理工学院德里分校的研究人员开发了机器学习工具来绘制山体滑坡范围图

理工学院德里分校的研究人员周一宣布开发出一种突破性的基于云计算和机器学习的工具，该工具可以利用卫星数据帮助绘制山体滑坡的范围。

这个易于使用且公开可用的工具 ML-CASCADE 需要山体滑坡事件的大致日期和地点。

如果发生复杂的山体滑坡，该工具可以在五分钟内准确绘制地图。而对于简单的山体滑坡，它可以在两分钟内绘制地图——这对于灾后损失评估至关重要。

该模型发表在著名的《山体滑坡》杂志上，基于大量卫星、地形、植被和土壤数据进行训练。

理工学院德里分校土木工程系的 Manabendra Saharia 教授表示：“地理空间数据的机器学习提供了一个前所未有的机会，可以克服基于索引的方法的缺点，并整合多个不同的数据集来高精度地绘制山体滑坡地图。”

萨哈里亚解释说，传统上，人们通过人工数字化卫星图像来绘制山体滑坡地图，这种方法成本高、不准确，而且耗时。然而，在广大偏远地区，实地调查和地质数据收集工作难以开展。

ML-CASCADE 是使用 Sentinel-2 波段(滑坡前和滑坡后)和坡度的 19 个特征开发的。它还包括来自 NASA 数字高程模型、归一化差异植被指数 (NDVI) 和差异裸土指数的数据，以检测新滑坡的发展情况。

该工具是一种动态机器学习模型，不依赖于预先训练的模型。相反，它根据用户提供的输入和卫星图像构建自定义模型。它适应当地地形和特定环境因素。此外，该工具的用户界面是与技术和非技术用户协商后设计的，旨在为灾害管理人员提供简单实用的工具。它可以轻松以多种图像格式下载，并传播或用于 GIS 中的进一步处理。它以 Google Earth Engine 作为后端，因此无需下载数据。

只需几分钟即可生成输出结果，而在本地计算机上则需要数小时。该研究在数千起滑坡事件中广泛验证了该工具，其中两起重大事件分别发生在喜马拉雅山脉(Kotrupi 滑坡，2017 年)和西高止山脉(Kodagu 滑坡，2018 年)。

利用该工具，理工学院德里分校的研究人员旨在开发具有空间范围的国家历史滑坡清单，这对于开发滑坡预警系统将非常有价值。研究人员表示，ML 工具还可以应用于绘制洪水泛滥、森林砍伐、采砂和其他环境挑战的地图。