Недавнее исследование, проведенное в Гуйлине, Китай, сосредоточилось на последствиях сильного наводнения, произошедшего в июне 2024 года. Ученые использовали передовые методы, такие как SBAS-InSAR и DInSAR, а также различные алгоритмы машинного обучения для анализа сложных взаимодействий между деформацией поверхности, характеристиками почвы и наводнением.
Результаты показали, что наводнение привело к значительному расширению водных масс, а оседание грунта наблюдалось в основном на юге и востоке Гуйлина, что совпадало с наиболее затопленными районами. Интересно, что в зонах, подверженных наводнению, наблюдались противоположные тренды деформации до и после события: от оседания к подъему. Это указывает на то, что наводнения могут временно изменять локальные паттерны деформации поверхности.
Анализ показал, что различные методы машинного обучения продемонстрировали разные уровни точности в предсказании деформации поверхности, причем модель ERT показала наилучшие результаты. Также было установлено, что толщина почвы положительно коррелирует с оседанием поверхности в определенном диапазоне, и эта связь проявила заметные нелинейные характеристики после наводнения.
Исследование подчеркивает важность учета сложных взаимосвязей между деформацией поверхности и характеристиками почвы для более эффективного управления рисками наводнений в городских условиях. Эти выводы могут оказать значительное влияние на стратегию городского планирования и предотвращения наводнений, особенно в районах, подверженных оседанию.
В будущем исследователи планируют расширить свои исследования, включая дополнительные случаи и данные, чтобы улучшить точность предсказаний и понимание динамики наводнений в городских условиях.