用10年的卫星雷达数据绘制全球洪水地图
Amit Misra1, Kevin White2, Simone Fobi Nsutezo2
1Microsoft AI for Good Research Lab, Redmond, WA, USA. amitmisra@microsoft.com.
一个新的深度学习模型使用Sentinel-1雷达数据进行全球洪水映射,创建不受云影响的10年数据集. 该工具有助于识别易受洪水袭击的地区,并改善灾难应对.
科学领域:
- 地球科学 地球科学 地球科学
- 遥感 遥感 遥感 遥感
- 人工智能的人工智能
背景情况:
- 洪水每年在全球造成重大破坏,需要强大的监测系统.
- 现有的全球洪水数据集在时间范围和一致性方面有限.
- 卫星观测至关重要,但往往受到云层的阻碍.
研究的目的:
- 开发一种深度学习模型,使用Sentinel-1 SAR数据进行一致的全球洪水范围绘制.
- 创建一个10年的纵向全球洪水范围数据集.
- 为了证明该模型在识别易受洪水影响的地区和支持灾难响应方面的实用性.
主要方法:
- 利用了Sentinel-1合成孔径雷达 (SAR) 卫星图像,该卫星以其穿透云的能力而闻名.
- 开发并应用了用于洪水检测的深度学习模型,使白天和夜晚的绘图成为可能.
- 处理了10年的SAR数据,以生成一个全面的全球洪水范围数据集.
主要成果:
- 创建了一个独特的10年全球洪水范围数据集,预测不受云层覆盖的影响.
- 确定了埃塞俄比亚历史上易受洪水袭击的地区,并在肯尼亚洪水期间展示了实时响应.
- 观察到随着时间的推移,全球洪水范围的潜在增长趋势.
结论:
- 深度学习模型在长时间内提供一致的,独立于云的洪水映射.
- 创建的数据集和模型为洪水风险评估和灾害管理提供了宝贵的见解.
- 模型和数据的公开发布旨在推进全球洪水监测和应对能力.
更多相关视频
12:26Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling SAHM
Published on: October 11, 2016
07:13Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
Published on: February 25, 2021
相关概念视频
Applications of GIS: Disaster Management and Emergency Response
Design Example: Analyzing Capacity Contours for Flood Risk Assessment
Precipitation Gravimetry
In determining nickel by gravimetric analysis, a precipitant of ethanolic dimethylglyoxime is added to a hot nickel salt solution. This is quickly followed by the dropwise addition of dilute ammonia solution until precipitation occurs. A...
Responses to Drought and Flooding
Selected Data About Geographic Locations
Precipitation and Co-precipitation
