Key points are not available for this paper at this time.
Resumo Um terremoto catastrófico Mw7.8 atingiu o sudeste da Turquia e o noroeste da Síria em 6 de fevereiro de 2023, resultando em mais de 44 mil mortes e 160 mil colapsos de edifícios. A interpretação dos danos causados por terremotos em edifícios é geralmente subjetiva, trabalhosa e limitada pelo acesso aos locais e pela disponibilidade de imagens instantâneas de alta resolução. Aqui, propomos um modelo de detecção de danos multi-classe (MCDD) iluminado pela inteligência artificial para sinergizar quatro variáveis, ou seja, o índice de dispersão de amplitude (ADI) e o mapa de proxy de danos (DP) derivados de imagens de Radar de Abertura Sintética (SAR), a mudança do índice de diferença normalizada de áreas construídas (NDBI) derivado de imagens de sensoriamento remoto óptico, bem como a aceleração máxima do solo (PGA). Essa abordagem nos permite caracterizar danos em uma grande escala tectônica e em uma pequena escala de edifícios individuais. A integração de múltiplas variáveis na classificação dos níveis de danos em sem danos, danos leves e danos severos (incluindo colapsos parciais ou completos) supera a prática tradicional de uso exclusivo de DP em 11,25% em desempenho. Nossa abordagem proposta pode classificar quantitativa e automaticamente diferentes níveis de danos em edifícios a partir de observações de satélites disponíveis publicamente, o que ajuda a priorizar a missão de resgate em resposta a desastres emergenciais.
Yu et al. (Sex,) estudaram essa questão.