利用社交媒体实时收集山体滑坡数据(Landslide Detection )

1 引言

手工收集山体滑坡的数据非常耗时，因此，近年来人们一直在尝试将这一过程自动化。在刚刚发表在《国际减灾杂志(International Journal of Disaster Risk Reduction)》上, 来自英国地质调查局BGS的Catherine Pennington和一个国际团队利用人工智能AI将这项工作向前推进了一大步，参看：

[1] Pennington, C.V.L. et al. (2022) A near-real-time global landslide incident reporting tool demonstrator using social media and artificial intelligence.  International Journal of Disaster Risk Reduction.

[2] Ferda Ofli et al. (2022) A Real-time System for Detecting Landslide Reports on Social Media using Artificial Intelligence, International Conference on Web Engineering.

[3] Ferda Ofli et al. (2021) Landslide Detection in Real-Time Social Media Image Streams, arXiv preprint.

根据关键词搜寻相关帖子的算法很容易实现，比较困难的是图像识别。为此首先建立一个大的图像数据集。他们从Google, Twitter和BGS的数据库中人工标记哪些图片是滑坡的，哪些是不滑坡的，然后使用卷积神经网络训练这个数据集。

当在Twitter的数据流内发现一个相关图片后，进行识别该图片是否是滑坡的还是不滑坡的。作者们称目前该系统的检测精度可以达到76%。

3 实例验证

取时间区间为2022年9月1日到2022年9月25日，地点为中国，结果发现这25天内在Twitter上发的帖子，共发生了8次滑坡事件，分布地点如下图所示，包括青海2次，四川2次，福建1次，甘肃1次，广东1次，广西1次。 

(1) 2022年9月1日，青海省海东市互助土族自治县红崖村发生山体滑坡, 7人死亡；

(2) 2022年9月5日四川泸定地震后的滑坡;

(3) 2022年9月7日青海发生的另一次滑坡，死亡1人；