AI를 사용한 새로운 위성 매핑을 통해 주 전체의 허리케인 피해를 신속하게 파악하여 사람들이 갇힐 수 있는 위치를 찾아낼 수 있습니다.

허리케인 이안(Ian)은 플로리다 남부 대부분 지역에 매우 광범위한 파괴 경로를 남겼습니다.이는 지상의 보고에서 분명하게 드러났지만 위성 데이터에서도 나타납니다.사용 새로운 방법, 공간 및 환경 분석가로 구성된 우리 팀은 주 전체의 피해에 대한 보기 드문 큰 그림을 신속하게 제공할 수 있었습니다.

폭풍 발생 전 위성 영상과 4개의 위성 센서가 제공하는 실시간 영상을 인공지능과 함께 활용해 피해 상황을 매핑할 수 있는 재난 감시 시스템을 구축했습니다. 30미터 해상도 지속적으로 데이터를 업데이트합니다.

이는 미래에 더 빠르고 더 표적화된 재난 모니터링이 어떤 모습일지 보여주는 스냅샷이며, 결국 전국적으로 배포될 수 있습니다.

인공지능이 피해를 탐지하는 방법

위성은 이미 익숙하다. 고위험 지역 식별 홍수, 산불, 산사태 및 기타 재난에 대비하고 이러한 재난 이후의 피해를 정확히 파악합니다.그러나 대부분의 위성 기반 재난 관리 접근 방식은 한 번에 한 동네씩 최신 이미지를 시각적으로 평가하는 데 의존합니다.

우리의 기술은 폭풍 전 이미지를 현재 위성 이미지와 자동으로 비교하여 넓은 지역에 걸쳐 이상 현상을 신속하게 발견.이러한 이상 현상은 모래나 물이 있어서는 안 되는 모래나 물일 수도 있고, 폭풍 전 모습과 일치하지 않는 심하게 손상된 지붕일 수도 있습니다.심각한 이상이 있는 각 영역은 노란색으로 표시됩니다.

Ian이 플로리다를 공격한 지 5일 후, 지도에는 남부 플로리다 전역에 노란색 경고 다각형이 표시되었습니다.우리는 약 84%의 정확도로 손상된 부분을 찾아낼 수 있다는 것을 발견했습니다.

허리케인이나 토네이도와 같은 자연재해는 종종 큰 피해를 남깁니다. 스펙트럼 변화 영역 표면에서 이는 집, 땅, 물과 같은 존재하는 모든 것에 빛이 반사되는 방식의 변화를 의미합니다.우리의 알고리즘은 폭풍 전 이미지를 기반으로 한 모델의 반사율과 폭풍 후 반사율을 비교합니다.

시스템은 습기나 밝기의 변화와 같은 자연 지역의 물리적 특성 변화와 전체적인 변화 강도를 모두 포착합니다.안 밝기 증가 허리케인 피해로 인해 노출된 모래나 맨땅과 관련이 있는 경우가 많습니다.

기계 학습 모델을 사용하면 이러한 이미지를 사용하여 자연 재해가 지표면에 미치는 영향을 측정하는 교란 확률을 예측할 수 있습니다.이 접근 방식을 통해 우리는 재해 매핑을 자동화하고 위성 데이터가 공개되자마자 주 전체에 대한 전체 범위를 제공할 수 있습니다.

이 시스템은 4개 위성의 데이터를 사용합니다. Landsat 8 그리고 Landsat 9, 둘 다 NASA와 미국에서 운영합니다.지질 조사 및 센티넬 2A 및 센티넬 2B, 유럽 위원회의 코페르니쿠스 프로그램의 일부로 시작되었습니다.

전국 실시간 모니터링

파괴적인 홍수를 동반한 극심한 폭풍은 최근 몇 년 동안 전 세계 많은 지역에서 빈도가 증가하는 것으로 기록되었습니다.

재난 대응팀은 비행기 감시와 드론을 이용해 작은 지역의 피해를 정확히 찾아낼 수 있지만, 허리케인이나 기타 열대 사이클론과 같은 광범위한 재난에서는 큰 그림을 보는 것이 훨씬 어렵고 시간이 가장 중요합니다.우리 시스템은 정부가 무료로 제작한 이미지를 사용하여 큰 그림을 보는 빠른 접근 방식을 제공합니다.현재의 단점 중 하나는 이러한 이미지의 타이밍으로, 재해 발생 후 며칠이 지나야 공개적으로 공개되는 경우가 많습니다.

우리는 현재 다음 자연 재해에 대한 최신 토지 정보를 신속하게 제공하기 위해 미국 전역에 대한 거의 실시간 모니터링을 개발하기 위해 노력하고 있습니다.