Apr, 2023

构建温哥华北岸海平面上升互动在线地图：为沿海社区实现地理可视化提供方法和洞见

PDF
TL;DR该研究使用 1 米 LiDAR 探测数据构建了一个在线的海平面上升地图，采用一种浴缸模型法来推断不同海平面上升情景下的淹没区域，并利用数据挖掘和 3D 可视化技术展示了不同情景下的土地利用、地形和海岸线的变化，有助于提高人们对海平面上升的认识。
sea level risegeovisualisationlidarinundation zonesdeep learning
发现论文，激发创造
  • 利用海平面高度和气候模型集合进行机器学习的海平面预测

    自 1993 年以来，卫星测高仪观测表明全球平均海平面正以空前的速度上升（每年 3.4 毫米）。我们利用机器学习（ML）技术研究了海平面变化的未来模式，以了解气候变化信号如温室气体、气溶胶和生物质燃烧在海平面上升中的贡献，并用于未来海平面变化的预测。我们提出了一种利用卫星观测和气候模型模拟相结合的机器学习框架，以 30 年为期限进行 2 度分辨率的海平面上升预测。我们通过训练全连接神经网络（FCNNs）进行非线性融合，预测测高仪数值（1993-2019 年）。然后将学习到的 FCNNs 应用于未来的气候模型预测，以预测未来的海平面模式。我们提出将空间数据集分段成有意义的聚类，并显示聚类有助于改进我们的机器学习模型的预测能力。

    Aug, 2023

  • 减少海平面上升预测中的不确定性：一种考虑空间变异性的方法

    利用多模型集合气候预测，通过降低不确定性精确可靠地预测未来海平面上升是一个重要问题，本文提出了一个区域回归模型来解决空间变异性和模型相互依赖性，并通过实验结果表明该方法在区域尺度上能给出更可靠的预测。

    Oct, 2023

  • 基于深度视觉的沿海洪水预测框架，应对气候变化及岸线适应

    在追求计算效率的过程中，提出了训练高保真、基于深度学习的沿海洪水预测模型的系统框架，通过与地质统计回归方法和传统机器学习方法进行性能验证，表明其对预测质量的显著提升，并提供了阿布扎比海岸的综合数据集，用于评估未来的沿海洪水预测模型。

    Jun, 2024

  • 利用不确定性的机器学习模拟南极冰盖引起的区域海平面变化

    通过基于神经网络的模拟器，本研究在未来的气候变化情景下，建立了海平面变化与地球重力、旋转和形变（GRD）效应之间的关联。通过采用机器学习模型输出的非线性回归后处理技术，我们推导出了对模拟的海平面变化的预测区间，并展示了神经网络模拟器在准确性和计算效率上的优势。

    Jun, 2024

  • 利用神经网络和光谱聚类在气候模型大集合和卫星测高数据上进行的多年海平面预测

    利用卫星测高测量，对全球平均海平面上升速率进行预测，并研究未来海平面变化的模式。我们展示了机器学习在长期海平面预测中的潜力，结合测高观测和气候模型模拟数据，利用全连接神经网络框架预测海平面趋势，并提供与该预测相关的不确定性评估。我们同时展示了分区数据集和为每个分割区域学习独立机器学习模型的有效性，并比较了两种分割策略的结果。

    Oct, 2023

  • 亚热带城市山区近三十年土崩原因变化的动态滑坡易发性建模

    本研究提出了一种动态滑坡易发性测绘方法，该方法采用多个预测模型进行年度滑坡易发性评估，并利用少量样本和渐变更新的方式进行元学习表示推断，使用 SHAP 进行模型解释和滑坡特征置换。此外，还应用 MT-InSAR 方法进行滑坡易发性结果增强和验证，在香港的大屿山地区进行了从 1992 年到 2019 年的全面动态滑坡易发性评估，结果表明，大屿山地区滑坡的主要触发因素是地形坡度和极端降雨，且滑坡原因的变化主要归因于全球气候变化和香港政府实施的滑坡预防和减灾项目（LPMitP）的影响。

    Aug, 2023

  • 利用遥感和机器学习进行最不发达国家的暴露和物理脆弱性动态全球绘图

    以机器学习和遥感监测为基础，该研究致力于利用 Sentinel-1 SAR GRD 和 Sentinel-2 Harmonized MSI 等公开数据，对 47 个国家（大多数为最不发达国家）进行全球灾害风险评估，以推动减少全球气候和灾害风险的长期努力。

    Apr, 2024

  • 利用 Sentinel-1、Sentinel-2 和 Landsat-9 图像融合改进洪水制图以识别受洪灾影响的人口和基础设施以实现高效政策设计

    本文提出了一种将光学和 SAR 遥感图像融合到共同数据空间中的方法，并在巴基斯坦 2022 年洪水中进行实证研究，揭示了洪水泛滥对地区人口和基础设施的影响。

    May, 2023

  • DeepLCZChange：一种用于城市气候韧性的遥感深度学习模型架构

    本研究利用数据驱动的深度学习体系结构和方法探究了城市土地利用结构对城市气候的影响，并通过纽约市的相关遥感数据验证了城市森林的冷却效应。

    Jun, 2023

  • 遥感图像中贫民窟映射的深度学习：元分析与综述

    研究以 2014 年至 2024 年间的遥感影像为基础的贫民窟绘图，重点关注深度学习方法，展示了越来越复杂的神经网络结构、数据预处理和模型训练技术的进步，以显著提高贫民窟识别精确度，评估了在全球不同地理环境中有效的关键方法，并提出了克服数据限制和模型解释性不足等挑战的潜在策略。

    Jun, 2024