स्पेक्ट्रल और टेक्स्चरल विभाजन के साथ आर्टिसनल स्मॉल-स्केल माइनिंग का उन्नत पता लगाना

अमेज़न वर्षावन में आर्टिसनल स्मॉल-स्केल माइन (ASM) वनों की कटाई, वनों का ह्रास, जैव विविधता की हानि, नदियों में तलछट, और पारा उत्सर्जन का एक महत्वपूर्ण कारण हैं। सैटेलाइट चित्र डेटा का पर्यावरणीय निर्णय-निर्माण में व्यापक रूप से उपयोग किया जाता है ताकि भूमि की सतह में परिवर्तनों की निगरानी की जा सके, लेकिन ASM को अंतरिक्ष से मानचित्रित करना कठिन है। ASM छोटे, असमान आकार के, असमान रूप से वितरित, और अन्य भूमि निकासी प्रकारों के साथ (स्पेक्ट्रली) भ्रमित होते हैं। इस समस्या से निपटने के लिए, हमने ब्राज़ील के टापाजोस नदी बेसिन के लिए एक विश्वसनीय और कुशल ASM पता लगाने की विधि विकसित की—जो कि अमेज़न वर्षावन का एक महत्वपूर्ण स्वर्ण खनन क्षेत्र है। हमने पहचान को तीन प्रमुख तरीकों से संवर्धित किया। पहले, हमने टाइम-सीरीज विभाजन (LandTrendr) Google Earth Engine (GEE) एप्लीकेशन प्रोग्रामिंग इंटरफेस का उपयोग किया ताकि 2000 से 2019 के Landsat इमेज टाइम सीरीज के साथ प्राकृतिक वनस्पति के असामान्यता और पुनर्प्राप्ति का पिक्सेल-वार प्रक्षिप्ति मानचित्रित किया जा सके। दूसरे, हमने ASM पिक्सल में उच्च स्थानिक विषमता को ध्यान में रखते हुए 5 स्पेक्ट्रल फीचर्स के अतिरिक्त 26 टेक्स्चरल फीचर्स को विभाजित किया। तीसरे, हमने प्रासंगिक और अतिरक्त फीचर्स को समाप्त करने के बाद ASMs का पता लगाने के लिए एक रैंडम फ़ॉरेस्ट मॉडल को प्रशिक्षित और परीक्षण किया, जो