ارائه یک مجموعه داده دو زمانه ی سنجش ازدوری به منظور شناسایی زمین لغزش با استفاده از شبکه های عصبی کانولوشن دو جریانه

فرایند شناسایی تغییرات ناشی از زمین لغزش از لحاظ برآورد خسارتو امدادرسانی یکی از موضوعات موردبحث درزمینه ی مدیریت بحرانمی باشد. از طرفی، امروزه به دلیل گسترش فناوری های سنجش ازدوری و مدل های محاسباتی هوشمند می توان فرایند مذکور را دقیق-تر و سریعتر از گذشته انجام داد. در این بین، روشهای یادگیرنده کهجزئی از مدل های محاسباتی هوشمند هستند، با توانایی استخراج وآموزش ویژگی های سطح بالا نیاز به مهندسی ویژگی را کاهش می -دهند. بااین حال، این روشها نیاز مبرمی به حجم بالا یی از داده هایآموزشی دارند. در همین راستا، در این تحقیق یک مجموعه داده یجامع با حد تفکیک بالا از ۲۷۰ جفت تصاو یر قبل و بعد از زمین-لغزش ارائه شده است که بازه زمانی مربوط به سال های ۲۰۰۹ تا۲۰۲۲ را پوشش میدهند. با استفاده از این تصاو یر می توان بهآموزش مدلهای یادگیری عمیق پرداخت و از ویژگی های یادگرفتهشده در شناسایی زمین لغزش بهره برد.