Kortlægning af områder i risiko for jordskred vha. ML

Session

Studerende har ordet

Abstract

Kortlægningen af 3026 jordskred foretaget af GEUS i 2020 har vist, at problemet med jordskred i Danmark kan være større end tidligere antaget, og at det formodentlig forværres i takt med klimaændringerne.

Projektet anvender tre Machine Learning-algoritmer til at kortlægge arealer, der kan være i risiko for jordskred i et område ved Vejle Fjord. Derefter laves et forsøg på at forudse, hvordan disse risikoområder vil ændre sig frem mod 2071-2100 ved RCP8.5-klimascenariet fra IPCC (FN's klimapanel).

Machine Learning-modeller opstilles vha. pythonmodulet "Scikit-learn". Som datagrundlag benyttes et udtræk af GEUS' jordskredsdatabase sammen med en række topografiske, hydrologiske, klimatiske og andre relevante variable, der kan forklare forekomst af jordskred. Metoden og de foreløbige resultater kan have potentiale til at blive et skridt på vejen til planlægning i områder, der er sårbare over for jordskred.

Målgruppe

Målgruppen er alle deltagere ved Kortdage 2021 og studerende, der er nysgerrige på anvendelsen af Machine Learning (ML) inden for geoinformatik, samt på hvordan ML kan bruges til at forudse fremtidige påvirkninger af klimaændringer baseret på IPCC' klimascenarier.

Yderligere uddybning af abstract

Projektet er et semesterprojekt på 8. semester på AAU, Aalborg (kandidatuddannelse i landinspektørvidenskab) inden for modulet ”Geoinformatik”. Medforfattere til projektet er Kevin Lundholm Lyng, Lærke Christina Hansen og Lau Seest Nielsen.

Kortlægning af områder i risiko for jordskred vha. ML
Aalborg Universitet