DOI: https://doi.org/10.1007/s10346-024-02215-x
تاريخ النشر: 2024-02-01
المؤلف: Alessandro Novellino وآخرون
الموضوع الرئيسي: الانهيارات الأرضية والمخاطر المرتبطة بها
نظرة عامة
تقدم ورقة البحث مراجعة شاملة للأدبيات حول استخدام بيانات الأقمار الصناعية في رسم خرائط الانهيارات الأرضية، من خلال تحليل قاعدة بيانات ببليوغرافية تضم 291 مخرجات من أكثر من 1,000 مؤلف، الذين درسوا مجتمعة ما يقرب من 700,000 انهيار أرضي عبر 52 دولة. ومن الجدير بالذكر أن الصين وإيطاليا كان لهما أعلى تمثيل بين المؤلفين. تسلط الدراسة الضوء على زيادة كبيرة في المنشورات بعد عام 2014، والتي تعزى إلى توفر بيانات Sentinel-1 وSentinel-2، حيث تم استخدام الصور الفضائية بشكل أساسي للكشف عن التدفقات والانزلاقات التي triggered by rainfall, earthquakes, or both. بينما لا يزال الكشف اليدوي شائعًا، فإن دمج الذكاء الاصطناعي منذ عام 2020 يحول مشهد تقنيات الكشف عن الانهيارات الأرضية.
تؤكد النتائج على التقدم في تقنيات مراقبة الأرض (EO) على مدى العقود الثلاثة الماضية، والتي حسنت دقة رسم خرائط الانهيارات الأرضية. لقد سهلت إمكانية الوصول إلى بيانات الأقمار الصناعية ومنصات المعالجة مقارنة أنواع الانهيارات الأرضية المختلفة عبر إعدادات جغرافية متنوعة. ومع ذلك، تؤكد الورقة على الحاجة إلى مزيد من البحث لوضع إرشادات تشغيلية لرسم خرائط الانهيارات الأرضية بشكل فعال، لا سيما في تدريب نماذج الذكاء الاصطناعي. تحدد فجوة في التواصل بين العلماء والجمهور غير الفني، وهو أمر حاسم لتلبية احتياجات وكالات الحماية المدنية والاستجابة للطوارئ. يتوقع المؤلفون أن السنوات الخمس إلى العشر القادمة ستشهد تطوير سجلات أكثر شمولاً للانهيارات الأرضية باستخدام تقنيات الشبكات العصبية التلافيفية (CNN)، مما يساعد في النهاية صانعي السياسات والمتخصصين في تقليل مخاطر الكوارث في اتخاذ قرارات مستنيرة خلال أحداث متعددة المخاطر.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على التأثير العالمي الكبير للانهيارات الأرضية، التي أسفرت عن حوالي 72,000 حالة وفاة وأكثر من 11.5 مليار دولار من الأضرار من عام 1900 إلى 2022، مع توقعات تشير إلى زيادة بسبب تغير المناخ الناتج عن الأنشطة البشرية. تعتبر عدم كفاية توفر بيانات شاملة ودقيقة حول حدوثها الزمني والمكاني عائقًا حاسمًا أمام التخفيف الفعال من مخاطر الانهيارات الأرضية والتنبؤ بها. على الرغم من الجهود المبذولة على مدار العقد الماضي لاستخدام مجموعات بيانات مراقبة الأرض (EO) لرسم خرائط الانهيارات الأرضية، يُلاحظ أن خرائط الانهيارات الأرضية لا تزال تغطي أقل من 1% من المنحدرات العالمية.
تهدف هذه الورقة إلى مراجعة الأدبيات بشكل منهجي حول تطبيق الصور الفضائية الضوئية والرادارية للكشف عن ورسم خرائط فشل الانهيارات الأرضية، والتي تُعرف بأنها حلقات حركة كبيرة triggered by specific events. تستند المراجعة إلى دراسات سابقة استكشفت تقنيات رسم الخرائط المختلفة، بما في ذلك رسم الخرائط الجيومورفولوجية وتقنيات الاستشعار عن بعد. يؤكد المؤلفون على التقدم في بيانات الأقمار الصناعية والمنهجيات التي حسنت قدرات رسم خرائط الانهيارات الأرضية ويحددون هيكل المقالة، الذي يتضمن أقسامًا حول تقنيات رسم الخرائط التقليدية، والبعثات الرئيسية لمراقبة الأرض، ومنهجيات جمع البيانات، والتحليل النقدي للنتائج، ومناقشات حول اتجاهات البحث المستقبلية لمعالجة التحديات الحالية في هذا المجال.
الطرق
في هذا البحث، استخدم المؤلفون قاعدة بيانات Web of Science (WoS) لإجراء مراجعة شاملة للأدبيات المتعلقة برسم خرائط الانهيارات الأرضية باستخدام تقنيات مراقبة الأرض (EO) القائمة على الأقمار الصناعية. تم هيكلة منهجية جمع البيانات حول ثمانية معايير محددة، مع التركيز على المقالات التي تمت مراجعتها من قبل الأقران، وفصول الكتب، وأعمال المؤتمرات المنشورة بين يوليو 1972 وأكتوبر 2022. تضمنت مصطلحات البحث “رسم خرائط الانهيارات الأرضية”، “قمر صناعي”، “مراقبة الأرض”، و”الاستشعار عن بعد”، مع استبعاد المصطلحات المتعلقة بالانهيارات الأرضية تحت الماء. استخدم المؤلفون عوامل بوليانية لتصفية بحثهم، مما يضمن أن المساهمات كانت ذات صلة بمجالات الاستشعار عن بعد وعلوم البيئة.
تم تصدير النتائج الأولية كملف CSV، حيث قام المؤلفون بتصفية المساهمات غير ذات الصلة، بما في ذلك تلك التي ليست باللغة الإنجليزية، والأعمال المسحوبة، والدراسات التي تركز على الانهيارات الأرضية خارج كوكب الأرض. تم تحليل كل مقال مختار بشكل نقدي لاستخراج معلومات رئيسية مثل السياق الجغرافي للدراسة، والأقمار الصناعية المستخدمة، وأنواع حركة الانهيار الأرضي التي تم فحصها. سمح هذا النهج المنهجي بتوصيف شامل للأدبيات، مما يسهل فهمًا دقيقًا للتقدم في رسم خرائط الانهيارات الأرضية من خلال تكنولوجيا الأقمار الصناعية.
النتائج
في قسم النتائج، يوضح المؤلفون عملية تصفية جمع بياناتهم، مما أدى في النهاية إلى تضييق أكثر من 76 مليون مساهمة علمية من Web of Science (WoS) إلى 558 عملًا ذا صلة. يتضمن هذا المجموع 518 عملًا تم تحديده من خلال WoS و40 مساهمة إضافية لم يتم التقاطها بواسطة قاعدة البيانات ولكنها تعتبر ذات صلة بمراجعة الأدبيات. على الرغم من التجريب بمصطلحات مرادفة وكلمات رئيسية مختلفة، لم تؤثر التعديلات بشكل كبير على عدد المخرجات النهائية.
لتقييم فعالية بحث WoS، تم استخدام مصفوفة ارتباك، مما كشف عن دقة قريبة من 1، وحساسية تبلغ 0.48، وخصوصية تبلغ 0.99. ومع ذلك، أشارت المراجعة من قبل الخبراء إلى أن 291 ورقة كانت ذات صلة حقًا لمزيد من التحليل، مما يبرز معدلًا مرتفعًا من الإيجابيات الكاذبة في نتائج البحث الأولية. تتكون قاعدة البيانات التي تم تحليلها بشكل أساسي من مقالات (حوالي 82%)، بينما تشمل البقية كتبًا، وفصولًا، ومواد تحريرية، وأعمال مؤتمرات (حوالي 13%)، ومراجعات (حوالي 5%).
المناقشة
تسلط قسم المناقشة في الورقة الضوء على تطور وأهمية تقنيات مراقبة الأرض (EO) في رسم خرائط الانهيارات الأرضية على مدى العقود الثلاثة الماضية. تُعرف الانهيارات الأرضية بأنها حركة الصخور أو الحطام أسفل منحدر بسبب الجاذبية، ويمكن أن تُ triggered by various natural and human-induced factors. تؤكد الورقة على فائدة بيانات EO، لا سيما من الصور الفضائية، في إنشاء سجلات شاملة للانهيارات الأرضية التي توثق الموقع، والنوع، وسرعة الانهيارات الأرضية. يشير المؤلفون إلى أن التقدم في تكنولوجيا الأقمار الصناعية، لا سيما منذ إطلاق قمر Sentinel-1 في عام 2014، أدى إلى زيادة كبيرة في الإنتاجية العلمية وإمكانية الوصول إلى بيانات EO، مما يسهل رسم خرائط الانهيارات الأرضية بسرعة وعلى نطاق واسع.
تكشف التحليلات عن زيادة كبيرة في عدد الدراسات التي تستخدم بيانات الأقمار الصناعية، مع تحول ملحوظ نحو تقنيات الذكاء الاصطناعي (AI) للكشف عن الانهيارات الأرضية ورسم خرائطها. يصنف المؤلفون المنهجيات المستخدمة في الأدبيات، مشيرين إلى هيمنة طرق الكشف عن التغيير في الدراسات السابقة، بينما تستفيد الأعمال الحديثة بشكل متزايد من الذكاء الاصطناعي، لا سيما الشبكات العصبية التلافيفية (CNNs)، لتحسين الدقة والكفاءة. على الرغم من تفتت التقنيات وغياب نهج موحد، يدعو المؤلفون إلى جهود تعاونية في مشاركة المنهجيات وأفضل الممارسات لتعزيز فعالية EO في رسم خرائط الانهيارات الأرضية. كما يقترحون أن تركز الأبحاث المستقبلية على المناطق غير الممثلة بشكل كافٍ واستكشاف العوامل الاجتماعية والاقتصادية التي تؤثر على أبحاث الانهيارات الأرضية وتمويلها.
DOI: https://doi.org/10.1007/s10346-024-02215-x
Publication Date: 2024-02-01
Author(s): Alessandro Novellino et al.
Primary Topic: Landslides and related hazards
Overview
The research paper provides a comprehensive review of the literature on the use of satellite data for mapping landslides, analyzing a bibliographic database of 291 outputs from over 1,000 authors, which collectively studied nearly 700,000 landslides across 52 countries. Notably, China and Italy had the highest representation among authors. The study highlights a significant increase in publications post-2014, attributed to the availability of Sentinel-1 and Sentinel-2 data, with satellite imagery primarily used to detect flows and slides triggered by rainfall, earthquakes, or both. While manual detection remains prevalent, the integration of artificial intelligence since 2020 is transforming the landscape of landslide detection techniques.
The findings underscore the advancements in Earth Observation (EO) technologies over the past three decades, which have enhanced the accuracy of landslide mapping. The accessibility of satellite data and processing platforms has facilitated the comparison of diverse landslide types across various geomorphological settings. However, the paper emphasizes the need for further research to establish operational guidelines for effective landslide mapping, particularly in training AI models. It identifies a gap in communication between scientists and non-technical audiences, which is crucial for meeting the needs of civil protection agencies and emergency responders. The authors anticipate that the next 5 to 10 years will see the development of more comprehensive landslide inventories using convolutional neural network (CNN)-based techniques, ultimately aiding policymakers and disaster risk reduction specialists in making informed decisions during multi-hazard events.
Introduction
The introduction of this research paper highlights the significant global impact of landslides, which have resulted in approximately 72,000 fatalities and over $11.5 billion in damages from 1900 to 2022, with projections indicating an increase due to anthropogenic climate change. A critical barrier to effective landslide hazard mitigation and forecasting is the insufficient availability of comprehensive and accurate data on their temporal and spatial occurrences. Despite efforts over the past decade to utilize Earth Observation (EO) datasets for landslide mapping, it is noted that landslide maps still cover less than 1% of global slopes.
This paper aims to systematically review the literature on the application of optical and radar spaceborne imagery for detecting and mapping landslide failures, defined as significant movement episodes triggered by specific events. The review builds upon previous studies that have explored various mapping techniques, including geomorphological mapping and remote sensing technologies. The authors emphasize the advancements in satellite data and methodologies that have enhanced landslide mapping capabilities and outline the structure of the article, which includes sections on traditional mapping techniques, key EO satellite missions, data collection methodologies, critical analysis of results, and discussions on future research directions to address existing challenges in the field.
Methods
In this research, the authors employed the Web of Science (WoS) database to conduct a comprehensive review of literature related to landslide mapping using satellite-based Earth Observation (EO) techniques. The methodology for data collection was structured around eight specific criteria, focusing on peer-reviewed articles, book chapters, and conference proceedings published between July 1972 and October 2022. The search terms included “landslide mapping,” “satellite,” “Earth Observation,” and “Remote Sensing,” while excluding terms related to submarine landslides. The authors utilized Boolean operators to refine their search, ensuring that the contributions were relevant to the fields of Remote Sensing and Environmental Science.
The initial results were exported as a CSV file, from which the authors filtered out irrelevant contributions, including those not in English, retracted works, and studies focused on extraterrestrial landslides. Each selected article was critically analyzed to extract key information such as the geographical context of the study, the satellites used, and the types of landslide motion examined. This systematic approach allowed for a thorough characterization of the literature, facilitating a nuanced understanding of the advancements in landslide mapping through satellite technology.
Results
In the results section, the authors detail the refinement process of their data collection, ultimately narrowing over 76 million scientific contributions from the Web of Science (WoS) to 558 relevant works. This total includes 518 works identified through WoS and an additional 40 contributions not captured by the database but deemed pertinent to the literature review. Despite experimenting with various synonyms and keywords, the adjustments did not significantly alter the final output count.
To evaluate the effectiveness of the WoS search, a confusion matrix was employed, revealing an accuracy close to 1, a sensitivity of 0.48, and a specificity of 0.99. However, expert review indicated that only 291 papers were truly relevant for further analysis, highlighting a high rate of false positives in the initial search results. The analyzed database predominantly consists of articles (approximately 82%), with the remainder including books, chapters, editorial materials, proceedings (around 13%), and reviews (about 5%).
Discussion
The discussion section of the paper highlights the evolution and significance of Earth Observation (EO) technologies in landslide mapping over the past three decades. Landslides, defined as the movement of rock or debris down a slope due to gravity, can be triggered by various natural and human-induced factors. The paper emphasizes the utility of EO data, particularly from satellite imagery, in creating comprehensive landslide inventories that document the location, type, and velocity of landslides. The authors note that advancements in satellite technology, particularly since the launch of the Sentinel-1 satellite in 2014, have led to a substantial increase in scientific productivity and the accessibility of EO data, facilitating rapid and large-scale mapping of landslides.
The analysis reveals a significant increase in the number of studies utilizing satellite data, with a notable shift towards artificial intelligence (AI) techniques for landslide detection and mapping. The authors categorize the methodologies employed in the literature, highlighting the predominance of change detection methods in earlier studies, while recent works increasingly leverage AI, particularly Convolutional Neural Networks (CNNs), for improved accuracy and efficiency. Despite the fragmentation of techniques and the lack of a unified approach, the authors advocate for collaborative efforts in sharing methodologies and best practices to enhance the effectiveness of EO in landslide mapping. They also suggest that future research should focus on underrepresented regions and explore the socio-economic factors influencing landslide research and funding.