CyanoKhoj
1.0.0
Cyanokhoj est une application Web qui utilise le programme de science citoyenne en suivant ses tweets et une analyse des données ultérieure sur Google Earth Engine, visant à détection et à la surveillance efficaces du cyanohab dans les plans d'eau du monde entier. L'objectif est d'identifier les emplacements potentiels infestés du cyanohab en fonction de l'analyse des données Twitter et de l'extraction de l'emplacement et d'analyser davantage ces emplacements à l'aide de données satellites dans Google Earth Engine.
Cela se fait en grattant les tweets en temps réel et en les filtrant sur la base des mots clés et des hashtags spécifiques du projet (en utilisant des techniques NLP) qui aident à identifier les tweets sur les bordes d'eau infestés d'algues. Par la suite, les étiquettes de localisation sont extraites des tweets filtrés et géocodées. Ces emplacements sont envoyés sur Google Map et Google Earth Engine et une carte mettant en évidence les emplacements potentiels de cyanoboloom.
Les référentiels suivants contiennent un flux de travail détaillé et des informations La tâche d'extraction de l'analyse et de l'emplacement:
| Tweets | Cosinus | Cosinus doux | ARDE | WMD-Relax |
|---|---|---|---|---|
| Vous pouvez voir deux des panaches d'eau toxiques et ce qui ressemble à une prolifération d'algues au milieu de l'espace. https://t.co/wqshykyio4 | 0,0012850764 | 0,04648514 | 0,57122673946974 | 0,594367796798155 |
| @Julianamwatson @bergsham @hkrassenstein @realdonaldTrump oh merde les algues rouges Bloom vague le toxique merci pour les informations que j'obtiendrai le Javel | 0,0012786512 | 0,046485145 | 0,52598017763364 | 0,514069031544577 |
| @RealDonaldTrump Les algues rouges toxiques Bloom ressemble plus à ça | 0,007476028 | 0,04648514 | 0,68321624849994 | 0.451862241456097 |
| @gwsuperfan @realDonaldTrump comme une prolifération d'algues toxiques. | 0.008209193 | 0,04648514 | 0,747027618034671 | 0.474957523799558 |
| Des scientifiques israéliens qui se spécialisent dans le nettoyage des algues à partir de grands plans d'eau ont été amenés pour aider à freiner les algues toxiques dans le lac Okeechobee de Floride. Via @jerusalem_post. https://t.co/atdgg6jres | 0.00074861257 | 0,013163705 | 0,55591127109817 | 0.489181017595289 |
Inférence: les tweets sont d'abord prétraités par le tokenisage, en supprimant les mots d'arrêt, les hastags, les noms d'utilisateurs, etc. et intégrés aux vecteurs à l'aide de l'intégration de Glove Twitter-25 . Quatre similitudes - cosinus, cosinus doux, ADM (distance de moteur de mots) et WMD relax sont calculés entre les tweets et la requête contenant les mots clés du filtre. Comme on pouvait le voir, la similitude augmente entre la requête et les tweets en cas de WMD et de light WMD par rapport aux mesures de similitude cosinus et douces.
Les emplacements suspects sont ensuite analysés à l'aide des données par satellite Sentinel-3 pour déterminer si les bordes d'eau signalés souffrent d'une prolifération d'algues. Diverses techniques et indices de traitement d'image sont implémentés pour quantifier les indications de données dans chaque pixel de l'image.
Ce WebApp a été déployé sur GCP dans le serveur Apache. Les détails techniques incluent les appels de fonction Python internes de PHP Core Environment, la gestion des demandes d'API et la maintenance du déploiement avec des mises à jour de fonctionnalités opportunes.
Rejoignez le canal du projet ici:
N'hésitez pas à soulever des problèmes et à résoudre tous les existants. De plus amples détails peuvent être trouvés dans notre code de conduite.
