基于社会感知和集成机器学习算法的城市洪水淹没区提取研究

文章预览

本推文来源： 中加中心SCWE 近年来，随着极端降水事件的频发，导致城市洪涝灾害严重，造成财产损失并威胁公共安全。传统洪水监测方法依赖现场观测，难以提供大范围实时数据。为了解决城市洪涝面积难以精准提取的难点问题， 南开大学黄津辉教授团队结合社会感知和遥感卫星数据，提出了一种名为 EMF 的集成模型。目前已将相关研究成果发表在期刊《 Sustainable cities and society 》上，题为“ Urban flood susceptibility mapping using remote sensing, social sensing and an ensemble machine learning model ”。 图1 研究技术路线 研究选择了头条、YouTube、TikTok和快手四个社交媒体平台作为社会感知数据来源。这些平台涵盖了官方机构发布的信息和用户生成的内容，能够提供丰富且多样化的洪水相关信息。进一步，研究建立了包含地点名称 (天津)、洪水相关术语 (洪水、淹没、积 ………………………………