elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Estimation of seismic building structural types using multi-sensor remote sensing and machine learning techniques

Geiß, Christian und Aravena Pelizari, Patrick und Marconcini, Mattia und Sengara, Wayan und Edwards, Mark und Lakes, Tobia und Taubenböck, Hannes (2015) Estimation of seismic building structural types using multi-sensor remote sensing and machine learning techniques. ISPRS Journal of Photogrammetry and Remote Sensing, 104, Seiten 175-188. Elsevier. doi: 10.1016/j.isprsjprs.2014.07.016. ISSN 0924-2716.

[img] PDF - Preprintversion (eingereichte Entwurfsversion)
20MB

Offizielle URL: http://www.sciencedirect.com/science/article/pii/S0924271614002007

Kurzfassung

Detailed information about seismic building structural types (SBSTs) is crucial for accurate earthquake vulnerability and risk modeling as it reflects the main load-bearing structures of buildings and, thus, the behavior under seismic load. However, for numerous urban areas in earthquake prone regions this information is mostly outdated, unavailable, or simply not existent. To this purpose, we present an effective approach to estimate SBSTs by combining scarce in situ observations, multi-sensor remote sensing data and machine learning techniques. In particular, an approach is introduced, which deploys a sequential procedure comprising five main steps, namely calculation of features from remote sensing data, feature selection, outlier detection, generation of synthetic samples, and supervised classification under consideration of both Support Vector Machines and Random Forests. Experimental results obtained for a representative study area, including large parts of the city of Padang (Indonesia), assess the capabilities of the presented approach and confirm its great potential for a reliable area-wide estimation of SBSTs and an effective earthquake loss modeling based on remote sensing, which should be further explored in future research activities.

elib-URL des Eintrags:https://elib.dlr.de/96094/
Dokumentart:Zeitschriftenbeitrag
Titel:Estimation of seismic building structural types using multi-sensor remote sensing and machine learning techniques
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Geiß, ChristianChristian.Geiss (at) dlr.dehttps://orcid.org/0000-0002-7961-8553NICHT SPEZIFIZIERT
Aravena Pelizari, PatrickPatrick.AravenaPelizari (at) dlr.dehttps://orcid.org/0000-0003-0984-4675NICHT SPEZIFIZIERT
Marconcini, MattiaMattia.Marconcini (at) dlr.dehttps://orcid.org/0000-0002-5042-5176NICHT SPEZIFIZIERT
Sengara, Wayaniws (at) geotech.pauir.itb.ac.idNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Edwards, Markmark.edwards (at) ga.gov.auNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Lakes, Tobiatobia.lakes (at) geo.hu-berlin.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Taubenböck, Hanneshannes.taubenboeck (at) dlr.dehttps://orcid.org/0000-0003-4360-9126NICHT SPEZIFIZIERT
Datum:Juni 2015
Erschienen in:ISPRS Journal of Photogrammetry and Remote Sensing
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:104
DOI:10.1016/j.isprsjprs.2014.07.016
Seitenbereich:Seiten 175-188
Verlag:Elsevier
ISSN:0924-2716
Status:veröffentlicht
Stichwörter:Seismic building structural types Very high and medium resolution imagery Machine learning SVM Random Forests Earthquake loss estimation
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben Zivile Kriseninformation und Georisiken (alt), R - Vorhaben Fernerkundung der Landoberfläche (alt)
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit
Deutsches Fernerkundungsdatenzentrum > Landoberfläche
Hinterlegt von: Geiß, Christian
Hinterlegt am:03 Jun 2015 08:59
Letzte Änderung:06 Nov 2023 09:26

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.