利用机器学习和时间序列卫星影像绘制新兴非正式定居点：在委内瑞拉移民危机中的应用
计算机与社会
2023-07-27 v3
摘要
自 2014 年以来，在近 200 万委内瑞拉人逃往哥伦比亚以逃离这个在经济上遭受重创的国家，这是现代史上最大的人道主义危机之一。非政府组织和地方政府单位面临着识别、评估和监测快速增长的移民社区以提供紧急人道主义援助的挑战。然而，由于许多流离失所人口居住在全国各地的非正式定居点区域，在大片领土上定位移民定居点可能是一大挑战。为解决该问题，我们提出了一种利用机器学习和公开可获取的 Sentinel-2 时间序列卫星影像，快速且具成本效益地定位新兴和浮现中的非正式定居点的新方法。我们展示了该方法在识别 2015 至 2020 年间哥伦比亚涌现的潜在委内瑞拉移民定居点方面的有效性。最后，我们强调分类后验证的重要性，并提出了由（1）使用 Google Earth 的远程验证和（2）通过 Premise App（一个移动众包平台）的实地验证组成的两步验证方法。
引用
@article{arxiv.2008.13583,
title = {Mapping New Informal Settlements using Machine Learning and Time Series Satellite Images: An Application in the Venezuelan Migration Crisis},
author = {Isabelle Tingzon and Niccolo Dejito and Ren Avell Flores and Rodolfo De Guzman and Liliana Carvajal and Katerine Zapata Erazo and Ivan Enrique Contreras Cala and Jeffrey Villaveces and Daniela Rubio and Rayid Ghani},
journal= {arXiv preprint arXiv:2008.13583},
year = {2023}
}