Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-3844
Main Title: Exposure estimation for rapid seismic vulnerability assessment
Subtitle: An integrated approach based on multi-source imaging
Translated Title: Expositionsanalyse für schnelle seismische Verwundbarkeitsabschätzungen
Translated Subtitle: ein integrierter Ansatz auf Basis verschiedener Bilddatenquellen
Author(s): Wieland, Marc
Advisor(s): Parolai, Stefano
Referee(s): Petryna, Yuri
Savidis, Stavros
Parolai, Stefano
Taubenböck, Hannes
Granting Institution: Technische Universität Berlin, Fakultät VI - Planen Bauen Umwelt
Type: Doctoral Thesis
Language: English
Language Code: en
Abstract: Eine entscheidende Grundlage für seismische Risikobewertungen bildet die Charakterisierung eines exponierten Gebäudebestandes in Bezug auf dessen Verwundbarkeit gegenüber Erdbeben. Häufig verwendete Ansätze basieren auf Vor-Ort-Untersuchungen durch Bauingenieure und Statiker. Diese Methoden ermöglichen eine sehr detaillierte Charakterisierung einzelner Gebäude, jedoch sind sie in der Regel sehr zeit- und kostenaufwendig und nicht praktikabel für einen flächendeckenden Einsatz. Angesichts hoher Urbanisierungsraten und zunehmend wachsender räumlich-zeitlicher Dynamik in vielen Städten weltweit, ist es lokalen Regierungen oft weder möglich den exponierten Gebäudebestand zu quantifizieren, noch angemessene Aussagen über dessen Verwundbarkeit zu treffen. In Folge dessen sind verfügbare Informationen oft veraltet, stark aggregiert oder räumlich fragmentiert, was große Unsicherheiten in seismische Risikobewertungen einfließen lässt. Auch wenn Informationen verfügbar sind, ist eine Charakterisierung von exponierten Elementen oft nicht standardisiert und kann deshalb nur sehr bedingt mit anderen Datensätzen verglichen werden. Ausgehend von diesen Beobachtungen, hat die vorliegende Arbeit zum Ziel Werkzeuge und Methoden zu entwickeln, die eine kosten- und zeiteffiziente Charakterisierung exponierter Gebäudebestände ermöglichen, die skalierbar sind in Abhängigkeit vom gewünschten Detailgrad der Informationen, und die in einer standardisierten und vergleichbaren Weise auf unterschiedliche urbane Räume angewendet werden können. Somit soll ein wertvoller Beitrag zu einer schnellen und flächendeckenden Abschätzung der Verwundbarkeit geleistet werden. Ein neuartiger Ansatz zur Charakterisierung exponierter Elemente auf mehreren Maßstabsebenen wird vorgestellt, der auf einem mehrstufigen Analyseverfahren verschiedener Bilddatenquellen aufbaut und Stichprobenverfahren nutzt, um aufwendigere Vor-Ort-Untersuchungen effizient zu planen und durchzuführen. In einer Top-Down-Analyse, werden zunächst frei verfügbare multi-spektrale Satellitendaten mittlerer räumlicher Auflösung analysiert, um eine Stadt großflächig in relativ homogene Stadtstrukturtypen zu unterteilen. Die resultierende Informationsebene gibt in aggregierter Form Aufschluss über die räumliche Verteilung dominierender Gebäudetypen und deren ungefähres Alter. Ein hierarchisches Klassifikationsschema, basierend auf globalen Taxonomiestandards des Globalen Erdbebenmodells (GEM), wurde entwickelt, um die Übertragbarkeit und Vergleichbarkeit der Ergebnisse zu gewährleisten. Die Informationsebene der Stadtstrukturtypen kann, je nach verfügbaren Ressourcen, optional durch eine Analyse von hochauflösenden multi-spektralen Satellitendaten weiter verfeinert werden und um Charakteristika wie Gebäudeanzahl, Gebäudegrundrisse, Bebauungsdichte und Bevölkerungsanzahl erweitert werden. Die Unterteilung der urbanen Landschaft in relative homogene Strukturtypen wird darüber hinaus als räumliche Analysebasis für ein geschichtetes Zufallsstichprobenverfahren genutzt, um repräsentative Bereiche für eine detaillierte Vor-Ort-Untersuchung zu identifizieren. Um die Einschränkungen eines rein auf Satellitendaten basierenden Ansatzes zu überwinden und Vor-Ort-Untersuchungen des Gebäudebestandes schneller und effektiver zu gestalten, wird ein mobiles omnidirektionales Kamerasystem eingeführt. Möglichkeiten der automatischen Bildauswertung werden exemplarisch aufgezeigt und ein neuartiges Remote Rapid Visual Screening (RRVS) Verfahren zur manuellen Bildauswertung im Hinblick auf strukturelle Gebäudeeigenschaften wird vorgestellt. Die nötigen Werkzeuge für die Satellitenbildauswertung im Zusammenhang mit einer Charakterisierung des Gebäudebestandes werden im Rahmen der Arbeit speziell entwickelt und basieren ausschließlich auf freien und open-source Lösungen. Die Bildauswertung folgt einem modernen objektbasierten Ansatz und setzt sich aus verschiedenen Modulen zusammen: Bildvorprozessierung, Segmentierung, multi-skalige Segmentierungsoptimierung und -qualitätsabschätzung, Feature Selektion und Klassifizierung basierend auf maschinellem Lernen. Des Weiteren, werden Bayesische Netzwerke für die Informationsintegration und eine neuartige wahrscheinlichkeitsbasierte Verwundbarkeitsabschätzung aus Bilddaten verwendet. Für jedes Gebäude, das erfolgreich durch die Satellitendatenanalyse oder durch die Auswertung der omnidirektionalen Kameradaten charakterisiert wurde, kann automatisch a posteriori die Wahrscheinlichkeitsverteilung der Verwundbarkeitsklassen nach der Europäischen Makroseismischen Skala 1998 (EMS-98) ermittelt werden. Ausgehend von der Annahme, dass die Stadtstrukturtypen relativ homogen zusammengesetzt sind, kann die Stichprobeninformation in einer abschließenden Bottom-Up-Analyse von einem detaillierten Gebäudemaßstab zurück zu einem aggregierten Nachbarschaftsmaßstab propagiert werden, um flächendeckend für eine ganze Stadt eine detaillierte Charakterisierung des exponierten Gebäudebestandes und dessen Verwundbarkeit zu ermitteln. Die im Rahmen dieser Arbeit entwickelten Methoden und Werkzeuge wurden erfolgreich, innerhalb der Aktivitäten des Erdbebenmodells Zentral Asien (EMCA), am Beispiel der Stadt Bischkek in Kirgistan justiert und ausführlich getestet. Genauigkeitsabschätzungen auf verschiedenen Maßstäben zeigen eine hohe Qualität der resultierenden Informationsebenen. Vergleiche der Ergebnisse mit Daten von herkömmlichen Rapid Visual Screening (RVS) Untersuchungen lokaler Ingenieure konnte die hohen Genauigkeiten der Ergebnisse bestätigen. Des Weiteren, konnte eine gute Übertragbarkeit der Methoden, trotz eines hohen Grades an Automatisierung der Informationsextraktion, durch weitere Fallstudien in anderen Zentralasiatischen (Duschanbe in Tadschikistan, Osch und Jalalabad in Kirgistan) und Europäischen (Köln in Deutschland) Städten bestätigt werden.
A crucial basis for risk assessment forms the characterisation of an exposed building stock with respect to its vulnerability. Commonly used approaches are based on in-situ screening methods by structural engineers. These methods proved to be sufficient in characterising individual buildings and determining their vulnerability, but usually they are highly time- and cost-consuming. Given high urbanization rates and increasingly high spatio-temporal variability in many present-day cities, local governments are often unable to keep track of the building inventory exposed to seismic hazard. As a result, exposure and vulnerability information is often out-of-date, highly aggregated or spatially fragmented, leading to large unknown uncertainties introduced into seismic risk assessments. Moreover, if information is available, the characterisation of exposed assets is often not standardized and can hardly be compared between regions or even between surveys. Based on these observations, this dissertation aims at developing tools and methodologies for a cost- and time-efficient exposure estimation over large areas that can be applied in a standardized and comparable way to different urban environments and be efficiently scaled depending on the desired level of detail in order to provide a valuable input for rapid vulnerability assessments. A sampling approach is introduced that employs a novel multi-source method for evaluating exposure characteristics. In a top-down analysis, the processing scheme moves from an aggregated neighbourhood scale to a detailed per-building scale involving three analysis tiers that are based on analysis of different image types. In a tier 1 analysis, at an aggregated neighbourhood scale medium resolution satellite images are analysed to stratify an urban environment into areas of relatively homogeneous urban structure. The tier 1 exposure information layer provides aggregated information about the spatial distribution of predominant building types with associated structural characteristics and their approximate construction date. A hierarchical classification scheme for exposure elements is developed that builds up on taxonomy standards of the Global Earthquake Model (GEM). A tier 2 analysis at a per-building scale based on high resolution satellite images provides with location, area and shape of individual buildings. It can further enrich the tier 1 exposure layer with information about the number and density of buildings aggregated for each area of homogeneous urban structure. In combination with census information also detailed population distributions are mapped. The tier 1 or tier 2 exposure information layers, moreover, concur to define the strata composing a stratified sampling scheme to identify representative areas for a more detailed tier 3 analysis. To overcome limitations of a purely satellite-based approach, a ground-based mobile mapping system with omnidirectional camera is introduced that provides with information about the street view of the objects of interest. An exemplification of automated analysis of the omnidirectional images to extract building characteristics is given and a novel Remote Rapid Visual Screening (RRVS) techniques for a manual image analysis is introduced. To provide the necessary tools for exposure estimation from multi-source images, a modular image processing chain is developed based on free and open-source solutions. It follows a state-of-the-art object-based image analysis (OBIA) approach and consists of several modules including image preprocessing, segmentation, multi-scale segmentation optimization and evaluation, feature selection and machine learning based classification. Moreover, an exposure information integration with Bayesian networks is introduced as exemplification of a novel probabilistic vulnerability assessment based on multi-source (imaging) information. For each building successfully characterised by satellite- and ground-based imaging a posterior probability distribution of its vulnerability classes according to the European Macroseismic Scale 1998 (EMS-98) is derived. Given the assumption that each stratum is composed of relatively homogeneous urban structure, the sampled information can be back-propagated in a subsequent bottom-up approach from per-building scale to neighbourhood scale to derive detailed exposure and vulnerability distributions for a whole city. The proposed methodologies for exposure estimation have been successfully adjusted and tested within the activities of the Earthquake Model Central Asia (EMCA) for the city of Bishkek, Kyrgyzstan. Accuracy assessments indicate overall good quality of the resulting exposure information layers at the different levels of detail. Comparison with data from commonly used Rapid Visual Screening (RVS) surveys of the study area could confirm high accuracies of the results. Moreover, the methodologies proved to be transferable to other study areas and accuracy assessments of the derived products for other Central Asian (Dushanbe, Tajikistan, Osh and Jalalabad, Kyrgyzstan) and European (Cologne, Germany) cities could provide highly accurate results.
URI: urn:nbn:de:kobv:83-opus4-42942
http://depositonce.tu-berlin.de/handle/11303/4141
http://dx.doi.org/10.14279/depositonce-3844
Exam Date: 12-Sep-2013
Issue Date: 28-Nov-2013
Date Available: 28-Nov-2013
DDC Class: 000 Informatik, Informationswissenschaft, allgemeine Werke
Subject(s): Exposition
Verwundbarkeit
Fernerkundung
Data Mining
Erdbeben
Exposure
vulnerability
remote sensing
data mining
earthquake
Usage rights: Terms of German Copyright Law
Appears in Collections:Technische Universität Berlin » Fakultäten & Zentralinstitute » Fakultät 6 Planen Bauen Umwelt » Institut für Angewandte Geowissenschaften » Publications
Technische Universität Berlin » Fakultäten & Zentralinstitute » Fakultät 6 Planen Bauen Umwelt » Institut für Bauingenieurwesen » Publications

Files in This Item:
File Description SizeFormat 
wieland_marc.pdf34,29 MBAdobe PDFThumbnail
View/Open


Items in DepositOnce are protected by copyright, with all rights reserved, unless otherwise indicated.