图1. 土耳其-叙利亚地震事件中建筑物损伤评估的可视化

近日，张良培所长团队在国际遥感领域顶级期刊《Remote Sensing of Environment》（中科院一区TOP，IF=11.1）发表了最新研究论文《Towards transferable building damage assessment via unsupervised single-temporal change adaptation》。该研究突破传统方法限制，提出了一种仅需灾前影像即可实现跨区域、跨灾种精准评估的创新算法，为灾害应急响应争取宝贵时间。

图2. 单时态域自适应语义变化检测框架

传统AI模型依赖灾前-灾后成对影像进行训练与适配，需在获取灾后数据后才能启动适配流程，导致应急响应延迟。研究团队首创单时相灾害模拟算法（STCA）颠覆现有范式。实验表明，该模型在土耳其地震、刚果洪灾等5个新发灾害场景中，平均评估精度（F1分数）较传统方法提升12.3%，对小众灾种（如山火后建筑碳化）识别率提高超20%。在2023年土耳其-叙利亚地震中，系统在灾后12小时内完成4.2万栋建筑损伤制图，准确率较现有方案提升31.4%。

研究团队表示，下一步拟结合物理力学模型增强可解释性，并开发轻量化版本以适配无人机应急场景。