Advertisement

四川及其附近地区滑坡和泥石流灾害的高精度航空影像与解译数据集(公开版)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本数据集提供四川及周边区域滑坡和泥石流灾害的高精度航空影像与详细解译信息,旨在支持地质灾害监测、研究与防治工作。 本段落基于2008年以来四川及周边地区滑坡泥石流灾害的高分辨率航空正射影像(DOM)数据,采用目视解译方法进行灾害识别与样本标注,构建了首个精度最高、最为典型的滑坡泥石流航空影像及其解译数据集。该数据集包括107处典型灾害事件的影像图片、标注信息和描述文档,涵盖了地震滑坡、降雨滑坡、沟谷泥石流及坡面泥石流四种类型,并覆盖了“5·12”汶川地震、“4·20”芦山地震、“8·8”九寨沟地震等核心灾区以及金沙江和大渡河沿岸区域。通过明确的数据来源与地质灾害专家的解译标注,确保数据集的质量。相较于国内外现有相关数据集,本数据集在数据源质量、完整性及潜在应用方面更具优势,不仅适用于滑坡泥石流自动化识别研究,还能用于灾害分布规律和风险分析等领域。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 优质
    本数据集提供四川及周边区域滑坡和泥石流灾害的高精度航空影像与详细解译信息,旨在支持地质灾害监测、研究与防治工作。 本段落基于2008年以来四川及周边地区滑坡泥石流灾害的高分辨率航空正射影像(DOM)数据,采用目视解译方法进行灾害识别与样本标注,构建了首个精度最高、最为典型的滑坡泥石流航空影像及其解译数据集。该数据集包括107处典型灾害事件的影像图片、标注信息和描述文档,涵盖了地震滑坡、降雨滑坡、沟谷泥石流及坡面泥石流四种类型,并覆盖了“5·12”汶川地震、“4·20”芦山地震、“8·8”九寨沟地震等核心灾区以及金沙江和大渡河沿岸区域。通过明确的数据来源与地质灾害专家的解译标注,确保数据集的质量。相较于国内外现有相关数据集,本数据集在数据源质量、完整性及潜在应用方面更具优势,不仅适用于滑坡泥石流自动化识别研究,还能用于灾害分布规律和风险分析等领域。
  • 西藏七大类间分布,涵盖崩塌、塌陷、等类型。
    优质
    该数据集提供了西藏地区七大类地质灾害的空间分布信息,包括崩塌、滑坡、岩溶塌陷等多种类型,为区域防灾减灾提供科学依据。总计50字。 西藏地区的地质灾害点空间分布数据包括崩塌、塌陷、泥石流、地面沉降、地裂缝、滑坡和斜坡7大类地质灾害点。该数据采用WGS84坐标系,以矢量SHP格式呈现,并基于野外实地调查获得,来源可靠且权威,具有高精度和完整的属性信息,适用于地质灾害研究及城市规划等多种分析需求。
  • 隐患点间分布矢量(完整
    优质
    本数据集包含四川省内所有地质灾害隐患点的精确位置与详细信息,适用于科学研究、风险评估及应急响应。 四川省地质灾害点的空间分布数据涵盖了崩塌、塌陷、泥石流、地面沉降、地裂缝、滑坡及斜坡七类主要类型。这些数据通过野外实地调查并整理而成,格式为矢量shp文件,并采用WGS84坐标系。该数据集能够支持地质灾害研究和学术分析等多种用途,具有很高的价值。
  • 信息(SHP格式)
    优质
    本数据集包含四川省地质灾害相关信息,以矢量文件(SHP)形式存储,便于GIS软件中进行空间分析和灾害评估。 SHP点格式非常方便,建议通过正规渠道购买。
  • 1970-2020年中巴经济走廊典型崩塌
    优质
    本数据集收录了1970年至2020年间中巴经济走廊地区发生的典型崩塌与滑坡事件,旨在为该区域地质灾害研究及风险评估提供详实资料。 本数据集包含以下两个子数据集:(1)走廊区域内崩塌灾害分布点及面(边界)及相关属性数据;(2)走廊区域内滑坡灾害分布点及面(边界)及相关属性数据。数据总量为16.15 MB,共有24个文件。
  • 优质
    该数据集收录了2010年海地地震后的各类灾害信息和救援响应资料,旨在支持灾后重建与风险评估研究。 海地地震危机数据集是一个重要的资源,对于灾害应对、救援策略制定以及灾后恢复研究的专家和学者来说尤其有价值。这个数据集涵盖了2010年海地遭受毁灭性地震时的各种信息,旨在帮助人们理解灾害的影响,并提高未来面对类似事件的能力。 以下是该数据集的主要内容: 1. **地理位置信息**:数据集中包含了地震受灾地区的精确经纬度坐标,这些信息可以通过GIS(地理信息系统)技术在地图上展示出来。这有助于研究人员了解灾情分布情况。 2. **求助信息**:来自受灾民众的求救信号如短信、电话和社交媒体上的帖子等都被记录下来。这些信息能够帮助救援机构快速定位需要援助的重点区域。 3. **灾情评估**:数据集包括了建筑物损坏程度、伤亡人数及失踪人口的数据,这些都是制定有效应急计划的重要依据。 4. **时间序列数据**:随着时间的推移,该数据集会记录下灾害的发展情况和应对措施的效果。这有助于分析救援行动的有效性。 5. **社会经济背景信息**:除了直接的灾情报告外,还包括了有关受灾社区的人口密度、基础设施状况及贫困率等社会经济指标的信息。这些因素对理解灾难的影响程度至关重要。 6. **多源数据融合**:该数据集整合了政府报告、非营利组织记录和卫星图像等多种来源的数据,为全面分析提供了支持。 通过统计学方法、机器学习算法以及数据分析技术的应用,研究人员可以从求助信息的时空分布中优化应急响应路径;或者从不同地区的灾情评估对比中发现影响灾害后果的关键因素。这些数据同样可以用于教育目的,以模拟真实的灾难场景并提高公众和应急人员的应对能力。 海地地震危机数据集不仅是一份历史记录,更是一个提升全球灾害管理效能的重要工具。通过深入研究与利用这些数据资源,我们可以不断改进防灾减灾措施,并减少未来类似事件可能带来的损失。
  • 西藏间分布
    优质
    本研究聚焦西藏地区的地质灾害情况,通过分析和评估,揭示了该区域内的滑坡、泥石流等地质灾害空间分布特征及其影响因素。 西藏地区的地质灾害点空间分布数据涵盖了崩塌、塌陷、泥石流、地面沉降、地裂缝、滑坡及斜坡7大类。这些数据是通过野外实地调查并整理得到的,采用矢量shp文件格式,并使用WGS84坐标系。该数据集能够支持地质灾害研究和学术分析等多种用途,具有很高的价值。
  • _Flight#2_flight_()_
    优质
    该数据集名为“Flight#2_flight”,是航空公司的综合性数据库,包含航班信息、飞行记录及运营详情等,为研究与分析提供全面的数据支持。 各大航空公司数据集包括以下字段:会员编号(MEMBER_NO)、首次飞行日期(OFFP_DATE)、第一次飞行日期(FIRST_FLIGHT_DATE)、性别(GENDER)、常旅客等级(FFP_TIER)、工作城市(WORK_CITY)、工作省份(WORK_PROVINCE)、工作国家(WORK_COUNTRY)、年龄(AGE)、加载时间戳(LOAD_TIME)、飞行次数总计(FLIGHT_COUNT)、过去一年内累计消费金额(BP_SUM_P1Y)、前两年每年的累计消费金额分别记录为EP_SUM_YR_1和EP_SUM_YR_2、近五年各年度累积里程数分别为SUM_YR_1和SUM_YR_2、总飞行公里数(SEG_KM_SUM)、加权飞行公里数(WEIGHTED_SEG_KM)、最近一次飞行日期(LAST_FLIGHT_DATE)、平均每年飞行次数(AVG_FLIGHT_COUNT)、首次到第一次消费的时间间隔天数(BEGIN_TO_FIRST)、最后一次消费到结束的时间间隔天数(LAST_TO_END)、平均时间间隔天数(AVG_INTERVAL)、最大时间间隔天数(MAX_INTERVAL)以及过去两年的积分累计分别为ADD_POINTS_SUM_YR_1和ADD_POINTS_SUM_YR_2、兑换次数总计(EXCHANGE_COUNT),折扣率(avg_discount)、前一年飞行次数(P1Y_Flight_Count)、去年飞行次数(L1Y_Flight_Count)、前一年消费金额(P1Y_BP_SUM)、去年消费金额(L1Y_BP_SUM),累计优惠券使用额度(EP_SUM), 过去两年积分累积分别为ADD_Point_Sum和Eli_Add_Point_Sum,总积分(Points_Sum),过去一年的飞行次数比值(Ration_L1Y_Flight_Count)、前一年的飞行次数比值(Ration_P1Y_Flight_Count),以及消费金额与积分的比例。
  • 基于遥感图目标检测
    优质
    本数据集聚焦于利用遥感技术进行泥石流灾害监测,收集并标注了大量相关影像资料,旨在提升泥石流识别精度与自动化水平。 数据格式采用支持深度学习目标检测的VOC2007标准。
  • 路落目标检测(VOC格式)- 991张图片
    优质
    本数据集包含991张图片,采用VOC格式,专注于公路落石与滑坡的目标检测问题,为相关研究提供高质量训练素材。 真实场景的数据集格式为Pascal VOC(不含分割路径的txt文件和yolo格式的txt文件),仅包含jpg图片及其对应的xml标注文件。该数据集中共有494张图片,与之相对应的是同样数量的494个标注文件。整个数据集中有2种不同的标签类别:“huapo” 和 “luoshi”。其中,“huapo”的标记框数为183个,“luoshi”的标记框数为351个。 SD场景下的数据集格式与真实场景一致,也是Pascal VOC形式,并且同样不包含分割路径的txt文件和yolo格式的txt文件。该部分的数据集中有497张jpg图片以及对应的497份xml标注文件。整个SD数据集内仅有一种标签类别:“luoshi”,其标记框总数为514个。 以上信息可通过访问bilibili.com/video/BV1Ss4y1i7XZ获得更详细的介绍,但由于要求中未提及需要保留该链接或进行相关修改处理,故此处不再重复提供链接。