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 خسارت و امداد رسانی یکی از موضوعات مورد بحث در زمینه مدیریت بحران می باشد. از طرفی، امروزه به دلیل گسترش فناوری های سنجش از دوری و مدل های محاسباتی هوشنمد می توان فرایند مذکور را دقیق تر و سریع تر از گذشته انجام داد. در این بین، روش های یادگیرنده که جزئی از مدل های محاسباتی هوشمند هستند، با توانایی استخراج و آموزش ویژگی های سطح بالا نیاز به مهندسی ویژگی را کاهش می دهند. بااین حال، این روش ها نیاز مبرمی به حجم بالایی از داده های آموزشی دارند. در همین راستا، در این تحقیق یک مجموعه داده ی جامع با حد تفکیک بالا از 270 جفت تصاویر قبل و بعد از زمین لغزش ارائه شده است که بازه زمانی مربوط به سال های 2009 تا 2022 را پوشش می دهند. با استفاده از این تصاویر می توان به آموزش مدل های یادگیری عمیق پرداخت و از ویژگی های یادگرفته شده در شناسایی زمین لغزش بهره برد.