تغییرات آب و هوایی در حال افزایش هشدار دهنده در فرکانس زمین لرزه و شدت در سراسر جهان است، تهدید جوامع، زیرساخت ها و اکوسیستم ها.در پاسخ، فن آوری های هوشمند - از شبکه های سنسور کم هزینه گرفته تا هوش مصنوعی پیشرفته - به عنوان ابزار حیاتی برای پیش بینی، جلوگیری و مدیریت این خطرات طبیعی در نظر گرفته شده است.

چالش های فعلی در مدیریت زمین لرزه

مدیریت سنتی زمین لرزه به شدت بر بازرسی های بصری، سوابق تاریخی و نظرسنجی های اساسی ژئوتکنیک متکی است، در حالی که این روش ها پایه ای را ارائه می دهند، آنها از محدودیت های مختلف رنج می برند. بازرسی های دستی نیروی کار فشرده هستند و نمی توانند تغییرات زمان واقعی را در سراسر مناطق وسیع و غیرقابل دسترس مشاهده کنند: داده های تاریخی اغلب قادر به تغییر الگوهای آب و هوایی بی سابقه نیستند.

نقش تکنولوژی های هوشمند در پیشگیری از لغزش زمین

فن آوری های هوشمند ادغام سنسورهای فیزیکی، شبکه های ارتباطی، پردازش داده ها و یادگیری ماشین برای ایجاد یک تصویر جامع از ثبات شیب.با نظارت مداوم پارامترهای زیست محیطی مانند رطوبت خاک، جابجایی زمین و شدت بارندگی، این سیستم ها می توانند نشانه های اولیه بی ثباتی و هشدارهای موضوعی را قبل از خرابی فاجعه بار تشخیص دهند. مزیت کلیدی در توانایی آنها برای کار در اطراف ساعت، انتقال داده ها و پردازش اطلاعات بی سیم در زمان واقعی - فعال به جای آسیب پذیری در مدیریت زمین به جای آسیب پذیری.

شبکه های سنسور و اینترنت اشیا (IoT)

شبکه های IoT در مناطق سخت افزاری زمین ([ویرایش] [۱]، سنگ بنای نظارت مدرن شده است؛ این دستگاه ها شامل سنسورهای حرکت عملی [FLT=] است؛ به عنوان مثال، سنسور ماهواره ای، پورتومترهای کم و شیب (۶) و ردیاب های آسیب پذیر (F۳) می توانند از طریق ایستگاه های پوشش داده های ضد آب (F۳) استفاده کنند.

Data Analytics و هوش مصنوعی

حجم کامل داده های تولید شده توسط شبکه های سنسور نیاز به تجزیه و تحلیل پیچیده دارد. مدل های یادگیری ماشین آلات - به ویژه جنگل های تصادفی، ماشین های بردار و شبکه های عصبی عمیق - در رویدادهای تاریخی زمین لرزه و پیش بینی سنسور زمان واقعی برای تشخیص الگوهایی که پیش از شکست شیب می تواند شامل متغیرهای متعدد (در معرض شدت آستانه، که نمونه های پیش بینی آلودگی زمین توسعه یافته است) و هشدار هشدارهای هشدار هشدار هشدار داده های هشدار دهنده خطر آلودگی زمین را در سیستم هشدار داده های ماهواره ای را کاهش می دهد.

سیستم های هشدار دهنده و پیش بینی اولیه

با جفت کردن AI با داده های زمان واقعی، سیستم های هشدار دهنده اولیه (EWS) می توانند هشدارهای هوشمندانه ای را که دارای آگاهی از متن هستند، صادر کنند، به عنوان مثال، الگوریتم ها می توانند بین یک کم هزینه و باران دائمی که زمین را اشباع می کند، تمایز قائل شوند و هشدار را تنها زمانی که خطر از آستانه پویا بیشتر می شود، برخی سیستم ها حتی ادغام شوند:0 نوتیفیکیشن (F:1 و میانگین زمان هشدار دهنده در هند 3:2٪).

نوآوری در Horizon

در حالی که سیستم های سنسور و هوش فعلی در حال حاضر زندگی را نجات می دهند، موج بعدی نوآوری ها وعده می دهد تا مدیریت زمین را حتی جامع تر، مقرون به صرفه تر و قابل دسترس تر کند. فن آوری های نوظهور شامل هواپیماهای بدون سرنشین مستقل، تصویربرداری ماهواره ای با وضوح بالا، واقعیت افزوده (AR)، و شبیه سازی های دوقلوی دیجیتال است.

نظارت بر پهپاد و بازرسی مستقل

وسایل نقلیه هوایی بدون سرنشین (UAVs) مجهز به دوربین های با وضوح بالا، LiDAR و سنسورهای حرارتی می توانند به سرعت شرایط شیب را پس از باران های سنگین، زلزله و یا دیگر محرک ها دسترسی هواپیماهای بدون سرنشین به زمین های شیب دار، خطرناک است که برای زمین شناسان انسان، گرفتن مدل های ارتفاع در مقیاس بالا، سیستم های آینده به طور خودکار، راه اندازی و بازگشت به ایستگاه های نظارت بر سیستم های سرعت در حال حرکت است، به طور مستقیم در برابر سرعت در سیستم های دید و یا تغییرات نورو یا تجزیه و یا تجزیه و یا مسدود کردن داده های سرعت در معرض دید.

نظارت ماهواره ای و رادار بین اقتصاد سنجی (InSAR)

سنجش از راه دور ماهواره، به ویژه InSAR، می تواند شکل زمین را فقط چند میلی متر در مناطق گسترده تشخیص دهد – برای شناسایی زمین های کند حرکت قبل از سرعت آنها، کانکشته هایی مانند Copernicus Sentinel-1 [FLT 1] برای شناسایی کندن سریع زمین لرزه در سراسر جهان، به ویژه سیگنال های ماهواره ای که نزدیک به سرعت برنامه ریزی شده اند، ارائه می دهند و سیگنال های هشدار دهنده داده های سریع تر است.

واقعیت افزوده و دوقلوهای دیجیتال برای برنامه ریزی

واقعیت افزوده (AR) بیش از حد می تواند به مهندسان کمک کند تا شرایط زیرزمینی پنهان یا محل شبکه های سنسور را در طول بازرسی های میدانی تجسم کنند.به طور قوی تر، : دیجیتال دوقلو فن آوری ساخت یک شبیه سازی مجازی از شیب، ادغام داده های سنسور زمان واقعی، مدل های تاریخی و پیش بینی های هواشناسی در مورد دو قلو "چه ساختار طبیعی حمل و یا پیش بینی یک سیستم های حمل و نقل زمین - مانند یک سیستم های کاهش زمین و یا یک سیستم های حمل و یا پیش بینی یک سیستم های حمل و نقل زمین و نقل طبیعی مانند یک سیستم های پیش بینی یک سیستم های پیش بینی می کنند.

ادغام تکنولوژی های هوشمند به سیاست و اقدام جامعه

پیشرفت های فنی به تنهایی بدون پذیرش نهادی و مشارکت جامعه کافی نیست.دولت های ملی و محلی باید در شبکه های نظارت، استاندارد به اشتراک گذاری داده ها، و ترکیب EWS هوشمند به برنامه ریزی و ساخت و ساز زمین کد، به عنوان مثال، سیستم هشدار اولیه ژاپن سنسورهای IoT، داده های ماهواره ای و یادگیری ماشین را ادغام می کند و به یک پروتکل تخلیه اجباری مرتبط است - که منجر به کاهش چشمگیر زمین برای یک سیستم هشدار دهنده فدرال می شود.

آموزش جامعه به همان اندازه مهم است. ساکنان باید درک کنند که چه هشدارها، چگونه پاسخ دهند و چگونه از رفتارهای پرخطر مانند ساخت شیب های شیب دار کاهش جلوگیری کنند. [F:1] فن آوری های هوشمند همچنین می توانند شهروندان را توانمند سازند: کیت های سنسور DIY کم هزینه و برنامه های تلفن همراه (به عنوان مثال، زمین لرزه شناس [F:1] به افراد اجازه می دهد تا ارزیابی داده ها و نظارت بر ریسک بالا را دریافت کنند.

نتیجه گیری: به سوی آینده امن تر

ادغام فن آوری های هوشمند در پیشگیری از زمین و مدیریت دیگر یک امکان آینده نیست - این یک ضرورت فوری است.شبکه های سنسور، IoT، AI، هواپیماهای بدون سرنشین و سیستم های ماهواره ای با هدف ایجاد یک دفاع چند لایه در برابر یک تهدید رو به رشد است، در حالی که چالش ها باقی مانده - از جمله هزینه، حریم خصوصی داده ها، و نگهداری در مناطق دور - مسیر روشن است: فعال، نظارت واقعی و نظارت بر سیستم های منظم و منظم است که ما انتظار می رود زندگی های هوشمند تر و هشدار می تواند به عنوان صرفه تر شود.