地震灾害突发性强、破坏性大,严重威胁人类生命和财产安全,严重影响经济发展和社会稳定。受当前科技水平限制,人类尚不具备准确预测短期地震发生的能力。因此,震前进行大范围地震风险评估,既有助于政府部门制定城市规划和应急管理方案、最大程度减轻地震灾害风险,也可以提高人民群众对潜在灾害的风险意识。承灾体/建(构)筑物资料数据是进行地震风险评估的基础工作之一。传统的实地调研方法获取的建筑物数据精度高、可靠性强,但也存在费时费力、更新速度慢等缺点,无法满足区域尺度地震风险评估的需求。近年来,随着中国经济和社会的迅速发展,城市规模的不断扩张和建筑物的快速持续变化,不仅加剧了潜在地震风险,也增加了及时、准确进行地震风险评估的难度。因此,研究并建立一套大范围、高精度、快速的建筑物数据获取和及时更新的方法,能够为区域尺度地震灾害风险评估提供必要的数据支撑;同时考虑结合社会脆弱性因素构建情景地震,探讨建筑物地震易损性及社会脆弱性对地震情景的作用程度,并针对性地部署地震应急准备工作,对于最大限度减轻地震灾害风险具有重要应用价值和现实意义。为此,本论文首先研究并提出了两种基于卷积神经网络的高分辨率遥感影像建筑物分割模型,来实现建筑物轮廓的高精度、快速、自动提取;基于Google Earth高分辨率遥感影像和无人机影像,建立乌鲁木齐和渭南农村地区建筑物数据集,应用上一步建好的深度学习模型进行建筑物高精度、快速提取,验证其在面向地震风险评估中的实际应用效果;在此基础上,采用机器学习和数据挖掘的方法,结合街景影像、道路交通、土地利用规划、统计资料和多时相遥感影像等多源数据,建立建筑物属性信息与建筑物易损性之间的对应规则;以乌鲁木齐为研究区,将上述推算结果与实地调研对比,验证该套方法论的精度和可靠性;应用地震风险评估模型,分析不同烈度下乌鲁木齐地震灾害风险分布情况;最后,以渭南农村地区为研究区,对建筑物地震易损性、社会脆弱性因素及其对情景地震的共同作用程度进行探究。本论文的主要研究工作如下:(1)对地震灾害风险评估理论方法、建筑物信息提取方法的国内外研究现状进行了综述。在此基础上,以地震风险评估为目标,基于深度学习卷积神经网络提出高分辨率遥感影像建筑物自动提取模型。具体步骤是:首先分析了现有卷积神经网络模型的优缺点;然后提出了一种融合编码-解码器结构和空间金字塔池化模块的轻量级卷积神经网络模型:USPP。为验证USPP模型的精度和效率,在两个国际开源的建筑数据集上进行了对比实验:Massachusetts数据集和INRIA数据集。结果表明,与其他国际上通用的图像分割模型(包括Seg Net、FCN、UNet、Tiramisu和FRRN)相比,USPP模型在定性和定量结果都有所提升。与UNet相比,USPP模型在两个数据集的总体精度分别提升了1.0%(0.913 vs.0.904)和3.6%(0.909 vs.0.877),而模型训练时间也分别增加了3.6%和1.0%。用USPP模型能够较好地分割建筑物,分类误差小、边界清晰。(2)上一步所提出的面向地震灾害风险评估的建筑物自动提取USPP模型,虽然取得了较优的建筑物分割结果,但也带来了额外的计算资源消耗,计算效率无法满足区域尺度地震风险评估中建筑物数据的大范围获取需求。为了在保证精度的前提下提高深度学习计算效率,本文又提出了新的卷积神经网络模型:ARCNet。该模型的设计思路为:为了减少模型参数,加快深度学习计算速度,采用深度可分离卷积和非对称卷积相结合的方法,设计了ARC-Net网络的核心RBAC模块;同时,利用空洞卷积和空洞卷积空间金字塔池化模块来扩大视觉感受野,达到较优的语义分割结果。在INRIA和WHU两个国际公开建筑物数据集上的实验表明,本文提出的ARC-Net模型性能优于其他国际常用的深度学习模型,具有较高的精度和较少的计算时间。该模型在分类误差和形状边界较低的情况下成功地提取了建筑物。在此基础上,基于Google Earth高分辨率遥感影像和无人机影像分别建立了乌鲁木齐和渭南农村建筑物数据集,应用ARC-Net模型在数据集上进行建筑物自动分割提取。乌鲁木齐建筑物提取的总体精度为0.899,准确率为0.848;渭南农村地区建筑物提取的总体精度为0.929,准确率为0.876,建筑物的整体轮廓可以较好地分割出来。实验结果表明,ARC-Net模型进行面向地震风险评估的建筑物高精度、快速、自动提取是可行的,并可以达到较高的建筑物提取精度和较快的深度学习计算效率,并且在农村地区进行建筑物提取效果更好。(3)在上一步提取建筑物轮廓基础上,为快速、准确获取建筑物属性信息并进行区域尺度地震风险评估,本文提出一种基于多源数据融合、机器学习、数据挖掘和地理信息技术相结合的建筑物信息提取及其地震易损性的综合评定方法,并以乌鲁木齐为例进行应用验证。首先,选择天山区部分区域进行建筑物详细实地调研,建立建筑物实地调研数据库;然后采用EMS-98建筑物易损性分类标准和两种数据挖掘方法,即支持向量机和关联规则方法,建立建筑物属性信息与地震易损性的对应规则;然后,基于街景影像、道路交通、土地利用规划和多时相遥感影像等多源数据,将乌鲁木齐进行居民地块体划分,将上一步建立的建筑物易损性对应规则应用于乌鲁木齐数据库,整体准确性达到79.7%;最后,应用地震风险评估模型,分析不同地震烈度下乌鲁木齐地震灾害风险分布情况。在地震烈度为VIII且未考虑场地效应的情况下时,乌鲁木齐大部分建筑物将受到“轻微”破坏。结果表明,使用本文所建立的多技术、多源数据融合的建筑物信息提取与地震易损性判定方法进行地震风险评估,可以以远低于传统方法(如现场实地调查)的成本进行区域尺度地震灾害风险评估,并取得理想的结果,具有重要的应用价值。(4)基于情景地震的地震易损性、危险性和社会脆弱性的综合地震风险评估分析,以渭南农村地区为例。首先,对渭南市三个具有不同地形特征的村庄进行了实地调查,分别是平原区贺兰村、黄土塬区赵家村和山区东峪村。然后基于实地调研数据,应用RISK-UE脆弱性指数方法,对三个村庄在不同地震烈度下的建筑物破坏程度进行了定量分析。最后,综合考虑社会脆弱性因素,构建情景地震,对三个村庄的其他地震影响情景进行了估算,并针对性地进行地震应急准备工作,为渭南地区地震风险评估提供很好的补充。所有计算结果均在Arc GIS软件中进行了计算和显示。贺兰村、赵家村、东峪村三个村的平均建筑物易损性指数分别为0.69、0.70和0.76。在同一地震烈度下,赵家村房屋受损率最高,贺兰村最低。如果渭南发生烈度为VII度以上的地震,东峪村将发生山体滑坡和交通隔离。居民只能依靠自救和互救。