Key points are not available for this paper at this time.
Deslizamentos de terra rasos, frequentemente desencadeados por eventos extremos como chuvas intensas, derretimento de neve ou terremotos, afetam vastas áreas com uma notável densidade. Nas consequências imediatas de tais eventos, torna-se crucial avaliar rapidamente a distribuição dos deslizamentos e identificar as áreas mais severamente afetadas para priorizar a avaliação de danos e orientar efetivamente as operações de levantamento de campo. Uma vez que a fase de emergência diminui, a atenção pode se voltar para aumentar a precisão do inventário de deslizamentos. Neste trabalho, apresentamos a metodologia de duas fases "PANDA", o mapeamento rápido de deslizamentos de terra rasos não supervisionados, para o mapeamento de deslizamentos potenciais de baixo custo, primeiramente na fase de emergência e, em seguida, com uma versão aprimorada, na fase pós-emergência. Esta abordagem utiliza variações no NDVI derivadas de imagens de satélite Sentinel-2 e filtros geomorfológicos. Aplicamos o PANDA a eventos de chuva na faixa dos Apenninos do nordeste, Itália, ocorridos em maio de 2023, causando consequências sociais e econômicas dramáticas para este território montanhoso. Em apenas cinco dias após a obtenção das imagens pós-evento do Sentinel-2, produzimos um mapa confiável e pronto para uso cobrindo uma vasta área (∼4000 km2). O mapa testado durante o mapeamento de campo de emergência mostrou feedback positivo. Na fase pós-emergência, a precisão foi aprimorada utilizando imagens completamente livres de nuvens, um filtro para identificar falsos positivos associados a mudanças no uso da terra, um modelo digital de terreno (DTM) de resolução mais alta e uma abordagem iterativa para otimizar os limiares de NDVI e inclinação. A densidade potencial de deslizamentos de terra relacionada com a chuva indicou que a região mais severamente afetada atingiu uma densidade de aproximadamente 50 deslizamentos/km2. A validação contra um inventário manual independente baseado em imagens de alta resolução demonstrou resultados de precisão encorajadores de ambos os inventários, com um aumento notável na pontuação F1 para a versão pós-emergência.
Notti et al. (Sex,), estudaram essa questão.