Applications of Image-Based Computer Vision for Remote Surveillance of Slope Instability
Notice bibliographique
Résumé
Landslides and slope failures represent critical hazards for both the safety of local communities and the potential damage to economically relevant infrastructure such as roads, hydroelectric plants, pipelines, etc. Numerous surveillance methods, including ground-based radar, InSAR, Lidar, seismometers, and more recently computer vision, are available to monitor landslides and slope instability. However, the high cost, complexity, and intrinsic technical limitations of these methods frequently require the design of alternative and complementary techniques. Here, we provide an improved methodology for the application of image-based computer vision in landslide and rockfall monitoring. The newly developed open access Python-based software, Akh-Defo, uses optical flow velocity, image differencing and similarity index map techniques to calculate land deformation including landslides and rockfall. Akh-Defo is applied to two different datasets, notably ground- and satellite-based optical imagery for the Plinth Peak slope in British Columbia, Canada, and satellite optical imagery for the Mud Creek landslide in California, USA. Ground-based optical images were processed to evaluate the capability of Akh-Defo to identify rockfalls and measure land displacement in steep-slope terrains to complement LOS limitations of radar satellite images. Similarly, satellite optical images were processed to evaluate the capability of Akh-Defo to identify ground displacement in active landslide regions a few weeks to months prior to initiation of landslides. The Akh-Defo results were validated from two independent datasets including radar-imagery, processed using state of the art SqueeSAR algorithm for the Plinth Peak case study and very high-resolution temporal Lidar and photogrammetry digital surface elevation datasets for the Mud Creek case study. Our study shows that the Akh-Defo software complements InSAR by mitigating LOS limitations via processing ground-based optical imagery. Additionally, if applied to satellite optical imagery, it can be used as a first stage preliminary warning system (particularly when run on the cloud allowing near real-time processing) prior to processing more expensive but more accurate InSAR products such as SqueeSAR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».