新德里，9月30日(IANS):周一，印度理工学院德里分校的研究人员宣布开发出一种突破性的基于云计算和机器学习的工具，可以利用卫星数据绘制山体滑坡的范围。
这个易于使用且公开可用的工具ML-CASCADE需要一个滑坡事件的大致日期和位置。
在复杂的滑坡群的情况下，该工具可以在五分钟内准确地绘制出地图。对于一个简单的滑坡，它可以在两分钟内绘制出来——这对灾后损害评估至关重要。
该基础模型发表在著名的《滑坡》杂志上，它是在大量卫星、地形、植被和土壤数据的基础上进行训练的。
印度理工学院土木工程系Manabendra撒哈拉教授说:“地理空间数据的机器学习提供了一个前所未有的机会，可以克服基于索引的方法的缺点，整合多个不同的数据集，以高精度绘制山体滑坡地图。”
撒哈拉解释说，传统上，滑坡地图是通过人工数字化卫星图像绘制的，这既昂贵又不准确，而且耗时。然而，野外调查和地质数据收集无法在大而偏远的地区进行。
ML-CASCADE利用Sentinel-2波段(滑坡前和滑坡后)和坡度的19个特征进行开发。它还包括来自NASA数字高程模型、标准化差异植被指数(NDVI)和差异裸土指数(用于检测新的滑坡发展)的数据。
该工具是一个不依赖于预训练模型的动态机器学习模型。相反，它会根据用户提供的输入和卫星图像构建一个定制模型。它适应当地的地形和特定的环境因素。此外，该工具的用户界面是在与技术和非技术用户协商后设计的，以便为灾害管理人员提供一个简单实用的工具。它可以很容易地以多种图像格式下载，并传播或用于地理信息系统的进一步处理。它有谷歌地球引擎作为后端，因此不需要下载数据。
生成输出只需几分钟，而在本地计算机上则需要数小时。该研究在数千次山体滑坡中广泛验证了该工具，其中包括喜马拉雅山(Kotrupi滑坡，2017年)和西高止山脉(Kodagu滑坡，2018年)的两次重大事件。
利用该工具，印度理工学院德里分校的研究人员旨在开发具有空间范围的国家历史滑坡清单，这将对开发滑坡预警系统具有不可估量的价值。研究人员表示，机器学习工具还可以用于绘制洪水淹没、森林砍伐、采砂和其他环境挑战的地图。
