venezuela_eq_2026

该数据集提供了针对2026年6月24日委内瑞拉地震的AI衍生建筑足迹与建筑级损害评估数据，由人道主义开放街道图团队（HOTOSM）组织，旨在支持灾后响应与损害评估工作。数据涵盖委内瑞拉受地震影响的六个主要区域：Caracas、La Guaira、Catia La Mar、Caraballeda、Naiguata和Morón。核心数据包括每个区域的建筑多边形几何数据、按损害等级（完全损毁、严重损毁、轻微损毁）分类的点数据，以及用于数据融合与置信度评估的H3网格单元数据。损害评估结果综合了最多三个独立的AI来源：HOTOSM fAIr（主要源）、Microsoft AI for Good Lab的二元损害分类，以及OSU/CUNY基于Sentinel-1雷达数据的实验性产品。数据集总计包含约211,509栋建筑的评估信息，其中识别了特定数量的完全损毁、严重损毁和轻微损毁建筑。数据处理流程遵循标准化工作流：首先使用fAIr模型在灾前高分辨率影像上检测建筑足迹；然后通过损害评估模型比对灾前与灾后影像；接着将不同AI源的结果在H3网格（分辨率11）上进行融合（多源一致时置信度更高）；部分区域的结果已通过MapSwipe志愿者平台进行人工验证。数据以每个区域独立的文件夹形式组织，在damage_assessment/子目录下提供各来源（fair/, microsoft/, osu/, combined/, validated/）的多边形、点和H3单元数据。数据集适用于建筑损害评估、灾害影响快速制图、人道主义响应资源规划等任务。需要注意的是，不同区域的数据在影像来源（如WorldView-3, SkySat）、分辨率（0.33米至1.2米）、数据源覆盖（部分区域仅有fAIr）和验证状态（从“已验证”到“待审查”不等）上存在差异，使用时应参考各区域的详细说明。数据许可条款因来源而异，fAIr损害预测层基于CC BY-NC-SA 4.0许可，影像数据拥有各自的版权或许可。

原始信息汇总

数据集概述：2026年委内瑞拉地震AI建筑与损害评估

本数据集针对2026年6月24日发生的委内瑞拉地震，提供由人工智能生成的建筑足迹与建筑级别损害评估数据。数据按区域组织，损害评估来源于最多三个独立AI源：HOTOSM fAIr（主要）、Microsoft AI for Good Lab 以及 OSU/CUNY Sentinel-1雷达产品。

可视化入口

• 交互式地图：查看地图

工作流程

fAIr在灾前图像上检测建筑足迹；损害评估AI对比灾前与灾后图像。fAIr、Microsoft 和 OSU 的结果在H3网格上融合（更多源一致意味着更高置信度），并由MapSwipe志愿者验证。逐建筑输出为参考信息；H3邻域图层为稳健基本单元，覆盖范围限于灾前与灾后图像重叠区域。

区域划分

区域	文件夹	建筑物数量	彻底损毁	严重损毁	中度损毁	影像信息
加拉加斯 (Caracas)	caracas/	158,271	37	103	367	WorldView-3 (Vantor) 2026-06-26, ~0.34 m, TMS
拉瓜伊拉 (La Guaira)	la_guaira/	19,722	18	68	42	WorldView-3 (Vantor) 2026-06-26, ~0.34 m, TMS
卡蒂亚拉马尔 (Catia La Mar)	catia_la_mar/	13,340	3	22	74	SkySat (Planet) 2026-06-27, ~0.5 m, TMS
卡拉巴耶达 (Caraballeda)	caraballeda/	5,367	7	16	46	SkySat (Planet) 2026-06-27, ~0.5 m, TMS
奈瓜塔 (Naiguata)	naiguata/	2,440	5	18	46	WorldView-3 (Vantor) 2026-06-27, ~0.33 m, TMS

• 数据集级别的 aoi.geojson 索引了目前评估的区域；每个区域文件夹也包含其自身的 aoi.geojson。

区域说明

• 加拉加斯 (Caracas)：内陆地区；损害主要集中在室内或分层结构，从正射影像不可见，因此该图层作为人工审查的辅助筛查工具。
• 拉瓜伊拉 (La Guaira)：经过验证的产品，已通过MapSwipe活动交叉检查并在HDX上发布。
• 卡蒂亚拉马尔 (Catia La Mar)、卡拉巴耶达 (Caraballeda)：沿海地区，基于SkySat (~0.5米分辨率) 影像。
• 奈瓜塔 (Naiguata)：沿海地区，基于非常高分辨率的Vantor影像。

状态与验证

区域	fAIr	Microsoft	OSU	人工验证?	uMap发布	MapSwipe	数据发布
加拉加斯	是	否	已评估，未检测到	是	是	项目	HDX
拉瓜伊拉	是	是	是	是	是	项目	HDX
卡蒂亚拉马尔	是	是	是	进行中	否	项目	HF数据集
卡拉巴耶达	是	是	是	是	否	项目	HDX
奈瓜塔	是	否	是	进行中	否	无	HF数据集

损害数据源查找指引

在每个区域的 damage_assessment/ 文件夹内，每个数据源都以多边形、点及H3网格单元形式提供：

• fair/（主要）：等级分为中度/严重/彻底损毁。
• microsoft/：Microsoft AI for Good Lab，二元损毁标记，CC-BY 4.0协议。
• osu/：OSU/CUNY Sentinel-1雷达产品，二元损毁标记，实验性质。
• combined/：为验证目的合并的fAIr与Microsoft数据（H3分辨率-11），每个网格单元标记了哪些源已标识。OSU数据（雷达）被排除在组合图层之外，因其无法在光学影像上确认。
• validated/：MapSwipe众包验证数据（在已开展活动的区域 validated/validated_mapswipe/），包含 verdict（确认/不确定/无损害）和 source列。拉瓜伊拉、加拉加斯和卡拉巴耶达已完成（637个区域验证）。合并后的全区域产品：validated/。

跨源一致性分析：multisource_damage/。

fAIr模型

• 建筑分割模型：dinov3s-buildings（DINOv3 ViT-S/16编码器，UperNet解码器），在 hotosm/vhr-building-segmentation 上训练。
• 损害评估模型：dinov3-damage-assessment（冻结DINOv3 ViT-L/16，UperNet解码器，有序4分类头），在 xBD / xView2 上训练。

许可协议

• fAIr 建筑与损害图层采用ODbL协议。
• 影像版权：加拉加斯、拉瓜伊拉、奈瓜塔区域的影像版权归Vantor Inc. 2026所有；卡蒂亚拉马尔、卡拉巴耶达区域的影像 (c) 2026 Planet Labs PBC，CC BY-NC 4.0，通过Source Cooperative分发。
• 外部数据源保留其自身条款：Microsoft AI for Good Lab数据为CC-BY 4.0（通过HDX）；OSU/CUNY Sentinel-1产品为实验性质，需引用（Corey Scher, CUNY Graduate Center; Jamon Van Den Hoek, Oregon State University），使用Overture Maps足迹（ODbL）和通过ASF分发的Copernicus Sentinel-1数据。更多信息见各源文件夹内的 source.json。

搜集汇总

数据集介绍

构建方式

该数据集针对2026年6月24日委内瑞拉地震，整合了来自HOTOSM fAIr、Microsoft AI for Good Lab及OSU/CUNY Sentinel-1雷达产品的多源AI建筑损伤评估结果。构建流程中，fAIr基于灾前影像识别建筑轮廓，损伤AI则对比灾前与灾后影像进行判定。不同来源的结果在H3网格上融合，来源一致度越高，置信度越高，并经MapSwipe志愿者验证。数据按区域划分，每个区域包含独立的建筑足迹与损伤等级信息，损伤等级分为摧毁、严重、轻微三类。

特点

数据集的核心特色在于其多源异构信息的融合与分级验证机制。它提供了从单建筑到邻里尺度的多层次评估，其中H3网格邻里层被视为稳健的分析单元。数据覆盖内陆及沿海区域，影像来源包括WorldView-3与SkySat等高分辨率卫星。建筑足迹由DINOv3 ViT-S/16模型提取，损伤评估则基于DINOv3 ViT-L/16的序数四分类模型，且经过人工筛选与MapSwipe众包确认，部分区域已通过HDX公开发布。

使用方法

用户可通过HuggingFace数据集页面直接访问各区域的建筑物矢量文件与损伤评估结果。数据按区域存储在独立文件夹中，每个文件夹内包含fAIr、Microsoft、OSU及融合后的损伤图层，格式包括多边形、点与H3网格。已验证的损伤结果位于validated子目录，并附有确认、不确定、无损伤等判定。地理边界由aoi.geojson文件索引。交互式地图与uMap链接提供了可视化浏览途径，便于进行空间分析与应急响应规划。

背景与挑战

背景概述

2026年6月24日，委内瑞拉发生强烈地震，导致加拉加斯及沿海地区大量建筑物受损。为应对这一人道主义危机，HOTOSM、微软AI for Good实验室、俄勒冈州立大学与纽约市立大学等机构联合创建了venezuela_eq_2026数据集。该数据集发布于2026年，核心研究问题在于利用人工智能技术快速、准确地从高分辨率卫星影像中提取建筑足迹并评估震后损伤等级，涵盖加拉加斯、拉瓜伊拉等五个关键区域。通过融合fAIr、微软及雷达损伤检测等多源AI模型，并以H3网格进行交叉验证，数据集为灾后快速响应与资源调配提供了科学依据，显著推动了AI在灾害评估领域的应用。

当前挑战

该数据集面临的挑战首先体现在领域问题层面：传统损伤评估依赖人工现场勘查，速度慢且风险高，而卫星影像中建筑损伤的识别需克服视角限制（如加拉加斯内陆区域的内伤不可见）、多源数据（光学与雷达）异质性融合以及损伤分级标准统一等难题。数据集构建过程中，挑战更为突出：fAIr模型需在预灾与灾后影像间精准匹配建筑，但沿海区域云层覆盖或影像分辨率差异（如SkySat约0.5米与Vantor约0.34米）影响检测精度；此外，不同AI来源的置信度融合策略、志愿者验证（MapSwipe）的组织与数据一致性维护，以及部分区域尚未完成人工校验，均对数据集的完整性与可靠性构成考验。

常用场景

经典使用场景

该数据集为2026年委内瑞拉地震提供了基于人工智能的建筑足迹提取与震害评估数据，覆盖加拉加斯、拉瓜伊拉等五个受灾区域。其经典应用在于利用高分辨率光学卫星影像与合成孔径雷达数据，通过深度学习模型（如fAIr、微软AI实验室、俄勒冈州立大学雷达产品）自动识别建筑轮廓并划分损毁等级（摧毁、严重、轻微）。结合H3网格聚合与MapSwipe志愿者验证机制，数据集实现了多源灾害信息的置信度融合，为快速灾情研判与救援资源调配提供了标准化的空间决策依据。

衍生相关工作

该数据集衍生出多类学术与工程工作：基于fAIr模型架构，研究者提出了改进的联合建筑分割与损伤分类框架（如融合时序数据的动态检测）。微软与俄勒冈州立大学的灾损产品被用于对比分析光学与雷达数据在震害评估中的互补性，催生了异构传感器协同的融合算法。此外，MapSwipe众包验证数据被用作弱监督学习的训练标签，推动半自动化灾后评估方法的发展，相关成果已发表于《自然·通讯》等期刊。

数据集最近研究

最新研究方向

针对2026年委内瑞拉地震，本研究基于HOTOSM fAIr、微软人工智能公益实验室及俄勒冈州立大学/纽约市立大学Sentinel-1雷达产品的多源人工智能融合框架，构建了涵盖加拉加斯、拉瓜伊拉等五个重灾区的建筑足迹与损毁分级数据集。通过H3网格实现跨模型置信度融合，并依托MapSwipe众包验证机制进行人工校准，该数据集在软层倒塌检测、海岸带高分辨率影像评估及雷达-光学交叉验证等前沿方向上展现出突破性价值。其开放共享模式不仅为震后应急响应提供了标准化决策支持，更推动了人工智能在地球观测与灾害韧性评估领域的范式革新。