【文献学习】遥感影像、社会感知和集成机器学习模型，进行城市洪涝灾害易发性制图

文章预览

本推文来源： ENV Yuan 摘要 洪水易感性地图对城市灾害管理至关重要。然而，城市土地利用的异质性和地形的复杂性对洪水模型的准确性和泛化性提出了挑战。本文提出了一个城市洪水制图的EMF模型框架。具体而言，将社会传感和遥感用于洪水信息收集。使用XGBoost、支持向量分类器(SVC)、多层感知器(MLP)和多模态深度学习(MDL)作为预测模型，并使用随机森林模型对其结果进行集成以产生最终结果。结果表明，EMF模型优于独立模型，在训练集和测试集上的准确率分别为0.942和0.940。五个模型的精度排名为:EMF > MDL > XGBoost > SVC > MLP。洪水图表明，与城市中心城区相比，洪水对城市郊区和近郊的影响更大。农田是受影响最严重的土地类型，占被淹面积的54.8%。总体而言，拟议的框架能够快速准确地识别易受洪水影响的地区，为管理者制定有效的防洪策略提供 ………………………………