨率的损害表征图。相关性分析显示峰值地面加速度与损害表征图呈现正相关关系、与至主断层距离呈现负相关关系。研究团队进一步研发了多分类机器学习模型（MCDD）用于建筑震损智能评估，分为无损坏、轻度损坏和重度损坏三个等级。模型分类结果相较于传统的、仅依靠损害表征图的震损评估方法，在震损等级评估精度上提升了11%。该研究模型可实现快速、精确地量化大范围建筑震损程度，为震后黄金救援期的应急部署提供了科学支撑，对于提高工程防治能力、增强城市韧性具有重要意义。

研究成果以“Intelligent assessment of building damage of 2023 Turkey-Syria Earthquake by multiple remote sensing approaches”为题于2024年3月发表在npj Natural Hazards期刊。论文的第一作者为北京大学、美国休斯顿大学科研助理Xiao YU博士（现为美国伊利诺伊大学香槟分校AI Remote Sensing Scientist），通讯作者为北京大学胡燮研究员，合作作者包括北京大学宋昱琪博士生、宋晓东教授、汪芳教授、美国约翰霍普金斯大学Xuechun LI博士生、Susu XU助理教授和成都理工大学范宣梅教授。研究的初步结果在地震发生15天后，由美国约翰霍普金斯大学Susu XU助理教授课题组牵头联合北京大学胡燮研究员与斯坦福大学、佛罗里达大学的学者于土耳其地震信息平台发布（https://afetharitasi.org/）。

图 卫星遥感影像衍生产品在单体建筑震损中的显示结果

图 2023年土耳其-叙利亚地震造成的Kahramanmaraş地区建筑震损智能评估结果

论文信息：

Yu X, Hu X, Song Y, Xu S , Li X, Song X, Fan X, Wang F. Intelligent assessment of building damage of 2023 Turkey-Syria Earthquake by multiple remote sensing approaches. npj Natural Hazards (2024), 1(1): 3.

论文链接：

https://doi.org/10.1038/s44304-024-00003-0