暴雨之后，评估与重建可以用这个数据集

作者：神经星星

来源：HyperAI超神经

场景描述：连续多日的暴雨给郑州和河南部分城市，带来了严重的洪涝灾害，牵动了全国人民的心。灾难面前，现阶段的科技和具体解决方案，也能发挥出关键作用。

关键词：自然灾害 、遥感影像、 图像识别

从 7 月 18 日到今天，河南出现罕见持续强降水天气过程，其中郑州成为降雨量最大的地级市。全市普降大暴雨、特大暴雨，累积平均降水量449毫米，日降水量和小时降水量，都超过了有气象记录以来极值，让全国人民都为之关注与担忧。

其中，仅郑州大学第一附属医院，因贵重设备、精密仪器如 CT、核磁共振、高压氧舱、机房等，部署在一层或地下一层，保守估计已经造成了超过十亿元的经济损失。

救援刻不容缓，技术如何发挥作用？

以往，救援人员通过群众求救、现场评估的方法，来了解受灾情况，但评估过程可能要花费数小时之久，这对于抢救工作极为不利。

灾情监测方面，虽然相关部门有一套完善的地面监测体系，但受限于覆盖率与便捷度，还是无法满足更精细化的监控需求。如今，无人机、卫星遥感都被引用到了灾害救援和灾后重建工作中。其中，卫星遥感技术成为一种必要的补充。

应用在本次河南暴雨灾害现场的无人机设备

发挥了观测、搜寻、照明、投放、喊话安抚等重要作用

遥感其高重复频率和大范围同步的信息采集能力，更大限度地填补过往监控的空白部分，为目标区域的受灾范围、程度等指标提供辐射面更广、更准确的实时数据。

在遥感影像方面，利用多光谱及 SAR 影像数据，结合机器学习技术，能够帮助有关部门明确灾情严重的区域，这就需要有更及时的遥感图像和分析解决方案。

xBD ：全球最大灾害损失评估数据集

在 2019 年，美国国防部牵头举办的 xView2 灾害受损评估挑战赛，启用了高分辨率卫星图像灾后评估数据集 —— xBD 数据集，这不仅是迄今为止第一个建筑破坏评估数据集，也是带注释的高分辨率卫星遥感图像中，规模最大、质量最高的公开数据集之一。

xBD 数据集提供了各种灾害事件发生前和发生后的多波段卫星图像，包括构建多边形、损害类型的分类标签、损害程度的等级标签以及相应的卫星元数据。此外，该数据集还包含了边界框和环境因素的标签，如火、水、烟等。

数据集涵盖了全球 15 个国家数十次灾害影像

数据集中包含来自15个国家的 50,000 平方公里遥感图像（0.3米精度）中的 850,000 个建筑物注释。包括七种灾害类型：野火，山体滑坡，大坝倒塌，火山喷发，地震/海啸以及风灾和洪灾破坏。

xView2 xBD 灾害受损评估数据集

发布单位：Maxar/ DigitalGlobe

数据格式：png 等

数据大小：30.3 GB

更新时间：2020 年 10 月 28 日

下载地址：https://hyper.ai/datasets/13272

数据集中的图像示意图

数据集包括 Train 训练集、Test 测试集、Holdout保留集和 Tier3 数据集：

其中 Train 训练集为像素分割任务提供了图像对（灾前和灾后）和有关建筑物和损坏程度的地面实况信息。

Test 测试集仅提供图像，用于挑战赛排名；

Holdout 保留集则在挑战赛期间保密，目的是测试已验证挑战赛队伍提交结果的泛化性能；

Tier3 数据集在挑战中途可用，并作为额外/补充训练集提供，涵盖额外的灾害跨度和地理区域。

AI对灾害救援、重建工作的意义

洪涝灾害，由于它地域分布上的广泛性和时间上的频发性，致使洪涝灾害在各种自然灾害中经济损失程度最高。道路、铁路、桥梁、电力和天然气线路等公共设施，均会遭到不同程度的毁坏。

对于突发的自然灾害，需要相关救援人员尽量减少反应时间，迅速响应、采取行动，尽可能减少损失和挽救生命。此外，为了更好地在受灾地区部署资源，必须及时掌握受灾位置和受灾程度，优化救援资源。

灾难来袭，分秒必争。在自然灾害面前，人类虽然渺小，但新科技与人工智能的加入，让我们在危机面前多了些底气，也让绝境之中的城市，多了一份生的希望。

更多精彩推荐大手笔 ！Julia Computing 获 2400 万美元融资，前 Snowflake CEO 加入董事会
芯片开发语言：Verilog 在左，Chisel 在右
深度学习实现场景字符识别模型｜代码干货