TWI764326B - 運用遙測資料建置災害曝險資料之方法 - Google Patents
運用遙測資料建置災害曝險資料之方法Info
- Publication number
- TWI764326B TWI764326B TW109136142A TW109136142A TWI764326B TW I764326 B TWI764326 B TW I764326B TW 109136142 A TW109136142 A TW 109136142A TW 109136142 A TW109136142 A TW 109136142A TW I764326 B TWI764326 B TW I764326B
- Authority
- TW
- Taiwan
- Prior art keywords
- building
- height
- model
- area
- basement
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本發明係揭示一種運用遙測資料建置災害曝險資料(Exposure Data)之方法,是包含利用遙測影像(Remote Sensing Imagery)以產生數位地表模型(Digital Surface Model,DSM)以及數位高程模型(Digital Elevation Model,DEM),再由數位地表模型、數位高程模型、遙測影像中萃取建物輪廓(Building Footprint),然後針對建物輪廓建置所需的經濟曝險資料(Economic Exposure Data )屬性,進而完成災害曝險資料的建置。尤其,所建置的災害曝險資料可供政府單位或民間企業進行災害評估、以及衍生之經濟影響評估、保險評估。
Description
本發明係有關於一種建置災害曝險資料之方法,尤其是利用遙測影像產生數位地表模型以及數位高程模型,再由數位地表模型、數位高程模型、遙測影像中萃取建物輪廓,然後針對建物輪廓建置經濟曝險資料屬性,進而完成災害曝險資料的建置。
隨著自然環境被人為破壞的程度日益嚴重,使得天然災害對於人們生命、財產的影響也更加激烈。例如,大量燃燒石化燃料導致或加速溫室效應,或臭氧層破洞的形成,更會影響長期的氣候變遷,造成異常降雨,引起颱風、洪水、山崩、土石流、旱災等各類型天然災害。
近年來,各國政府對於天災已投入相當多的資源以積極防範。不過對於難以預測的天然災害,如地震、海嘯、洪澇等,只能提高新建物的建造規格以加強抵抗能力,但舊建物則抵抗力不足。
在習知技術中,為了在發生天然災害後能快速且效率化估計毀損建物的經濟價值,政府單位通常會用既有建物資料進行災損預估以及預先制定重建對策,包含重建所需的各種資源,但這些大量建物資料通常無法即時或頻繁地更新。
以地震為例,當建物為輕微或嚴重損毀時,所需的重建措施及經費是非常不同。對於輕微損毀的建物只需適當補強,便可安全的繼續使用居住,所以居民只須短暫搬離即可,且短時間搬遷對於民眾的經濟影響較為輕微,所耗的社會成本也較低。但是對於嚴重損毀的建物,可能拆除、重建,不僅時間相當久,所需的費用及社會成本亦更高,所以政府必須事先評估,並備妥所需資源,並編列經費以因應未來可能面臨的天然巨災事件。因此,若欲較精確地評估建物在地震巨災後的經濟損害程度,即需具有經濟價值訊息的災害曝險資料。
既有習知技術的缺點在於無法廣域且快速地針對不同樓高、結構類型、不同屋齡、所在區域的建物提供精確而有效的災損評估,因為新、舊建物的建造年代不同,尚無可用於廣域且效率化的災損評估通則方式,而且建物本身特性也是差異很大,對廣域都會區以現有普查方式更加難以在短時間內全面涵蓋。
因此,非常需要一種新穎設計的建置災害曝險資料之方法,利用遙測影像產生數位地表模型以及數位高程模型。再依據數位地表模型、數位高程模型、遙測影像進行建物輪廓之萃取。最後對每一個建物輪廓建置其經濟曝險屬性,進而建置完成整個都市建物的災害曝險資料庫。藉以克服習知技術無法處理廣域、即時、效率化評估整個都會區之巨災建物經濟損失問題。
本發明之主要目的在於提供一種運用遙測資料建置災害曝險資料之方法,是包含步驟S10、S20以及S30,用以建置災害曝險資料,供政府單位或民間企業進行災害評估、以及衍生之經濟影響評估、保險評估等用途。
首先,本發明實施例的運用遙測資料建置災害曝險資料之方法是由步驟S10開始,主要是利用多幅遙測影像以產生數位地表模型以及數位高程模型,其中遙測影像可包含衛星影像、航空照片以及無人航空器照片的至少其中之一。接著進入步驟S20,利用遙測影像,以及數位地表模型、數位高程模型,進行建物輪廓萃取。最後執行步驟S30,針對該等建物輪廓進行經濟曝險資料建置處理,以建置每個建物的經濟曝險屬性資料,其中經濟曝險屬性資料包括建物使用型態、地上樓層數、有無地下室、結構類型、推估屋齡、建物高度、建物投影面積、總樓地板面積、重建造價、及建物位置資訊等。
因此,本發明利用遙測影像先產生數位地表模型以及數位高程模型,再由數位地表模型、數位高程模型、遙測影像中萃取建物輪廓,然後針對建物輪廓建置所需的經濟曝險資料屬性,完成災害曝險資料的建置。
以下配合圖示及元件符號對本發明之實施方式做更詳細的說明,俾使熟習該項技藝者在研讀本說明書後能據以實施。
請參閱第一圖,本發明實施例運用遙測資料建置災害曝險資料之方法的操作流程示意圖。如第一圖所示,本發明實施例的運用遙測資料建置災害曝險資料之方法是包含依序的步驟S10、S20以及S30,用以建置災害曝險資料,可供政府單位或民間企業進行災害可能損失評估、以及衍生之經濟影響評估、保險評估。
首先,本發明實施例的運用遙測資料建置災害曝險資料之方法是由步驟S10開始,主要是利用多個遙測影像以產生數位地表模型(Digital surface model,DSM)以及數位高程模型(Digital elevation model,DEM),其中遙測影像可包含衛星影像、航空照片以及無人航空器(Unmanned Aerial Vehicle,UAV)照片的至少其中之一。
接著進入步驟S20,利用數位地表模型(DSM)、數位高程模型(DEM)、及遙測影像,萃取所需的多個建物輪廓(Building footprint)。最後執行步驟S30,針對該等建物輪廓進行經濟曝險資料 (Economic Exposure Data, EED)處理,以建置所需的經濟曝險資料(EED)屬性,其中EED屬性可包括建物使用型態(比如商業、住宅、工業…等)、地上樓層數、有無地下室、結構類型、推估屋齡、建物高度、建物投影面積、總樓地板面積、重建造價、及建物位置資訊(比如坐標、郵遞區號、行政區…等)…等。
進一步參考第二圖,本發明方法中步驟S10的詳細操作流程,主要是包含依序的步驟S11、S12、S13。在步驟S11中,對遙測影像進行影像匹配(Image matching)以產生DSM,接著在執行步驟S12時,由地面點進行內插產生DEM,然後在步驟S13中儲存DSM以及DEM以供讀取,比如利用硬碟或記憶體之類的電子儲存媒介。要注意的是,從遙測影像中產生DSM以及DEM的方式是屬於一般常用的習知技術,因而不作詳細解說。
再者如第三圖所示,本發明方法中步驟S20的詳細操作流程,其中步驟S20是包含依序的步驟S21、S22、S23、S24、S25。
在步驟S21中,讀取所儲存的DSM以及DEM,接著進入步驟S22,利用DSM以及DEM以產生物件高度模型(Object height model,OHM),主要是由DSM減去DEM而獲得。
在步驟S23中,進行濾除處理,主要是濾除道路及植生區等非建物區,產生無須濾除之建物區域。理論上,未被濾除之區域即為建物,後續步驟將對無須濾除的建物區域進行處理。
在步驟S24中,利用OHM及遙測影像,依據物件之高度及土地使用類別,先後進行多次分割(Segmentation)、合併(Merge object)動作,藉以分階段萃取各類的建物物件(Building object),比如高樓層物件、中樓層物件、低樓層物件、低樓層之工業建築物件等。
在步驟S25中,對建物物件的輪廓進行修飾,因而得到最終之建物輪廓。
進一步參考第四圖,本發明方法中步驟S30的詳細操作流程,係包含依序的步驟S31、S32、S33、S34、S35,藉以自動化填入而建置每個建物的EED屬性。一般而言,EED屬性可涵蓋建物使用型態(比如商業、住宅、工業、公共用途…等區域)、地上樓層數、有無地下室、結構類型、推估屋齡、建物高度、建物投影面積、總樓地板面積、重建造價、及建物位置資訊(如坐標、郵遞區號、行政區…等)等。
再者,本發明可利用現調資料、公開資料等的相關資料經統計歸納出一般性之規則後,再依循此規則而自動填入所需的建物EED屬性。
具體而言,在步驟S31中標示建物使用型態,而由於建物使用型態與土地使用分區具有相關性;因此,土地使用分區圖是建立EED之重要資料,其中土地使用分區圖可由政府機關或相關民間企業取得。此外,為避免過於繁雜的土地使用分區類別,所以在歸納EED之建物使用型態時,必須先使用簡化後之土地使用分區資料,而本發明是將原始的土地使用分區圖經簡化後分類為住宅區10、商業區20、工業區30、公共使用區40,如第五圖所示的簡化後之土地使用分區圖。換言之,步驟S31是標示建物使用型態為住宅建物、商業建物、工業建物以及公共使用建物的其中之一。
在步驟S32中,計算地上樓層數,主要是由DSM減去DEM而賦予每棟建物的高度,亦即物件高度模型,接著將建物的高度經特定的換算方式而換算為地上樓層數。此換算方式是將建物高度除以建物的單一樓層高度,而建物的單一樓層高度是針對不同的建物使用型態以及建物為低樓層建物或高樓層建物而個別預先設定。不過要注意的是,低樓層建物、高樓層建物的判斷高度是可依據地區的不同而適度彈性改變。
在步驟S33中,依據地下室有無判斷原則而標示建物是否具有地下室。地下室有無判斷原則的具體作法是蒐集該地區或城市的相關建築法規資料以當作判斷建物有無地下室之規則,比如相關建築法規已明確規定超過一定高度的建物必須設置地下室。或者,如果無任何相關建築法規資料可供參考,則地下室有無判斷原則是參考地真(現調)資料以進行統計分析,並歸納出可用以判斷住宅區、商業區、工業區、公共使用區的建物是否具有地下室的判斷依據。因此,在地上樓層數超過預設的地下室判斷樓層數時,將建物標示為有地下室;反之,在地上樓層數不超過預設的地下室判斷樓層數時,將建物標示為無地下室。
在步驟S34中,判斷並標示建物的結構類型,主要是依據建物使用型態及地上樓層數進行結構類型判斷,比如木造、鋼筋混凝土(即RC)、RC加強磚造、鋼構等,且依地區不同而有不同的結構類型。不過要注意的是,結構類型的判斷是依據地區的不同而適度彈性改變。
建物的結構類型與用途、造價等因素相關,各國的建築法規僅能做一般的安全標準規定。此外,也可藉歸納該地區或城市的建築結構類型而達成,其中較方便且可靠的做法是運用地真(現調)資料來統計歸納各結構類型,並依住宅、商業、公共使用、工業區等進行不同樓高對應結構類型數量的統計分析,藉以歸納出該地區或城市的結構類型之一般判斷通則。
在步驟S35中,推估建物的屋齡。因為屋齡對於都會區防災意義在於可推估房屋建造年代符合哪個時期所用的耐震法規之比例關係。一般,屋齡愈久的建物是用較早期的耐震法規,通常亦即耐震能力較為不足,受地震災害風險相對也較高。此外,可依此地真資料進行統計分析屋齡與建物樓層數之關係,整體而言樓層數越高,一般其屋齡有越年輕之趨勢。因此,可將各樓高逐次統計後,便可歸納出屋齡與樓層數之比例關係而當作判斷通則,所以可由建物的樓層數依據判斷通則而推估建物的屋齡。此外,亦可由建物物件大小、位置、高度、其他資訊來衍生計算推估經濟曝險EED之其他屬性,如建物投影面積、總樓地板面積、重建造價、及建物位置資訊(如坐標、郵遞區號、行政區…等)等。
綜合而言,本發明的特點主要在於遙測影像產生數位地表模型以及數位高程模型,再由數位地表模型、數位高程模型、遙測影像中萃取建物輪廓,然後,針對建物輪廓建置所需的經濟曝險資料屬性而完成災害曝險資料的建置驟。
以上所述者僅為用以解釋本發明之較佳實施例,並非企圖據以對本發明做任何形式上之限制,是以,凡有在相同之發明精神下所作有關本發明之任何修飾或變更,皆仍應包括在本發明意圖保護之範疇。
S10、S20、S30步驟
S11、S12、S13步驟
S21、S22、S23、S24、S25步驟
S31、S32、S33、S34、S35步驟
10住宅區
20商業區
30工業區
40公共使用區
第一圖顯示本發明實施例運用遙測資料建置災害曝險資料之方法的操作流程示意圖。
第二圖顯示本發明方法中步驟S10的詳細操作流程。
第三圖顯示本發明方法中步驟S20的詳細操作流程。
第四圖顯示本發明方法中步驟S30的詳細操作流程。
第五圖顯示本發明方法中簡化後之土地使用分區圖的示意。
S10、S20、S30步驟
Claims (5)
- 一種運用遙測資料建置災害曝險資料之方法,用以建置一地區或一城市的災害曝險資料,包括依序的:一步驟S10,係利用多幅遙測影像以產生一數位地表模型(Digital surface model,DSM)以及一數位高程模型(Digital elevation model,DEM);一步驟S20,利用該數位地表模型、該數位高程模型及一遙測影像而從中萃取所需的多個建物輪廓(Building footprint);以及一步驟S30,針對該等建物輪廓進行一經濟曝險資料(Economic Exposure Data,EED)處理,藉以建置每個該建物的一經濟曝險資料屬性,該經濟曝險資料屬性包括一建物使用型態、一地上樓層數、一有無地下室、一結構類型以及一推估屋齡、一建物高度、一建物投影面積、一總樓地板面積、一重建造價、及一建物位置資訊,其中該災害曝險資料包括每個該建物的該建物使用型態、該地上樓層數、該有無地下室、該結構類型以及該推估屋齡、該建物高度、該建物投影面積、該總樓地板面積、該重建造價、及該建物位置資訊,該遙測影像包含一衛星影像、一航空照片以及一無人航空器(Unmanned Aerial Vehicle,UAV)照片的至少其中之一,該步驟S20是包含依序的:一步驟S21,讀取所儲存的該數位地表模型以及該數位高程模型;一步驟S22,利用該數位地表模型以及該數位高程模型以產生一物件高度模型(Object height model,OHM),該物件高度模型是由該數位地表模型減去該數位高程模型而獲得; 一步驟S23,進行一濾除處理,濾除該道路及該植生區,產生一未被濾除之區域,而該未被濾除之區域即為該建物;一一步驟S24,利用該物件高度模型及該遙測影像,並依據一物件之高度及一土地使用類別,先後進行多次分割(Segmentation)、合併(Merge object)動作,藉以分階段萃取至少一建物物件(Building object);以及一步驟S25,對每個該建物物件的一輪廓進行修飾而得到該建物輪廓,每個該建物輪廓是代表相對應的該建物。
- 如請求項1所述之方法,其中該步驟S10是包含依序的:一步驟S11,對該等遙測影像進行一影像匹配(Image matching)以產生該數位地表模型;一步驟S12,針對該等地面點進行一內插而產生該數位高程模型;以及一步驟S13,儲存該數位地表模型以及該數位高程模型,以供讀取。
- 如請求項1所述之方法,其中該步驟S30是包含依序的:一步驟S31,針對該建物輪廓,標示該建物使用型態,該建物使用型態為一住宅區、一商業區、一工業區以及一公共使用區的其中之一;一步驟S32,針對該建物輪廓,計算該地上樓層數,係先由該數位地表模型減去該數位高程模型而得到的該物件高度模型當作一建物的高度,再將該建物的高度經一換算方式而換算為該地上樓層數,該換算方式是將該建物的高度除以一單一樓層高度,該單一樓層高度是針對不同的該建物使用型態以及該建物為一低樓層建物或一高樓層建物而個別預先設定;一步驟S33,依據一地下室有無判斷原則而標示該建物是否有無地下室,該地下室有無判斷原則包含在該地上樓層數若高於地下室之有無判斷樓層數時,將該 建物標示為有地下室,反之,若該地上樓層數不超過地下室之有無判斷樓層數時,將該建物標示為無地下室;一步驟S34,針對該建物輪廓,判斷並標示該結構類型;以及一步驟S35,針對該建物,計算該推估屋齡,主要是依據一地真資料以進行統計分析該地區或該城市中所有建物的屋齡與該地上樓層數之關係而當作判斷通則,並由該地上樓層數來推估屋齡,並由該建物物件的大小、高度的資訊來衍生計算、推估包含屬於該EED屬性的該建物投影面積、該總樓地板面積、該重建造價及該建物位置資訊。
- 如請求項3所述之方法,其中該地下室有無判斷原則是依據一建築法規的規定而獲得,或是參考該地真資料或一現調資料經進行統計分析後歸納而獲得判斷該棟樓層數是否具有地下室。
- 如請求項3所述之方法,其中該結構類型是依據一建築法規或建物使用型態及地上樓層數而決定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109136142A TWI764326B (zh) | 2020-10-19 | 2020-10-19 | 運用遙測資料建置災害曝險資料之方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109136142A TWI764326B (zh) | 2020-10-19 | 2020-10-19 | 運用遙測資料建置災害曝險資料之方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202217738A TW202217738A (zh) | 2022-05-01 |
TWI764326B true TWI764326B (zh) | 2022-05-11 |
Family
ID=82558543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109136142A TWI764326B (zh) | 2020-10-19 | 2020-10-19 | 運用遙測資料建置災害曝險資料之方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI764326B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102506824A (zh) * | 2011-10-14 | 2012-06-20 | 航天恒星科技有限公司 | 一种城市低空无人机***生成数字正射影像图的方法 |
CN104898183A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
CN106017472A (zh) * | 2016-05-17 | 2016-10-12 | 成都通甲优博科技有限责任公司 | 全局路线规划方法、全局路线规划***及无人机 |
CN109520479A (zh) * | 2019-01-15 | 2019-03-26 | 成都建工集团有限公司 | 基于无人机倾斜摄影辅助土方开挖施工的方法 |
-
2020
- 2020-10-19 TW TW109136142A patent/TWI764326B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102506824A (zh) * | 2011-10-14 | 2012-06-20 | 航天恒星科技有限公司 | 一种城市低空无人机***生成数字正射影像图的方法 |
CN104898183A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
CN106017472A (zh) * | 2016-05-17 | 2016-10-12 | 成都通甲优博科技有限责任公司 | 全局路线规划方法、全局路线规划***及无人机 |
CN109520479A (zh) * | 2019-01-15 | 2019-03-26 | 成都建工集团有限公司 | 基于无人机倾斜摄影辅助土方开挖施工的方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202217738A (zh) | 2022-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Papathoma-Köhle et al. | Matrices, curves and indicators: A review of approaches to assess physical vulnerability to debris flows | |
Suppasri et al. | Developing tsunami fragility curves based on the satellite remote sensing and the numerical modeling of the 2004 Indian Ocean tsunami in Thailand | |
Hsu et al. | An integrated flood risk assessment model for property insurance industry in Taiwan | |
Walker | Modelling the vulnerability of buildings to wind—a review | |
Hasanzadeh Nafari et al. | Calibration and validation of FLFA rs--a new flood loss function for Australian residential structures | |
Giuliani et al. | A simplified methodology for risk analysis of historic centers: the world heritage site of San Gimignano, Italy | |
Alam et al. | GIS-based seismic damage estimation: case study for the City of Kelowna, BC | |
King et al. | Methodologies for evaluating the socio-economic consequences of large earthquakes | |
Scheele et al. | Modelling residential habitability and human displacement for tsunami scenarios in Christchurch, New Zealand | |
Giuliani et al. | A risk-reduction framework for urban cultural heritage: a comparative study on Italian historic centres | |
Mazumder et al. | A novel framework to study community-level social and physical impacts of hurricane-induced winds through synthetic scenario analysis | |
Curtis et al. | Understanding the geography of post‐traumatic stress: an academic justification for using a spatial video acquisition system in the response to Hurricane Katrina | |
TWI764326B (zh) | 運用遙測資料建置災害曝險資料之方法 | |
Nicoll | Geomorphic and hazard vulnerability assessment of recent residential developments on landslide-prone terrain: The case of the Traverse Mountains, Utah, USA | |
Scheele | Impact assessment of a far-field tsunami scenario for building damage and habitability in Christchurch, New Zealand | |
TWM609811U (zh) | 運用遙測資料建置災害曝險資料之系統 | |
Sagala | Analysis of flood physical vulnerability in residential areas | |
Wei et al. | Automatic identification of buildings vulnerable to debris flows in Sichuan Province, China, by GIS analysis and Deep Encoding Network methods | |
Kaoje et al. | An Indicator-Based Approach for Micro-Scale Assessment of Physical Flood Vulnerability of Individual Buildings | |
Chantavilasvong et al. | Application of HAZUS-MH Flood Model in Developing Countries: The Case of Piura, Peru | |
García Moreno et al. | Comparison of ground motions estimated from prediction equations and from observed damage during the M= 4.6 1983 Liège earthquake (Belgium) | |
KR102623123B1 (ko) | 격자 기반 재난 관리 상황별 다차원 시각화 표출 방법 | |
Vries | Assessing potential disruptions from earthquakes in the historical peninsula of Istanbul using 3D models | |
Singh | Disaster risk mitigation for World Heritage city: case of Walled City of Ahmedabad in India | |
Shrestha | Sensitivity of Hazus-MH flood loss estimates to selection of building parameters: Two Illinois case studies |