Novo mapeamento de satélite com IA pode identificar rapidamente os danos causados ​​por furacões em todo um estado para identificar onde as pessoas podem estar presas

O furacão Ian deixou um caminho de destruição extraordinariamente amplo em grande parte do sul da Flórida.Isso ficou evidente nos relatórios obtidos no terreno, mas também aparece nos dados de satélite.Usando um novo método, nossa equipe de analistas espaciais e ambientais foi capaz de fornecer rapidamente uma rara visão geral dos danos em todo o estado.

Usando imagens de satélite anteriores à tempestade e imagens em tempo real de quatro sensores de satélite, juntamente com inteligência artificial, criamos um sistema de monitoramento de desastres que pode mapear os danos em Resolução de 30 metros e atualizar continuamente os dados.

É um retrato do que poderá ser um monitoramento de desastres mais rápido e direcionado no futuro – e algo que poderá eventualmente ser implantado em todo o país.

Como a inteligência artificial detecta os danos

Os satélites já são usados ​​para identificar áreas de alto risco para inundações, incêndios florestais, deslizamentos de terra e outros desastres, e para identificar os danos após esses desastres.Mas a maioria das abordagens de gestão de desastres baseadas em satélites baseiam-se na avaliação visual das imagens mais recentes, de um bairro de cada vez.

Nossa técnica compara automaticamente imagens pré-tempestade com imagens de satélite atuais para detecte anomalias rapidamente em grandes áreas.Essas anomalias podem ser areia ou água onde essa areia ou água não deveriam estar, ou telhados fortemente danificados que não correspondem à sua aparência anterior à tempestade.Cada área com anomalia significativa é sinalizada em amarelo.

Cinco dias depois de Ian atacar a Flórida, o mapa mostrava polígonos de alerta amarelo por todo o sul da Flórida.Descobrimos que ele poderia detectar manchas de danos com cerca de 84% de precisão.

Um desastre natural como um furacão ou tornado muitas vezes deixa para trás grandes áreas de mudança espectral na superfície, o que significa mudanças na forma como a luz reflete tudo o que está lá, como casas, solo ou água.Nosso algoritmo compara a refletância em modelos baseados em imagens pré-tempestade com a refletância após a tempestade.

O sistema detecta alterações nas propriedades físicas de áreas naturais, como alterações na umidade ou brilho, e a intensidade geral da alteração.Um aumento de brilho muitas vezes está relacionado à areia exposta ou terra nua devido aos danos do furacão.

Usando um modelo de aprendizado de máquina, podemos usar essas imagens para prever probabilidades de perturbação, que medem as influências de desastres naturais nas superfícies terrestres.Esta abordagem permite-nos automatizar o mapeamento de desastres e fornecer cobertura completa de um estado inteiro assim que os dados de satélite são divulgados.

O sistema utiliza dados de quatro satélites, Landsat 8 e Landsat 9, ambos operados pela NASA e pelos EUA.Levantamento Geológico, e Sentinela 2A e Sentinela 2B, lançado como parte do programa Copernicus da Comissão Europeia.

Monitoramento em tempo real, em todo o país

Tempestades extremas com inundações destrutivas têm sido documentadas com frequência crescente em grandes partes do globo nos últimos anos.

Embora as equipes de resposta a desastres possam contar com a vigilância de aviões e drones para identificar danos em pequenas áreas, é muito mais difícil ter uma visão geral de um desastre generalizado, como furacões e outros ciclones tropicais, e o tempo é essencial.Nosso sistema fornece uma abordagem rápida usando imagens gratuitas produzidas pelo governo para ter uma visão geral.Uma desvantagem atual é o momento dessas imagens, que muitas vezes só são divulgadas publicamente alguns dias após o desastre.

Estamos agora trabalhando no desenvolvimento do monitoramento quase em tempo real de toda a região limítrofe dos Estados Unidos para fornecer rapidamente as informações terrestres mais atualizadas para o próximo desastre natural.