首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 汽车 游戏 社会热点 开源推荐 医疗健康 归档 标签 关于
智能AI morning

哪个地点、何时:喜马拉雅冰川湖溃决、山体滑坡和冰洪水的免费卫星数据测试

摘要

arXiv:2608.12422v1 Announce Type: new Abstract: Two free satellite signals carry real information about glacial-lake outburst risk in the Nepal Himalaya: radar interferometry sees a moraine dam slowly...

and the lake landslides free Nepal weather when that model
2026-08-14 1 阅读 约2分钟阅读 Matthew Kahn, Milan Arjel, Nirmala Adhikari, Mingmar Sherpa, James Pope
分享:
字号:
arXiv:2608.12422v1 公告类型:新 摘要:两颗免费卫星信号携带有关尼泊尔喜马拉雅山冰川湖溃决风险的真实信息:雷达干涉测量发现冰碛坝缓慢下陷,卫星天气标志着湖泊处于压力之下的几周。一项配套的可行性研究发现,形变表明哪个湖泊正在不稳定,天气表明该湖泊何时处于危险之中,但没有提出预测模型。为了解决这一差距,我们提出并评估模型来预测哪个部位容易受到影响以及触发因素何时到达。我们仅根据免费数据测试了三种相关的危害:大型冰碛和冰坝的破裂、降雨引发的山体滑坡以及冰川上和周围池塘的较小洪水。每个危险都会有两个问题,但决不会混合在一起。使用 HMAGLOFDB 中的 589 个有日期的爆发和数千个已编录的山体滑坡,我们将每个事件与相似但未失败的地点进行匹配,并在空间交叉验证下将每个模型保持在强大的简单基线上,从而保留整个地图图块,因此没有模型能够通过识别经过训练的邻域来成功。先前的天气将大爆发的触发时间设为 ROC 0.73,山体滑坡的触发时间为 0.83,小洪水的触发时间为 0.82。地形仅部分地对敏感性进行排名:天真地得分接近 0.9,主要是因为已分类的故障集中在较潮湿的范围内;与附近的类似站点进行比较,真实的数字是 0.76、0.71 和 0.54(并不比偶然更好)。突发信号在单个区域内保持不变,仅在尼泊尔就达到了 0.89。五种深度学习模型并不能决定性地击败简单的梯度提升基线。三人在山体滑坡方面的得分略高,但这一暗示太小而无法证实。对于湖泊灾害,基线完全获胜,由关于崎岖程度和季风降雨的三规则决策树再现。我们以尼泊尔排名观察列表作为结束,这是一个优先援助,而不是预测,并指出免费数据在哪里达到了极限。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱