成果简介：

该项目开展基于无人机遥感数据与深度学习的洪涝灾害监测和信息提取技术研究。针对目前洪涝灾害遥感影像识别精度不高、自动化提取效果不好的问题，研究基于深度学习的灾害信息提取方法。对洪涝灾害特征进行学习，以提取各类洪涝灾害的抽象特征，在此基础上构建基于数据驱动（机器学习）的洪涝灾害信息提取模型。

技术指标：

本项目已发表SCI论文2篇，申报国家发明专利一项，名称为“一种洪涝灾害无人机影像信息提取系统”，已经通过初步审查，进入实审阶段。

应用领域：

本项目应用无人机遥感技术优势，开展洪涝灾害监测和灾情信息实时获取。对比传统的卫星遥感由于轨道重返周期长，受云层和天气的影响较为敏感，对于灾害的应急响应很难快速获取灾情数据。基于深度学习的洪涝灾害信息提取方法，构建适用于洪涝灾害信息检测算法和模型，能够提高灾害洪涝遥感影像自动化判别和信息提取能力。该项目研究成果能够及时为洪涝灾害指挥决策提供更准确的灾情数据和信息，为灾害救援和灾害评估提供有力的技术支撑。

技术成熟程度：

本项目方法已通过数据和实验验证，达到技术成熟度5级，希望后续与防洪应急管理部门合作，验证该方法实践应用能力。

经济效益分析：

本项目面向洪涝灾害，通过开展基于无人机多源遥感数据与深度学习的洪涝灾害信息提取方法研究,构建基于数据驱动（机器学习）的洪涝灾害信息提取模型，提高洪涝灾害无人机遥感影像自动化判别和信息提取能力。该项目将形成一套适用于洪涝灾害监测的无人机遥感数据分析方法。项目成果具有机动灵活、响应快、成本低、时效性强等特点，能够为实现高时空分辨率的灾害动态监测提供技术支撑。

社会效益分析：

该课题研究成果不仅能够应用于洪涝灾害实时信息监测的需求，也拥有较大的应用推广价值，可服务于我国其它重大自然灾害的应急管理。成果将提升应突发性自然灾害的应急响应能力，增强应急决策指挥的科学性和准确性。对于保障人民生命财产和社会生态安全具有积极的社会意义。