Per far fronte a questa esigenza, il nostro progetto mira a sviluppare un nuovo algoritmo per generare rapidamente mappe delle inondazioni dei terreni agricoli a seguito di eventi ciclonici nelle Figi. Il nostro strumento utilizzerà l’apprendimento automatico per classificare le aree agricole inondate utilizzando immagini satellitari. Sarà inoltre sviluppata un’applicazione web per fornire queste mappe agli operatori del settore agricolo e del soccorso. Le principali funzionalità includeranno la previsione dell’occorrenza di inondazioni in aree inizialmente oscurate dalla copertura nuvolosa, il rilevamento delle inondazioni in aree agricole di piccola scala e remote, e l’aggiornamento delle previsioni sull’estensione delle inondazioni utilizzando profili temporali della crescita delle colture. Operativamente, dopo un ciclone tropicale, queste mappe saranno accessibili tramite un’app di raccolta dati geospaziali mobile, QField, per assistere il personale del Ministero dell’Agricoltura delle Figi nella valutazione dei danni.
Mediante questo approccio per classificare le immagini, verrà generato un archivio di mappe delle inondazioni agricole a partire da immagini satellitari storiche che sarà reso disponibile a praticanti e ricercatori, e aggiornato con la verificarsi di nuovi eventi ciclonici. Questo contribuirà a una comprensione crescente dei modelli di rischio di inondazione e degli impatti sui diversi sistemi di coltivazione delle Figi.
Il nostro progetto si basa su lavori precedenti svolti dal nostro team e da altri. Abbiamo collaborato con portatori di interesse nelle Figi e a Tonga per sviluppare flussi di lavoro e app per la mappatura del paesaggio basata su campo. Abbiamo sviluppato metodi di classificazione per stimare la copertura del suolo interannuale e generare mappe delle aree coltivate per le Figi a partire da pacchetti di immagini satellitari. Ulteriori progressi includono workshop con membri del team e ufficiali del Ministero dell’Agricoltura delle Figi per identificare come le mappe delle inondazioni possono migliorare le attività di valutazione dei danni del Ministero.
Sono state inoltre condotte sessioni di formazione in aula e sul campo per aumentare la capacità degli assessori di danni di utilizzare QField per la raccolta dati in campo. La funzionalità di QField consente di visualizzare le mappe delle inondazioni su un display mappa mobile, integrato con moduli digitali per sondaggi di valutazione dei danni e può guidare gli assessori ai siti di inondazione. È stato anche condotto lavoro sul campo nel Delta del Rewa, con il personale dell’Università del Sud Pacifico e del Ministero dell’Agricoltura per testare le app di raccolta dati per la valutazione dei danni da inondazione e raccogliere dati di verità terrestre.
Nei prossimi mesi, lavoreremo per finalizzare il flusso di lavoro di machine learning che genera mappe delle inondazioni per assistere nell’importante compito di risposta ai disastri di valutare gli impatti delle inondazioni sui terreni agricoli delle Figi.
