Исследователи приблизились к мониторингу стихийных бедствий почти в реальном времени

Ученые из Университета Коннектикута (UConn) разработали метод, который с помощью спутниковых данных и машинного обучения позволяет сократить время оценки последствий стихийных бедствий с недель до нескольких дней, приблизившись к мониторингу почти в реальном времени (near real-time, NRT). Результаты опубликованы в журнале Remote Sensing of Environment.

Новый подход критически важен для организации быстрого и скоординированного реагирования: он предоставляет данные для оценки характера ущерба, масштабов необходимой помощи и планирования безопасных эвакуаций. Метод вдохновлен практикой ретроспективного анализа карт (retrospective chart review, RCR), используемой в биомедицине для выявления ранних симптомов инфекций с длительным латентным периодом. Аналогично, анализируя спутниковые снимки уже известных нарушений, алгоритм учится распознавать тонкие ранние «симптомы» бедствия.

Ключевым моментом стала работа с открытым гармонизированным набором данных NASA Harmonized Landsat and Sentinel-2 (HLS), который объединяет информацию с четырех спутников. Это позволило провести полный ретроспективный анализ 50-летнего архива Landsat и создать модель. «Без данных NASA HLS нам могли бы потребоваться месяцы, чтобы просто подготовить данные», — отмечает соавтор работы Чжэ Чжу. Комбинируя физические пороговые значения и машинное обучение, метод фильтрует «шум» (облака, сезонные изменения) и обнаруживает нарушения всего за четыре дня. Платформа уже применялась для оценки ущерба после урагана «Иэн».