Supervised and unsupervised machine learning approaches using Sentinel data for flood mapping and damage assessment in Mozambique ... : مناهج التعلم الآلي الخاضعة للإشراف وغير الخاضعة للإشراف باستخدام بيانات سنتينل لرسم خرائط الفيضانات وتقييم الأضرار في موزمبيق ...

Natural hazards, such as flooding, have been negatively impacting developed and emerging economies alike. The effects of floods are more prominent in countries of the Global South, where large parts of the population and infrastructure are insufficiently protected from natural hazards. From this scope, a lot of effort is required to mitigate these impacts by continuously providing new and more reliable tools to aid in mitigation and preparedness, during or after a flood event. Flood mapping followed by damage assessment plays an important role in all these stages. In this work we investigate a new dataset provided by DrivenData Labs based on Sentinel-1 (S1) imagery (VH, VV imagery and labels) to help map floods in the city of Beira in Mozambique. Exploiting Google Earth Engine (GEE), we deployed supervised and unsupervised machine learning (ML) methods on a dataset comprising imagery from 13 countries worldwide. We first mapped the floods country-by-country including Mozambique. This first part was helpful ... : تؤثر المخاطر الطبيعية، مثل الفيضانات، سلبًا على الاقتصادات المتقدمة والناشئة على حد سواء. آثار الفيضانات أكثر بروزًا في بلدان الجنوب العالمي، حيث لا تتمتع أجزاء كبيرة من السكان والبنية التحتية بحماية كافية من المخاطر الطبيعية. من هذا النطاق، هناك حاجة إلى الكثير من الجهد للتخفيف من هذه الآثار من خلال توفير أدوات جديدة وأكثر موثوقية باستمرار للمساعدة في التخفيف والتأهب، أثناء أو بعد حدوث الفيضانات. يلعب رسم خرائط الفيضانات متبوعًا بتقييم الأضرار دورًا مهمًا في جميع هذه المراحل. في هذا العمل، نقوم بالتحقيق في مجموعة بيانات جديدة مقدمة من مختبرات DrivenData استنادًا إلى صور Sentinel -1 (S1) (صور وملصقات VH وVV) للمساعدة في رسم خريطة للفيضانات في مدينة بيرا في موزمبيق. باستخدام Google Earth Engine (GEE)، قمنا بنشر أساليب التعلم الآلي الخاضعة للإشراف وغير الخاضعة للإشراف (ML) على مجموعة بيانات تضم صورًا من 13 دولة حول العالم. قمنا أولاً برسم خرائط للفيضانات لكل بلد على حدة بما في ذلك موزمبيق. كان هذا الجزء الأول مفيدًا لفهم حساسية كل طريقة عند تطبيقها على البيانات من مناطق مختلفة ومع استقطابات مختلفة. ثم قمنا ...