近年、大規模な洪水を伴う破壊的な極端な暴風雨が、地球の広い地域で頻繁に記録されています。
衛星を用いた災害管理のアプローチは、通常、最新の画像を地域ごとに一つずつ目視で評価することに依拠してきました。
科学者たちは、衛星データが公開されるとすぐに災害マッピングを自動化し、州全体を網羅的にカバーできる新しいシステムを開発しました。
現在、米国本土全体をほぼリアルタイムで監視する取り組みを進めています。
人工知能はどのように被害を検出するのか
衛星はすでに、高リスク地域を特定するために利用されており、洪水、山火事、地すべり、その他の災害の特定や、災害後の被害の正確な把握にも用いられています。しかし、衛星を用いた災害管理の多くのアプローチは、最新の画像を一度に一つの近隣地域ずつ目視で評価することに依拠しています。
当社の手法は、嵐の前の画像と現在の衛星画像を自動的に比較し、広範囲にわたる異常を迅速に検出するします。その異常とは、本来そこにあるべきでない砂や水であったり、嵐前の外観と一致しない、大きく損傷した屋根などです。
.jpg)
イアンがフロリダを襲ってから5日後、地図には南フロリダ全域に黄色の警報ポリゴンが表示されていました。本手法は、約84%の精度で被害の箇所を検出できることがわかりました。
ハリケーンや竜巻のような自然災害は、多くの場合、大規模なスペクトル変化の領域を地表に残します。これは、住宅、地面、水域など、そこにある物体による光の反射の変化を意味します。当社のアルゴリズムは、嵐の前の画像に基づくモデルの反射率と、嵐の後の反射率を比較します。
本システムは、湿潤度や明るさの変化など、自然地域の物理的特性の変化と、変化の全体的な強度の両方を検出します。明るさの増加は、多くの場合、ハリケーンによる被害によって露出した砂や裸地に関連しています。
機械学習モデルを用いることで、これらの画像から撹乱確率を予測できます。撹乱確率とは、自然災害が陸地表面に及ぼす影響を測定するものです。このアプローチにより、衛星データが公開されると直ちに災害マッピングを自動化し、州全体を網羅的にカバーすることが可能になります。
本システムは、4基の衛星のデータを使用しています。すなわち、Landsat 8およびLandsat 9（いずれもNASAと米国地質調査所が運用）、ならびにSentinel 2A および Sentinel 2B（欧州委員会のコペルニクス計画の一環として打ち上げられたもの）です。
全国規模のリアルタイム監視
近年、大規模な洪水を伴う破壊的な極端な暴風雨が、地球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、航空機による監視やドローンを活用して小規模地域の被害を正確に把握できますが、ハリケーンやその他の熱帯低気圧のような広範囲の災害では、全体像を把握することがはるかに困難であり、時間が極めて重要です。当社のシステムは、政府が無償で提供する画像を活用した迅速なアプローチにより、全体像の把握を可能にします。現在の課題の一つは、これらの画像の提供タイミングであり、多くの場合、災害から数日後まで一般に公開されていません。
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、米国本土全体をほぼリアルタイムで監視する取り組みを進めています。
