Исследователи используют ИИ для выявления оползней и координации помощи при стихийных бедствиях

Ученые из Кембриджского университета применяют искусственный интеллект для ускоренного обнаружения оползней после сильных землетрясений и экстремальных осадков. Это позволяет выиграть ценное время для координации спасательных работ и снижения гуманитарных последствий.

После землетрясения магнитудой 7,4 на Тайване в апреле 2024 года исследователь Лоренцо Нава с помощью ИИ идентифицировал около 7000 оползней всего за три часа после получения спутниковых снимков. Обычный визуальный анализ таких изображений занимает гораздо больше времени. Работа ведется в рамках международного проекта, а ее результаты опубликованы в журнале Natural Hazards and Earth System Sciences.

Оползни, вызванные землетрясениями или интенсивными дождями, часто усугубляются деятельностью человека, такой как вырубка лесов. Они могут запускать цепные реакции, приводя к селям или наводнениям. Исследователи из группы CoMHaz в Кембридже стремятся понять такие «мультирисковые» цепочки, чтобы в конечном итоге прогнозировать оползни. Они также сотрудничают с местными сообществами, например, в Непале, где тестируется система раннего предупреждения.

Нава обучает ИИ анализировать два типа спутниковых данных: оптические снимки поверхности и радиолокационные изображения. Радар может «видеть» сквозь облака и ночью, хотя его данные сложнее для интерпретации. Комбинируя эти технологии, ученые надеются создать модель, способную точно обнаруживать оползни даже в плохую погоду. Первые испытания после тайваньского землетрясения были многообещающими, но требуется дальнейшее повышение точности и, что особенно важно, прозрачности алгоритма для конечных пользователей.

«В сценариях с высокими ставками, таких как ликвидация последствий стихийных бедствий, доверие к результатам, сгенерированным ИИ, имеет решающее значение», — отмечает Нава. Для совершенствования модели исследователи вместе с ESA, Всемирной метеорологической организацией и другими партнерами запустили открытый конкурс по data-science, чтобы привлечь широкое сообщество разработчиков. Цель — создать инструмент, который не только эффективно находит оползни, но и понятно объясняет свои выводы, например, с помощью карт вероятности.