飓风伊恩在南佛罗里达州的大部分地区留下了异常广阔的破坏之路。这在来自地面的报告中很明显，但也出现在卫星数据中。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的破坏情况罕见的全局视图。
通过使用暴风雨前的卫星图像和来自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，可以以30 米的分辨率绘制破坏图并不断更新数据。
这是未来更快、更有针对性的灾难监测的快照——最终可能会在全国范围内部署。
人工智能如何发现损害
卫星已被用于识别洪水、野火、山体滑坡和其他灾害的高风险区域，并确定这些灾害后的损失。但大多数基于卫星的灾害管理方法都依赖于对最新图像的视觉评估，一次一个社区。
我们的技术会自动将风暴前的图像与当前的卫星图像进行比较，以便在大范围内快速发现异常。这些异常可能是沙子或水不应该是沙子或水，或者是严重损坏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。
伊恩抨击佛罗里达五天后，地图显示整个南佛罗里达州都有黄色警报多边形。我们发现它可以以大约 84% 的准确率发现损坏的补丁。
像飓风或龙卷风这样的自然灾害通常会在地表留下大面积的光谱变化，这意味着光线从那里的任何东西(如房屋、地面或水)反射的方式都会发生变化。我们的算法将基于风暴前图像的模型中的反射率与风暴后的反射率进行比较。
该系统既能发现自然区域物理特性的变化，例如湿度或亮度的变化，也能发现变化的整体强度。由于飓风的破坏，亮度的增加通常与暴露的沙子或裸露的土地有关。
使用机器学习模型，我们可以使用这些图像来预测干扰概率，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NASA 和地质调查局运营的四颗卫星Landsat 8和Landsat 9以及作为欧盟委员会哥白尼计划的一部分发射的Sentinel 2A 和 Sentinel 2B的数据。