我們用的是風暴前的衛星圖像和來自四個衛星傳感器的實時圖像，再加上人工智能技術，創建一個災害監測系統，能夠以30米的分辨率繪製出破壞圖，並且不斷地更新數據。
這是未來更快、更有針對性的災難監測系統的一個快照，最終可能會部署在全美國范圍。
衛星技術已被用在識別洪水、野火、山體滑坡和其他災害的高風險區域，並確定這些災後損失。但大多數使用衛星識別的方法都要依賴對最新圖像的視覺評估，一個個社區去看。人工智能如何能夠協助發現損害呢？
我們的技術自動將風暴前的圖像與實時的衛星圖像進行比較，以便在大範圍內快速發現異常。這些異常可能是沙子或水出現在本來不該是沙子或水的地方，或者嚴重損壞的屋頂與風暴前的外觀不符。我們用黃色標出每個有明顯異常的區域。
Ian橫掃佛州五天之后，整個南部地圖到處都顯示出黃色的警報多邊形，發現損壞的準確率大約是84%。
颶風或龍捲風這樣的自然災害通常會在地表留下大面積的光譜變化，也就是說，光線的折射方式在房屋、地面或水上的反射改變。我們的算法比較這些反射率的差異，不僅發現濕度或亮度的變化，還能發現變化的總強度。由於颶風的破壞，通常亮度的增加都與暴露的沙子或裸露的土地有關。
我們使用人工智能的「機器學習」來分析預測「干擾率」--一個衡量自然災害對地表影響的數字。這種方法使我們能夠將災害測繪自動化，一旦收到衛星發佈的數據，就能立即算出整個州的全面狀態。這個人工智能系統使用四顆衛星所發佈的數據：NASA和美國地質調查局所運營的Landsat 8、Landsat 9，以及歐盟的Sentinel 2A、Sentinel 2B。
近年來，帶來破壞性洪水的極端風暴在全世界越來越頻繁地發生。雖然救災小組可以靠飛機和無人機來監查小區域的損失，但在颶風和其他熱帶氣旋災害中很難及時看到全局。現在這個系統能夠免費使用政府製作的圖像來查看全局，但目前的一個缺點是這些圖像的時間延遲，這些圖像通常要在災難發生幾天后才會公開發佈。
美國現在正致力於開發對整個美國本土的將近實時的監測，為下一次自然災害及時提供最新的地貌信息做準備。
No comments:
Post a Comment