基于遥感与手机大数据信息融合的地震人员伤亡评估模型与方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    41871348
  • 项目类别:
    面上项目
  • 资助金额:
    58.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    D0113.遥感科学
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

The rapid and accurate acquisition of the number of earthquake casualties and their spatial distribution is an important basis for carrying out daily emergency preparedness and emergency rescue operations after the earthquake. China has frequent earthquakes, and it is particularly important and urgent to carry out studies on assessment models and methods for earthquake casualties. Under the background of big data, this project introduces two data sources of remote sensing and mobile phones, using remote sensing for the fine recording ability of seismic scene and carrier and the dynamic monitoring advantage of mobile data in the regularity of personnel activity and time-space distribution. Based on the idea of big data research, and through the mining of the internal laws of two types of big data and information fusion, this project carries out mobile data spatio-temporal modeling and personnel activity rule analysis, pure base station recognition and urban function area decomposition, personnel room rate, population earthquake disaster exposure calculation models and methods. Finally, it established a space-time assessment model that can reflect the spatial distribution of casualties at different times and solved the outstanding problems such as insufficient data, static model, and single result in the assessment of casualties in traditional earthquakes, and significantly improves the accuracy and reliability of earthquake casualty assessment. This provides decision support for the risk assessment and management of daily earthquake disaster and emergency rescue for the first time after the earthquake.
快速准确获取地震伤亡人员的数量及其空间分布是合理开展日常应急准备和震后应急救援行动的重要依据。我国地震频繁,开展地震伤亡人员评估模型与方法研究尤为重要和迫切。本项目在大数据背景下,引入遥感和手机两大数据,利用遥感对地震场景和承载体的精细记录能力和手机数据在人员时空分布动态监测优势,通过对两类大数据内在规律的挖掘和信息融合,开展手机数据时空建模与人员活动规律分析、纯基站识别与城市功能区分解、人员在室率与人口地震灾害暴露量的计算模型与方法研究,并最终建立了考虑地震发生时间、能够反映人员伤亡空间分布的时空评估模型,解决传统地震人员伤亡评估中数据不足、模型静态、结果单一等突出问题,显著提高对地震人员伤亡评估的精度和可靠性,为日常地震灾害风险评估和管理、震后第一时间的应急救援提供决策支持。

结项摘要

本项目引入手机和遥感大数据技术进行地震人员伤亡评估,并选择张家口市区进行应用,研究成果主要包括基于手机大数据的人群活动规律分析,融合遥感和手机大数据的人员灾害暴露量计算,以及地震灾害人员伤亡空间评估模型及应用。在分析了手机定位大数据的人群规律的时间序列时,发现手机定位量的分布规律大体上是以天为周期的,具有一定稳定性。定位量的变化与人类活动的类型有着高度相关性,呈现出周期性的波动。睡眠时、工作时定位请求较少,休息时、出行时定位请求较多。构建了融合遥感和手机大数据的地震灾害人口在室模型,运用建筑物容积的方法计算了居住类型建筑物可容纳的人数,对张家口市区的建筑物人口时空变化和分布以小时为间隔进行模拟,得到随时间推移的建筑物内人口的时间序列图,从时间上看,早上居住建筑物的人群活动量减少,办公类建筑物的人群活动量会增加,晚上居住建筑物的人群活动量增加,其他类型建筑物的人群活动量减少,构建了地震灾害人员伤亡时空评估模型,在相同地震烈度(Ⅷ-Ⅹ)下,发生在夜晚21点到次日7点和18点的地震造成得伤亡的人数最多,发生在其他时段的死伤人数介于二者之间。发生在13点时的地震,造成的死伤人数最少。该研究成果可以为地震灾害预防与地震爆发第一时间的应急救援提供决策支持数据。

项目成果

期刊论文数量(6)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
Fusion of Remote Sensing and Internet Data to Calculate Urban Floor Area Ratio
遥感与互联网数据融合计算城市容积率
  • DOI:
    10.3390/su11123382
  • 发表时间:
    2019
  • 期刊:
    sustainability
  • 影响因子:
    3.9
  • 作者:
    Xiaoyong Zhang;Zhengchao Chen;Yuemin Yue;Xiangkun Qi;Charlie H. Zhang
  • 通讯作者:
    Charlie H. Zhang
基于不同感受野SSD网络的河流水电站检测
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    遥感信息
  • 影响因子:
    --
  • 作者:
    谢俊;张小咏;卢凯旋;陈正超
  • 通讯作者:
    陈正超
Estimating earthquake exposed population through mobile data and high‑resolution imagery: a case study in main residential area of Zhangjiakou City, China
通过移动数据和高分辨率图像估算地震暴露人口:以中国张家口市主要住宅区为例
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    Environmental Earth Sciences
  • 影响因子:
    2.8
  • 作者:
    Xiaoyong Zhang;Qingshui Lu
  • 通讯作者:
    Qingshui Lu
基于手机大数据的城市建筑物人口时空估算
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    系统仿真学报
  • 影响因子:
    --
  • 作者:
    胡杨;张小咏;肖迪
  • 通讯作者:
    肖迪
面向光伏电站识别的深度实例分割方法
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    福州大学学报
  • 影响因子:
    --
  • 作者:
    周树芳;张小咏;陈正超;卢凯旋
  • 通讯作者:
    卢凯旋

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

微波穿透指数MVI与光学植被指数NDVI的关系探讨
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    遥感信息
  • 影响因子:
    --
  • 作者:
    吕京国;蒋玲梅;张立新;张小咏
  • 通讯作者:
    张小咏
MODIS地表产品数据的相关算法及处理过程
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    遥感信息
  • 影响因子:
    --
  • 作者:
    吕京国;蒋玲梅;陈正超;张小咏
  • 通讯作者:
    张小咏

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码