如何用遥感影像做自然灾害的因果推断？

导语

自然灾害的快速评估对于应急管理和灾后恢复非常重要，它提供了关于次生灾害和受灾情况的准确信息，比如地震后的滑坡、土壤液化和建筑破坏。尽管人们已经收集了大量的地理空间数据和卫星图像，但由于自然灾害触发的危害是一个级联过程，其中存在复杂和特定事件的因果关系，现有的基于物理学和数据驱动的方法往往估计性能偏低。最近发表于Nature Communications 的这篇文章，提出了一个快速的地震多灾害和影响估计系统，该系统利用了先进的统计因果推断和遥感技术，显著提高了多种灾害和影响的大规模估计精度，还揭示了地震触发的多种危害和影响之间的定量因果机制。

关键词：复杂因果，灾害评估，级联效应，因果图

刘志航 | 作者

邓一雪 | 编辑

论文题目：

Seismic multi-hazard and impact estimation via causal inference from satellite imagery

论文链接：

https://www.nature.com/articles/s41467-022-35418-8

1. 复杂的灾害级联效应和因果关系

中等规模的地震发生后，往往会出现一系列的地面塌陷和后续次生灾害，如滑坡、土壤液化和建筑破损。例如，2018年日本北海道地震引发了6000多处山体滑坡和1000多处相关的泥石流沉积，造成了80%以上的损失。地震快速反应系统可以迅速准确地定位和估计地震灾害（如滑坡、液化）和地震影响（如建筑物损坏）的空间发生情况，这些信息有助于指导那些最需要关键援助的地区的反应和恢复。

虽然全球范围内都建立了地震快速反应系统，但由于数据和模型的不确定性、事件与事件之间的变化，以及次生灾害和影响的级联效应，准确和及时地定位和估计地震影响的任务仍然具有挑战性。

一个主要的困难在于地震引发的多种灾害和影响过程中的复杂因果关系。以前的数据驱动方法利用统计学或机器学习模型黑箱，主要集中在对单一类型的灾害进行建模，而没有考虑多种灾害之间的因果关系和随之而来的影响，如建筑物的损坏，这导致了性能的局限性和物理解释的困难。其中许多方法受到地面实况数据有限以及过时的、粗粒度的地理空间指标的制约，这就带来了很大的不确定性和低空间分辨率。

图1. 波多黎各地震灾害的遥感先验估计。（a）研究区域，（b）滑坡，（c）土壤液化，（d）建筑足迹。

遥感数据的自然灾害评估的一个关键挑战，是空间上重叠的多种级联灾害、建筑破坏和大量的事件特定的环境噪声（例如农业活动引起的变化）。这一挑战使得目前的研究很难有效地提取和利用遥感影像中的信息，以进行快速准确的地震触发的山体滑坡或建筑破坏估计，更不用说同时预测多种危害和影响了。

2. 利用因果贝叶斯网络实现灾害因果推断

为了解决上述问题，这项研究通过对卫星图像中的地质过程，以及地表变化的因果关系进行定量建模，将单一类型的灾害地理空间模型与卫星图像产品的丰富但嘈杂的信息有效结合起来。

这种因果推断模型使系统能够联合估计多种危害和影响，从而提高区域范围内估计的整体准确性和分辨率。论文作者将地面震动、地震灾害和影响以及卫星图像捕获的地表变化之间的因果关系编码为因果图。

因果图被表述为贝叶斯网络，用于编码多个随机变量之间的一组条件依赖关系，即物理因果关系。值得注意的是，最近的进展表明，因果贝叶斯网络是一个强大的工具，可以从一组数据中解读多个变量之间的复杂因果关系。

图2. 因果贝叶斯网络，描述了不同的地震地面故障、建筑物损坏、遥感影像和环境噪声之间的因果关系。N 指的是目标区域内的 N 个位置/像素。每个地点的滑坡、液化和建筑物损坏的后验概率是该框架估计的目标。绿色方框指的是有数据约束的变量。θ、j、μ、η 是未知的因果系数，它们量化了父节点对滑坡、液化、建筑破坏和遥感影像的因果效应。

因果图将高分辨率卫星影像中特定事件的地表变化模式的丰富信息，与地理空间模型中事件共享的物理洞察力联系起来，通过明确地对多种灾害、建筑破坏、环境因素和遥感影像之间的复杂和非线性关系进行建模。因果关系的纳入使遥感影像中的图像变化成为多种地震灾害和建筑破坏共同发生的综合物理推断。

3. 因果图揭示多种自然灾难的因果关系

每个地震点的推断因果图可以显示地震、滑坡、土壤液化、建筑物损坏和环境噪声之间的因果关系。比如，日本北海道地震和意大利中部地震中，从滑坡到建筑物破坏的量化因果系数分别为 0.848 和 0.966 ，在成对比较中明显高于从液化到建筑物破坏的系数（0.432 和0.345）。

图3. 因果图揭示的因果关系。（a）2018 年日本北海道地震的量化因果图的可视化。（b）2020 年波多黎各地震的量化因果图的可视化。（c）201 8年日本北海道地震山体滑坡区（透明白色）和液化区（蓝色）的建筑破坏概率分布估计。（d）2020年波多黎各地震山体滑坡区（透明白色）和液化区（蓝色）的建筑破坏概率分布估计。

近年来，卫星的重访时间频率已经从几周缩短到几天，甚至几小时。灵活的合成孔径雷达系统，如机载合成孔径雷达正在被部署，以更及时和可控的方式获得高分辨率的图像。这项研究的框架可以与最初的损失估计和恢复规划工具相结合，在关键的早期几小时到几天内，为相关利益群体提供态势感知。

通过引入了前沿因果推断（因果图）方法，这篇论文提出的框架可以识别高分辨率卫星信号的多种危害的复杂互动。因果贝叶斯网络有可能被应用于其他极端灾害，如飓风和洪水，并且对这些自然灾害和影响之间的因果关系进行建模，将在未来的应急管理、灾害动力学和灾害级联分析上发挥重要作用。

因果表征学习读书会启动