简介:摘要自然灾害和人为灾害往往是造成灾害事件的主要原因损坏的物理基础设施,可能导致受影响地点的电力损失。来自Suomi国家极地轨道合作伙伴的遥感夜间卫星图像(Suomi-NPP)可见红外成像辐射计套件(VIIRS)日/夜带(DNB)可监控通过识别失踪的城市灯光,在受灾地区停电。什么时候结合当地相关的地理空间信息,这些观测结果可用于估算停电,定义为需要人工干预以恢复供电的地理位置。在这项研究中,我们基于Suomi-NPPVIIRSDNB观测产生了停电产品估计2012年飓风桑迪之后停电。此产品与已知产品相结合停电数据和环境人口估计,然后用于预测停电中的停电分层,前馈神经网络模型。我们相信这是协同作用的第一次尝试将这些数据源结合起来,定量估算停电情况。VIIRSDNB停电产品能够确定飓风桑迪之后的初始光损失,以及渐进式恢复电力。神经网络模型合理预测停电空间精度,在所有折叠中实现0.48和0.58之间的Pearson系数(r)。我们的结果显示生产美国大陆(CONUS)的承诺-或全球范围的停电使用卫星图像和本地相关的地理空间数据监测网络。
简介:摘要自然灾害和人为灾害往往是造成灾害事件的主要原因损坏的物理基础设施,可能导致受影响地点的电力损失。来自Suomi国家极地轨道合作伙伴的遥感夜间卫星图像(Suomi-NPP)可见红外成像辐射计套件(VIIRS)日/夜带(DNB)可监控通过识别失踪的城市灯光,在受灾地区停电。什么时候结合当地相关的地理空间信息,这些观测结果可用于估算停电,定义为需要人工干预以恢复供电的地理位置。在这项研究中,我们基于Suomi-NPPVIIRSDNB观测产生了停电产品估计2012年飓风桑迪之后停电。此产品与已知产品相结合停电数据和环境人口估计,然后用于预测停电中的停电分层,前馈神经网络模型。我们相信这是协同作用的第一次尝试将这些数据源结合起来,定量估算停电情况。VIIRSDNB停电产品能够确定飓风桑迪之后的初始光损失,以及渐进式恢复电力。神经网络模型合理预测停电空间精度,在所有折叠中实现0.48和0.58之间的Pearson系数(r)。我们的结果显示生产美国大陆(CONUS)的承诺-或全球范围的停电使用卫星图像和本地相关的地理空间数据监测网络。