경사면의
움직임을 관찰합니다.
위성 레이더 간섭계(InSAR)는 지표면의 움직임을 파악하는 데 도움이 됩니다. 이러한 관측은 경사면 활동이 공간과 시간에 따라 어떻게 변하는지에 관한 정보를 더하며, 개별적인 불안정 구역을 찾는 데도 도움이 될 수 있습니다.
01 / 연구의 출발점이 된 질문
아조레스에서는 장기간의 많은 비가 산사태를 유발하여 사람, 주택 및 기반시설을 위험에 빠뜨릴 수 있습니다.
최초 SOILRISK 사례 연구는 향후 며칠 내 산사태가 발생할 수 있는 곳을 찾아 대비와 비상계획에 도움이 될 만큼 충분한 공간적 상세 정보를 제공한다는 실용적 과제를 해결하고자 했습니다.
연구는 지형과 변화하는 환경 상태에 관한 정보를 결합했습니다. 목표는 어느 경사면이 취약한지 파악하는 데서 나아가, 시간이 지남에 따라 위험이 어떻게 전개될 수 있는지 이해하는 것이었습니다.
02 / 접근 방식
머신러닝 접근 방식을 바탕으로 개발한 자체 조기 경보 알고리즘.
최초 SOILRISK 접근 방식은 20개가 넘는 영향 요인을 설명합니다. 토지 피복, 지질, 식생, 토양 수분, 바람, 강수 및 지표 움직임이 각각 다른 정보를 제공합니다.
이 요인들을 결합하면 모델이 경사면의 특성과 그 주변에서 변하는 환경을 함께 고려할 수 있습니다.
03 / 이를 뒷받침하는 정보
원래의 기술 개요에 설명된 네 가지 데이터 출처.
위성 레이더 간섭계(InSAR)는 지표면의 움직임을 파악하는 데 도움이 됩니다. 이러한 관측은 경사면 활동이 공간과 시간에 따라 어떻게 변하는지에 관한 정보를 더하며, 개별적인 불안정 구역을 찾는 데도 도움이 될 수 있습니다.
식생, 토양 특성 및 경사는 취약 구역을 파악하는 데 도움이 됩니다. 이 연구는 Sentinel-2 영상을 이용해 식생 상태 지수인 NDVI를 산출했습니다.
최초 방법은 Sentinel-1 레이더 데이터와 변화 탐지를 이용하여 토양 수분을 추정했습니다. 추정의 신뢰도가 낮은 구역을 제외하기 위해 토지 피복 지도를 사용했습니다.
강수량과 바람이 동적 변수로 알고리즘에 입력됩니다. 제공되는 경우 현지 기상관측소의 시간별 관측값이 기상 예보 서비스와 함께 상황을 이해하는 데 도움을 줍니다.
04 / 연구에서 앱으로
아조레스에서의 연구는 Eyecon 자체 SOILRISK 모델의 과학적 기반을 이루는 일부입니다.
앱은 지역별 SOILRISK 모델과 전 세계 LHASA 정보, 날씨 및 호환 현장 측정값을 결합합니다. 출처마다 적용 범위, 해상도 및 예측 기간이 다릅니다.
앱에서 해당 위치에 사용 가능한 모델과 정보를 확인하세요. 여기서 설명하는 지역 연구를 전 세계에 적용되는 사양으로 해석해서는 안 됩니다.
SOILRISK의 과학적 기반 살펴보기대화 이어가기
아조레스 연구, 방법론 또는 지역 연구에 대해 팀과 이야기해 보세요.
아조레스 사례 연구와 다음에 게시된 기술 개요를 바탕으로 합니다: SOILRISK 기존 웹사이트 ↗.