dieupt
Well-known member
Bão Ian để lại một con đường tàn phá cực kỳ rộng trên phần lớn miền Nam Florida, Hoa Kỳ. Điều đó đã được thể hiện rõ ràng trong các báo cáo từ mặt đất, nhưng nó cũng hiển thị trong dữ liệu vệ tinh. Bằng cách sử dụng một phương pháp mới, nhóm các nhà phân tích môi trường và không gian của Zhe Zhu và Su Ye tại Đại học Connecticut đã có thể nhanh chóng cung cấp một cái nhìn toàn cảnh hiếm có về thiệt hại trên toàn tiểu bang.
Biến đổi khí hậu từng có vẻ là một mối đe dọa xa vời. Nhưng giờ đây thì không. Con người đã thấy rõ những "bộ mặt" của biến đổi khí hậu. Chúng ta thấy nó trong những trận cuồng phong, lũ lụt, sóng nhiệt, cháy rừng và hạn hán. Bão Ian là ví dụ mới nhất. Hình ảnh vệ tinh và trí tuệ nhân tạo tiết lộ thiệt hại trên diện rộng của bão Ian. Vùng tối có khả năng bị thiệt hại cao.
Bằng cách sử dụng hình ảnh vệ tinh từ trước cơn bão và hình ảnh thời gian thực từ bốn cảm biến vệ tinh, cùng với trí tuệ nhân tạo, họ đã tạo ra một hệ thống giám sát thảm họa có thể lập bản đồ thiệt hại ở độ phân giải 30 mét và liên tục cập nhật dữ liệu.
Vệ tinh đã được sử dụng để xác định các khu vực có nguy cơ cao về lũ lụt, cháy rừng, sạt lở đất cũng như các thảm họa khác và xác định chính xác thiệt hại sau những thảm họa này. Nhưng hầu hết các phương pháp quản lý thảm họa dựa trên vệ tinh đều dựa vào việc đánh giá trực quan các hình ảnh mới nhất, từng vùng lân cận tại một thời điểm.
Hệ thống AI mới sử dụng dữ liệu từ Landsat 8 và Landsat 9 của NASA, được hiển thị trong kết xuất này, cùng với các vệ tinh từ ESA. Nhìn qua thì bão Ian có vẻ như là một sự kiện ngẫu nhiên. Nhưng không phải vậy - nó là một phần của một mô hình thời tiết bao gồm các trận cuồng phong và siêu bão mạnh hơn khi các đại dương liên tục ghi nhận độ ấm kỷ lục, theo Guardian.
Kỹ thuật mới được đưa ra sẽ tự động so sánh các hình ảnh trước bão với các hình ảnh vệ tinh hiện tại để nhanh chóng phát hiện các điểm bất thường trên các khu vực rộng lớn. Những điểm bất thường đó có thể là cát hoặc nước ở nơi không nên có cát hoặc nước, hay những mái nhà bị hư hại nặng không phù hợp với diện mạo trước cơn bão của chúng. Mỗi khu vực có điểm bất thường đáng kể đều được gắn cờ màu vàng.
Năm ngày sau khi bão Ian tấn công Florida, bản đồ hiển thị các đa giác cảnh báo màu vàng trên khắp Nam Florida. Nhóm nghiên cứu nhận thấy rằng nó có thể phát hiện ra các mảng hư hỏng với độ chính xác khoảng 84%.
Một thảm họa thiên nhiên như bão hoặc lốc xoáy thường để lại những vùng thay đổi quang phổ lớn trên bề mặt, có nghĩa là những thay đổi về cách ánh sáng phản chiếu với bất cứ thứ gì ở đó chẳng hạn như nhà cửa, mặt đất hoặc nước. Thuật toán mới sẽ so sánh độ phản xạ trong các mô hình dựa trên hình ảnh trước cơn bão với độ phản xạ sau cơn bão.
Hệ thống phát hiện cả những thay đổi về đặc tính vật lý của các khu vực tự nhiên, chẳng hạn như thay đổi về độ ẩm hoặc độ sáng và cường độ tổng thể của sự thay đổi. Sự gia tăng độ sáng thường liên quan đến cát lộ ra hoặc đất trống do ảnh hưởng của bão.
Sử dụng mô hình học máy, nhóm nghiên cứu có thể sử dụng những hình ảnh đó để dự đoán xác suất nhiễu động, đo lường ảnh hưởng của thảm họa thiên nhiên trên bề mặt đất. Cách tiếp cận này cho phép các nhà khoa học có thể tự động hóa bản đồ thảm họa và cung cấp phạm vi bao phủ toàn bộ trạng thái ngay sau khi dữ liệu vệ tinh được phát hành.
Hệ thống sử dụng dữ liệu từ 4 vệ tinh bao gồm Landsat 8, Landsat 9, đều do NASA và Cơ quan Khảo sát Địa chất Hoa Kỳ điều hành, và Sentinel 2A và Sentinel 2B, được phóng như một phần của chương trình Copernicus của Ủy ban Châu Âu.
Nếu nhân loại tiếp tục làm hành tinh ấm lên, làm các tảng băng ở Greenland và phía tây Nam Cực tan nhanh, chúng ta sẽ phải đo mực nước biển dâng bằng đơn vị yard chứ không chỉ là feet nữa. Điều quan trọng là phải tăng khả năng phục hồi và thích ứng với những thay đổi không thể tránh khỏi. Các công nghệ giám sát hiện tại không nhất thiết cung cấp một cái nhìn toàn cảnh về thiệt hại do bão, nhưng AI có thể thay đổi điều đó.
Các cơn bão cực đoan kèm theo lũ lụt hủy diệt đã được ghi nhận với tần suất ngày càng tăng trên các khu vực rộng lớn trên toàn cầu trong những năm gần đây.
Mặc dù các đội ứng phó thảm họa có thể dựa vào giám sát máy bay và thiết bị bay không người lái để xác định thiệt hại ở những khu vực nhỏ, nhưng khó có thể nhìn thấy bức tranh toàn cảnh về một thảm họa lan rộng như bão và lốc xoáy nhiệt đới khác. Hệ thống mới mà nhóm nghiên cứu đưa ra sẽ cung cấp một cách tiếp cận nhanh chóng bằng cách sử dụng các hình ảnh miễn phí do chính phủ sản xuất để xem bức tranh toàn cảnh lớn.
Một nhược điểm hiện tại là thời gian của những hình ảnh đó thường không được công bố rộng rãi cho đến vài ngày sau thảm họa.
Hiện các nhà khoa học tại Đại học Connecticut đang nỗ lực phát triển hệ thống giám sát gần thời gian thực của toàn bộ Hoa Kỳ liên tục để nhanh chóng cung cấp thông tin đất đai cập nhật nhất cho thảm họa thiên nhiên tiếp theo.
Biến đổi khí hậu từng có vẻ là một mối đe dọa xa vời. Nhưng giờ đây thì không. Con người đã thấy rõ những "bộ mặt" của biến đổi khí hậu. Chúng ta thấy nó trong những trận cuồng phong, lũ lụt, sóng nhiệt, cháy rừng và hạn hán. Bão Ian là ví dụ mới nhất. Hình ảnh vệ tinh và trí tuệ nhân tạo tiết lộ thiệt hại trên diện rộng của bão Ian. Vùng tối có khả năng bị thiệt hại cao.
Bằng cách sử dụng hình ảnh vệ tinh từ trước cơn bão và hình ảnh thời gian thực từ bốn cảm biến vệ tinh, cùng với trí tuệ nhân tạo, họ đã tạo ra một hệ thống giám sát thảm họa có thể lập bản đồ thiệt hại ở độ phân giải 30 mét và liên tục cập nhật dữ liệu.
Vệ tinh đã được sử dụng để xác định các khu vực có nguy cơ cao về lũ lụt, cháy rừng, sạt lở đất cũng như các thảm họa khác và xác định chính xác thiệt hại sau những thảm họa này. Nhưng hầu hết các phương pháp quản lý thảm họa dựa trên vệ tinh đều dựa vào việc đánh giá trực quan các hình ảnh mới nhất, từng vùng lân cận tại một thời điểm.
Hệ thống AI mới sử dụng dữ liệu từ Landsat 8 và Landsat 9 của NASA, được hiển thị trong kết xuất này, cùng với các vệ tinh từ ESA. Nhìn qua thì bão Ian có vẻ như là một sự kiện ngẫu nhiên. Nhưng không phải vậy - nó là một phần của một mô hình thời tiết bao gồm các trận cuồng phong và siêu bão mạnh hơn khi các đại dương liên tục ghi nhận độ ấm kỷ lục, theo Guardian.
Kỹ thuật mới được đưa ra sẽ tự động so sánh các hình ảnh trước bão với các hình ảnh vệ tinh hiện tại để nhanh chóng phát hiện các điểm bất thường trên các khu vực rộng lớn. Những điểm bất thường đó có thể là cát hoặc nước ở nơi không nên có cát hoặc nước, hay những mái nhà bị hư hại nặng không phù hợp với diện mạo trước cơn bão của chúng. Mỗi khu vực có điểm bất thường đáng kể đều được gắn cờ màu vàng.
Năm ngày sau khi bão Ian tấn công Florida, bản đồ hiển thị các đa giác cảnh báo màu vàng trên khắp Nam Florida. Nhóm nghiên cứu nhận thấy rằng nó có thể phát hiện ra các mảng hư hỏng với độ chính xác khoảng 84%.
Một thảm họa thiên nhiên như bão hoặc lốc xoáy thường để lại những vùng thay đổi quang phổ lớn trên bề mặt, có nghĩa là những thay đổi về cách ánh sáng phản chiếu với bất cứ thứ gì ở đó chẳng hạn như nhà cửa, mặt đất hoặc nước. Thuật toán mới sẽ so sánh độ phản xạ trong các mô hình dựa trên hình ảnh trước cơn bão với độ phản xạ sau cơn bão.
Hệ thống phát hiện cả những thay đổi về đặc tính vật lý của các khu vực tự nhiên, chẳng hạn như thay đổi về độ ẩm hoặc độ sáng và cường độ tổng thể của sự thay đổi. Sự gia tăng độ sáng thường liên quan đến cát lộ ra hoặc đất trống do ảnh hưởng của bão.
Sử dụng mô hình học máy, nhóm nghiên cứu có thể sử dụng những hình ảnh đó để dự đoán xác suất nhiễu động, đo lường ảnh hưởng của thảm họa thiên nhiên trên bề mặt đất. Cách tiếp cận này cho phép các nhà khoa học có thể tự động hóa bản đồ thảm họa và cung cấp phạm vi bao phủ toàn bộ trạng thái ngay sau khi dữ liệu vệ tinh được phát hành.
Hệ thống sử dụng dữ liệu từ 4 vệ tinh bao gồm Landsat 8, Landsat 9, đều do NASA và Cơ quan Khảo sát Địa chất Hoa Kỳ điều hành, và Sentinel 2A và Sentinel 2B, được phóng như một phần của chương trình Copernicus của Ủy ban Châu Âu.
Nếu nhân loại tiếp tục làm hành tinh ấm lên, làm các tảng băng ở Greenland và phía tây Nam Cực tan nhanh, chúng ta sẽ phải đo mực nước biển dâng bằng đơn vị yard chứ không chỉ là feet nữa. Điều quan trọng là phải tăng khả năng phục hồi và thích ứng với những thay đổi không thể tránh khỏi. Các công nghệ giám sát hiện tại không nhất thiết cung cấp một cái nhìn toàn cảnh về thiệt hại do bão, nhưng AI có thể thay đổi điều đó.
Các cơn bão cực đoan kèm theo lũ lụt hủy diệt đã được ghi nhận với tần suất ngày càng tăng trên các khu vực rộng lớn trên toàn cầu trong những năm gần đây.
Mặc dù các đội ứng phó thảm họa có thể dựa vào giám sát máy bay và thiết bị bay không người lái để xác định thiệt hại ở những khu vực nhỏ, nhưng khó có thể nhìn thấy bức tranh toàn cảnh về một thảm họa lan rộng như bão và lốc xoáy nhiệt đới khác. Hệ thống mới mà nhóm nghiên cứu đưa ra sẽ cung cấp một cách tiếp cận nhanh chóng bằng cách sử dụng các hình ảnh miễn phí do chính phủ sản xuất để xem bức tranh toàn cảnh lớn.
Một nhược điểm hiện tại là thời gian của những hình ảnh đó thường không được công bố rộng rãi cho đến vài ngày sau thảm họa.
Hiện các nhà khoa học tại Đại học Connecticut đang nỗ lực phát triển hệ thống giám sát gần thời gian thực của toàn bộ Hoa Kỳ liên tục để nhanh chóng cung cấp thông tin đất đai cập nhật nhất cho thảm họa thiên nhiên tiếp theo.