评估风风险和用GIS技术和机器学习算法在印度泰米尔纳德州沿海地区使用Gaja风的案例研究
M Thenmozhi1, M Sujatha2, M Kavitha3
1Department of Networking and Communications, School of Computing, College of Engineering and Technology, SRM Institute of Science and Technology, Kattankulathur, 603203, Tamilnadu, India.
这项研究结合了多标准决策和机器学习,以评估风风险和加贾风在纳加帕蒂南的影响. 这种新的方法确定了高风险区域,并分析了土地利用变化,有助于应对灾害的准备.
科学领域:
- 环境科学 环境科学
- 地理信息科学 地理信息科学
- 灾害管理 灾害管理
背景情况:
- 气旋造成了重大的社会经济和环境损害.
- 准确和及时的风险评估对于有效应对灾害至关重要.
- 地理多样化的地区对传统的风险评估方法提出了挑战.
研究的目的:
- 开发和应用一种用于快速风风险评估的新方法.
- 分析加贾旋风对印度纳加帕蒂南的土地利用和土地覆盖 (LULC) 的影响.
- 确定高风险区域,并为灾难准备战略提供信息.
主要方法:
- 多标准决策 (MCDM) 与机器学习 (ML) 模型的整合.
- 对脆弱性标准进行加权,包括海拔,坡度,靠近海岸,人口密度和NDVI.
- 应用ML算法 (SVM,SAM,MLC) 进行风前和后的LULC映射.
主要成果:
- 确定具有高/极端气旋风险的特定村庄 (达达瓦里,埃图古迪,科迪卡拉伊,韦达拉尼亚姆,韦兰卡尼,蒂鲁邦迪).
- 在Gaja旋风之后,LULC的量化变化,特别是水体的显著增加 (8%至21%).
- 减少农业,荒地,建地,灌木和盐盆地区.
结论:
- 结合MCDM和ML的方法有效地加速了风风险评估.
- 了解LULC变化对于气旋后恢复和未来规划至关重要.
- 该研究提供了关键数据,以提高气候适应力和气旋易发地区的可持续发展.
更多相关视频
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
相关概念视频
Applications of GIS: Disaster Management and Emergency Response
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Manipulation and Analysis
Levels of Use of a GIS
Introduction to GIS
Selected Data About Geographic Locations
