Sains / Penelitian regional

Penelitian yang berakar
di Azores.

Bagaimana pengamatan Bumi, data lingkungan, dan pembelajaran mesin dipadukan dalam pengembangan regional SOILRISK.

Jelajahi penelitiannya
Latar penelitian
Kepulauan Azores
Pendekatan
Pembelajaran mesin
Masukan model awal
20+ faktor pemengaruh

01 / Pertanyaan di balik penelitian

Di mana
tanah longsor berikutnya
mungkin terjadi?

Di Azores, hujan deras berkepanjangan dapat memicu tanah longsor, membahayakan masyarakat, rumah, dan infrastruktur.

Studi kasus awal SOILRISK bertujuan menjawab tantangan praktis: mengidentifikasi lokasi yang mungkin mengalami tanah longsor dalam beberapa hari mendatang, dengan detail spasial yang cukup untuk mendukung kesiapsiagaan dan perencanaan darurat.

Penelitian memadukan informasi tentang medan dan kondisi lingkungan yang berubah. Tujuannya adalah beralih dari memahami lereng mana yang rentan menjadi memahami bagaimana risiko dapat berkembang seiring waktu.

02 / Pendekatan

Banyak faktor.
Satu tampilan yang terhubung.

Algoritme peringatan dini milik sendiri yang dikembangkan dengan pendekatan pembelajaran mesin.

Pendekatan awal SOILRISK menjelaskan lebih dari 20 faktor pemengaruh. Tutupan lahan, geologi, vegetasi, kelembapan tanah, angin, curah hujan, dan pergerakan tanah menyumbangkan bagian-bagian berbeda dari gambaran keseluruhan.

Menggabungkan faktor-faktor ini memungkinkan model mempertimbangkan karakteristik lereng sekaligus kondisi di sekitarnya yang berubah.

03 / Informasi yang mendasarinya

Dari satelit
ke kondisi lokal.

Empat sumber data dijelaskan dalam tinjauan teknis asli.

01 / Deformasi tanah

Memantau
pergerakan lereng.

Interferometri radar satelit (InSAR) membantu mengidentifikasi pergerakan permukaan tanah. Pengamatan ini menambah informasi tentang perubahan aktivitas lereng dalam ruang dan waktu serta dapat membantu mengidentifikasi ketidakstabilan yang terisolasi.

02 / Vegetasi

Memahami
tutupan lahan.

Vegetasi, karakteristik tanah, dan kemiringan lereng membantu mengidentifikasi area yang rentan. Penelitian menggunakan citra Sentinel-2 untuk menghasilkan NDVI, indeks kondisi vegetasi.

03 / Kelembapan tanah

Melacak perubahan
kelembapan.

Metode awal menggunakan data radar Sentinel-1 dan deteksi perubahan untuk memperkirakan kelembapan tanah. Peta tutupan lahan digunakan untuk mengecualikan area yang perkiraannya kurang andal.

04 / Cuaca

Memasukkan kondisi
yang terus berubah.

Curah hujan dan angin menjadi masukan algoritme sebagai variabel dinamis. Jika tersedia, pengamatan per jam dari stasiun cuaca lokal memberikan konteks bersama layanan prakiraan cuaca.

04 / Dari penelitian ke aplikasi

Landasan regional.
Perspektif yang lebih luas.

Penelitian di Azores merupakan bagian dari landasan ilmiah di balik model SOILRISK milik Eyecon.

Aplikasi memadukan model regional SOILRISK dengan informasi global LHASA, cuaca, dan pengukuran lokal yang kompatibel. Setiap sumber memiliki cakupan, resolusi, dan jangka prakiraan tersendiri.

Periksa model dan informasi yang tersedia untuk lokasi Anda di aplikasi. Penelitian regional yang dijelaskan di sini tidak boleh dianggap sebagai spesifikasi yang berlaku di seluruh dunia.

Jelajahi sains di balik SOILRISK

Lanjutkan percakapan

Ingin tahu lebih dalam?

Bicaralah dengan tim tentang pekerjaan di Azores, metodologi, atau penelitian regional.

Bicarakan penelitiannya

Berdasarkan studi kasus Azores dan tinjauan teknis yang diterbitkan di situs SOILRISK asli ↗.

Fotografi, video & ilustrasi

Gambar &
video.

Gambar menggambarkan situasi lingkungan. Gambar tersebut tidak menunjukkan peristiwa yang diprediksi oleh SOILRISK.