AI を使用した新しい衛星マッピングにより、州全体にわたるハリケーンの被害を迅速に特定し、人々が閉じ込められている可能性のある場所を特定できます。

ハリケーン イアンは、南フロリダの大部分に非常に広範囲にわたる破壊の道を残しました。それは地上からの報告でも明らかですが、衛星データにも現れています。使用する 新しい方法, 、私たちの空間および環境アナリストのチームは、州全体にわたる被害の珍しい全体像を迅速に提供することができました。

暴風雨前の衛星画像と 4 つの衛星センサーからのリアルタイム画像を人工知能と組み合わせて使用​​することで、被害状況をマッピングできる災害監視システムを構築しました。 30メートルの解像度 そして継続的にデータを更新します。

これは、より迅速で対象を絞った災害監視が将来どのようなものになり得るかを示すスナップショットであり、最終的には全国的に展開される可能性があります。

人工知能はどのように被害を発見するのか

衛星はすでに慣れています 高リスクエリアを特定する 洪水、山火事、地滑り、その他の災害に備え、これらの災害後の被害を正確に特定します。しかし、ほとんどの衛星ベースの災害管理アプローチは、最新の画像を一度に 1 つの地域ごとに視覚的に評価することに依存しています。

私たちの技術は、嵐前の画像と現在の衛星画像を自動的に比較し、 広いエリアの異常を迅速に発見. 。それらの異常は、砂や水があるべきでない場所に砂や水が溜まっていたり、嵐前の外観と一致しないひどく損傷した屋根である可能性があります。重大な異常がある各領域には黄色のフラグが付けられます。

イアンがフロリダを鞭打ってから 5 日後、地図には南フロリダ全域に黄色の警告ポリゴンが表示されました。約 84% の精度で損傷箇所を特定できることがわかりました。

ハリケーンや竜巻などの自然災害は、多くの場合、大きな被害を残します。 スペクトル変化の領域 表面では、家、地面、水など、そこにあるものに光がどのように反射するかが変化することを意味します。私たちのアルゴリズムは、嵐前の画像に基づいたモデルの反射率を嵐後の反射率と比較します。

このシステムは、湿り気や明るさの変化など、自然地域の物理的特性の変化と、その変化の全体的な強さの両方を検出します。アン 明るさの増加 多くの場合、ハリケーンの被害により露出した砂地や裸地に関連しています。

機械学習モデルを使用すると、これらの画像を使用して、地表面に対する自然災害の影響を測定する撹乱確率を予測できます。このアプローチにより、災害マッピングを自動化し、衛星データが公開されるとすぐに州全体を完全にカバーできるようになります。

このシステムは 4 つの衛星からのデータを使用します。 ランドサット 8 そして ランドサット 9, 、どちらもNASAと米国によって運営されています。地質調査、および センチネル 2A とセンチネル 2B, 、欧州委員会のコペルニクスプログラムの一環として開始されました。

全国規模のリアルタイム監視

近年、破壊的な洪水を伴う極端な嵐が地球上の広い地域で頻繁に記録されています。

災害対応チームは航空機の監視やドローンを利用して狭い地域の被害を正確に特定できますが、ハリケーンやその他の熱帯低気圧のような広範囲にわたる災害では全体像を把握するのがはるかに難しく、時間が非常に重要です。私たちのシステムは、政府が作成した無料の画像を使用して全体像を把握するための迅速なアプローチを提供します。現在の欠点の 1 つは、これらの画像のタイミングであり、多くの場合、災害の数日後まで公開されません。

私たちは現在、次の自然災害に備えて最新の土地情報を迅速に提供するために、米国全土をほぼリアルタイムで監視する開発に取り組んでいます。