利用卫星影像监测尾矿坝溃决的影响
计算机视觉与模式识别
2021-02-02 v1 机器学习
图像与视频处理
摘要
利用卫星影像监测大坝溃决可为急救人员提供早期干预的高效管理。监测淹没区的空间与时间变化以追踪灾后恢复同样重要。2019 年 1 月 25 日，位于巴西布鲁马迪纽的 Córrego do Feijão 铁矿尾矿坝发生溃决。该灾难造成 230 余人死亡、30 人失踪，并导致数十亿美元量级的损失。本研究使用 Sentinel-2 卫星影像绘制淹没区地图，并评估与划定受大坝溃决影响的土地利用与土地覆盖。影像对应于 1 月 22 日（溃决前 3 天）与 2 月 2 日（溃决后 7 天）的数据采集。该区域的卫星影像通过实施机器学习算法对灾前与灾后进行了分类。为具备充足的土地覆盖类型以验证算法的质量与精度，定义了 7 类：矿区、森林、建筑区、河流、农业、清水与草地。所开发的分类算法在溃决前影像上取得了高准确率（99%）。本文使用两种不同模型确定土地覆盖影响：1）将训练好的网络应用于“灾后”影像；2）创建第二个网络，在“灾后”影像的点子集中训练，然后比较两个训练网络的土地覆盖结果。在第一种模型中，将训练好的网络应用于“灾后”影像，准确率仍较高（86%），但低于使用第二种模型（98%）。该策略可通过公开可用的卫星信息以低成本用于监测与评估，而在大坝溃决或预算较大的情况下，可通过在关注区域上空飞行获取更高分辨率与更快速的数据。
引用
@article{arxiv.2102.00212,
title = {Monitoring the Impacts of a Tailings Dam Failure Using Satellite Images},
author = {Jaime Moraga and Gurbet Gurkan and Sebnem Duzgun},
journal= {arXiv preprint arXiv:2102.00212},
year = {2021}
}
备注
11 pages, 7 figures, Submitted to USSD 2020 Annual Conference Preprint, Denver, CO, 2020-04-09