带有人工智能的新卫星测绘可以快速查明整个州的飓风破坏情况，以发现人们可能被困的位置

飓风伊恩在南佛罗里达州大部分地区造成了极其严重的破坏。这在地面报告中很明显，但在卫星数据中也有所体现。使用 一种新方法, ，我们的空间和环境分析师团队能够快速提供整个州受损情况的罕见全局视图。

通过使用风暴前的卫星图像和四个卫星传感器的实时图像，再加上人工智能，我们创建了一个灾害监测系统，可以绘制受损情况图 30米分辨率 并不断更新数据。

这是未来更快、更有针对性的灾害监测的缩影，并且最终可能在全国范围内部署。

人工智能如何发现损坏

卫星已经习惯了 识别高风险区域 洪水、野火、山体滑坡和其他灾害，并查明这些灾害后的损失。但大多数基于卫星的灾害管理方法都依赖于目视评估最新图像，一次评估一个社区。

我们的技术自动将风暴前的图像与当前的卫星图像进行比较，以 快速发现大面积的异常情况. 。这些异常现象可能是沙子或水，而不是沙子或水，或者是严重受损的屋顶，与风暴前的外观不符。每个有明显异常的区域都用黄色标记。

伊恩袭击佛罗里达州五天后，地图显示南佛罗里达州各地都有黄色警报多边形。我们发现它可以以大约 84% 的准确度发现损坏斑块。

飓风或龙卷风等自然灾害经常会造成巨大的损失。 光谱变化区域 在表面，这意味着光从房屋、地面或水等物体反射的方式发生了变化。我们的算法将基于暴风雨前图像的模型中的反射率与暴风雨后的反射率进行比较。

该系统可以识别自然区域物理特性的变化（例如湿度或亮度的变化）以及变化的总体强度。一个 亮度增加 通常与因飓风破坏而暴露的沙子或裸露土地有关。

通过机器学习模型，我们可以使用这些图像来预测扰动概率，从而衡量自然灾害对地表的影响。这种方法使我们能够自动化灾害测绘，并在卫星数据发布后立即提供整个州的全面覆盖。

该系统使用来自四颗卫星的数据， 陆地卫星8号 和 陆地卫星 9, ，均由 NASA 和美国运营地质调查局，以及 哨兵 2A 和哨兵 2B, ，作为欧盟委员会哥白尼计划的一部分启动。

实时监控，全国范围

近年来，全球大部分地区发生极端风暴和破坏性洪水的频率不断增加。

虽然灾难响应团队可以依靠飞机监视和无人机来查明小区域的损坏情况，但在飓风和其他热带气旋等大范围灾难中，要了解全局要困难得多，而且时间至关重要。我们的系统提供了一种使用政府免费制作的图像来查看全局的快速方法。目前的一个缺点是这些图像的发布时间，通常要到灾难发生后几天才公开发布。

我们现在正致力于开发对整个美国本土的近实时监控，以便为下一次自然灾害快速提供最新的土地信息。