Geoskill: Earthquake Damage Assessment

震后损害快速评估 — 利用震前震后 SAR/光学变化和建筑道路暴露，快速筛查疑似建筑损毁、 道路阻断和受影响人口。支持相干性/后向散射/纹理/光谱多特征融合，对象级聚合， 损毁概率分级与人工复核任务生成。

Earthquake Damage Assessment

利用震前震后 SAR/光学变化和建筑道路暴露，快速筛查疑似建筑损毁、道路阻断和受影响人口。 输出辅助分析、疑似对象和证据；涉及工程安全、行政认定或赔付时必须人工复核。

Trigger

Use when the user wants to:

• 震后快速定位疑似重损建筑区
• 统计各乡镇受影响建筑和人口
• 评估道路阻断情况
• 生成人工复核任务清单
• 比较不同损毁评估模型的效果

CLI Usage

bash

# 合成演示模式（无需输入文件）
python scripts/earthquake_damage_assessment.py --output-dir ./eda-output

# 指定损毁评估模型
python scripts/earthquake_damage_assessment.py --damage-model sar_coherence --output-dir ./eda-output

# 自定义最小建筑面积
python scripts/earthquake_damage_assessment.py --min-building-area 100.0 --output-dir ./eda-output

# 光学 NDVI 模型
python scripts/earthquake_damage_assessment.py --damage-model optical_ndvi --output-dir ./eda-output

Parameters

Parameter	Default	Description
--input-dir	None	输入数据目录 (省略则使用合成数据)
--output-dir	eda-output	输出目录
--damage-model	combined	损毁评估模型 (sar_coherence/optical_ndvi/combined)
--epicenter	None	震中位置 'lon,lat' (合成模式使用)
--min-building-area	50.0	最小建筑面积 m²
--grid-size	100	合成数据网格大小
--models-config	None	模型参数 JSON 文件路径

Output

File	Description
damage_probability.npy	损毁概率栅格 [0, 1]
suspected_buildings.geojson	疑似损毁建筑矢量
road_disruptions.geojson	道路阻断点矢量
impact_summary.csv	影响摘要统计
review_tiles/	人工复核任务目录
request.json	分析请求元数据
dataset-manifest.json	数据集清单
output-manifest.json	输出文件清单
qa.json	质量保证检查

Key Algorithms

变化检测

特征	数据来源	物理意义
相干性变化	Sentinel-1 SAR	相干性下降 = 结构变化/损毁
NDVI 变化	Sentinel-2/Landsat	NDVI 下降 = 植被/结构损失
纹理变化	SAR/光学	纹理增加 = 坍塌碎屑

损毁分级

等级	概率范围	含义
无损毁	0.0 - 0.2	无明显变化
轻微	0.2 - 0.4	可能有轻微损伤
中等	0.4 - 0.6	疑似中等损毁
严重	0.6 - 0.8	疑似严重损毁
毁坏	0.8 - 1.0	疑似完全毁坏

对象级聚合

以建筑为单位聚合多特征，避免像元噪声直接判建筑损毁：

• 建筑轮廓内像素概率平均
• 概率中位数/最大值统计
• 最小面积过滤

质量控制

• 云掩膜：蓝光反射率 > 阈值
• 阴影掩膜：近红外反射率 < 阈值
• SAR 噪声：相干性 < 阈值

Exit Codes

Code	Meaning
0	成功
2	参数错误
3	依赖缺失
6	数据校验失败
7	处理失败

Important Limitations

• 合成数据非真实观测：演示模式使用合成数据，仅用于流程验证，不可作为实际灾情结论。
• SAR 几何门槛高：MVP 支持外部已生成相干性图， SLC 处理需专业软件。
• 分辨率限制：免费影像分辨率可能不足以识别单体建筑损毁。
• 类别不平衡：真值数据稀缺，模型需针对本地建筑类型率定。
• 非最终认定：输出疑似损毁概率和审核状态，不声称最终灾情。

References

• Brett & Rochat (2015) — Coherence change detection for earthquake damage
• Dong & Shan (2013) — Remote sensing for earthquake damage assessment
• USGS PAGER — Global earthquake impact assessment
• UNOSAT — Satellite damage assessment methodology

数据下载

本 skill 可自动从 Microsoft Planetary Computer 下载数据 (无需 API key):

bash

python earthquake_damage_assessment.py --bbox 116,39,117,40 --date-range 2024-06-01,2024-06-30 --output-dir <tmp>

• --bbox W,S,E,N: WGS-84 边界框 (西, 南, 东, 北)
• --date-range START,END: 日期范围 (YYYY-MM-DD,YYYY-MM-DD)
• --aoi-file <path.geojson>: 替代 --bbox 的 GeoJSON 多边形
• --cache-dir <path>: 缓存目录 (默认 ~/.geoskill_cache)

当用户只给 --bbox + --date-range (没有 --sar) 时，skill 自动下载数据。 当用户给 --sar 时，走原文件路径 (向后兼容)。