تحلیل تصاویر ماهواره ای در تشخیص و پیش بینی سیل با یادگیری عمیق

تجزیه و تحلیل تصاویر سنجش از دور یک راهکار اساسی در نظارت بر آب و هوا در تشخیص بلایای طبیعی همچون سیل است. تصاویر ماهواره ای می توانند شرایط سطح زمین را ثبت کنند و حجم عظیمی از اطلاعات را از یک تصویر به دست آورند. امروزه با وجود هوشمند شدن شهرها و با در دسترس بودن داده های ماهواره ای چند زمانی، جمع آوری اطلاعات دقیق و واقعی از رخدادهای طبیعی همچون سیل و به تبع آن نظارت بر آنها آسان تر شده است. برای به حداقل رساندن خسارات ناشی از سیل در شهرها و بازسازی پس از آن، لازم است حوادث سیل را پیش بینی یا پایش کرد. رویکردهای علمی بسیاری وجود دارد که در فعالیت های مرتبط با پایش سیلاب عملیاتی شده است. با این حال، رویکردهای مبتنی بر یادگیری عمیق هنوز به طور کامل برای نظارت و پیش بینی رویدادهای سیل مورد استفاده قرار نگرفته اند. در این مقالهتشخیص سیل در زمان واقعی با کمک تصاویر چند طیفی و داده های SAR با استفاده از تکنیک یادگیری عمیق شبکه عصبی کانولوشنال (CNN) پیشنهاد شده است که تصاویر ماهواره ای از مجموعه دادهSentinel-۲ و داده های SAR از Sentinel-۱ هستند. نتایج شبیه سازی، عملکرد بسیار خوبی را در طبقه بندی، تقسیم بندی و استخراج ویژگی نشان داده است. بر اساس نتایج به دست آمده، یادگیری عمیق می تواندنقش بسیار موثری در شناسایی و پیش بینی نقاط حادثه خیز داشته باشد.

کلیدواژه ها:

بحران سیل ، هوش مصنوعی ، مدل های پیش بینی ، شهر هوشمند ، SAR ، CNN