Hvordan NASA, Copernicus og Microsoft kortlagde ødelæggelsen efter Venezuelas jordskælv

Når jorden ryster, begynder uret at tikke. For førstehjælpere i urbane områder efter et jordskælv er de første minutter og timer afgørende for at lokalisere overlevende og vurdere skaderne.

Efter et par jordskælv med en størrelse på 7,2 og 7,5, der ramte det nordlige Venezuela den 24. juni, satte en geospatial datakoordinering under FN’s økosystem, der involverede NASA, det europæiske Copernicus-program og Microsofts AI for Good Lab, en digital triage-system i gang for at hjælpe med at optimere kritiske beslutninger, der blev truffet af redningsteams under ekstreme forhold.

Radar Midt i Støvet: Copernicus’ Svar

På Venezuelas nordkyst gjorde støvskyer over La Guaira og dele af Caracas, forårsaget af faldne bygninger, normalt satellitbilleddannelse næsten ubrugelig.

Som svar aktiverede Den Europæiske Union straks sin Copernicus nødkortningsmekanisme, der udnyttede kraften fra Sentinel-1-satellitterne.

Dens teknologi ligger i Synthetic Aperture Radar (SAR). I stedet for at tage konventionelle billeder udsender SAR energipulser, der bouncer af jordens overflade og returnerer til sensoren.

Da disse radiobølger passerer gennem atmosfæren uden at blive forstyrret af skyer, støv eller nattens mørke, kan videnskabsmænd få en kontinuerlig snapshot af terrænet.

Ved at sammenligne de elektromagnetiske bounce-signaler, der blev indsamlet før jordskælvet med dem, der blev indsamlet timer senere, identificerede forskellige maskinlæringsmodeller autonomt variationer i jordtekstur.

Dette gjorde det muligt at opdage vejspærringer forårsaget af jordskred og revnebroer, der guidede redningsarbejdere til farbare ruter.

Måling af Revner fra Rummet

På en makroskala udrustede NASA sin Radar Interferometri (InSAR)-værktøj, en millimeter-præcisionsteknik, der sammenligner fasen af radarbølger på forskellige tidspunkter.

Foreløbige data fra NISAR-missionen (udviklet i samarbejde med det indiske rumforskningsinstitut, ISRO) bekræftede alvorlige forskydninger i jordens skorpe, der optog horisontale jordbevægelser på op til 40 centimeter.

Med disse deformationskort i hænderne behandlede Conflict Ecology Lab på Oregon State University (OSU) læsningerne for at projicere impacten på bygningsinfrastrukturen.

Forskernes vurdering forskernes vurdering foreslog, at op til 58.870 bygninger led alvorlige skader eller kollapsede helt.

Dette probabilistiske varme-kort gjorde det muligt for FN og nødhjælps-hold at fokusere deres ressourcer på de mest tætbefolkede og sårbarhed-bygningsområder, og undgå tabet af værdifuld tid med at inspicere stabile zoner.

Strukturel Klassificering Under Microsofts Banner

I en mindre skalaanalyse fokuserede Microsofts AI for Good Lab sine ressourcer på at behandle meget højopløste optiske billeder ved hjælp af sin Planetary Computer-platform.

Computer-vision-modeller, der var trænet til billedsegmentering, kortlagde mere end 210 kvadratkilometer af den centrale kyst og den venezuelanske hovedstad.

Metoden var baseret på probabilistiske modeller. I stedet for at træffe deterministiske domme, en opgave, der stadig kræver civile ingeniører på stedet, tildelte AI strukturelle risikoniveauer til hver bydel.

Denne algoritmiske vurdering var afgørende for feltarbejdet; ifølge den officielle skade-rapport fra Den Internationale Organisation for Migration, gjorde denne data-krydsreferencing det muligt at fastslå, at 31,5% af strukturerne i Catia La Mar, en af de værst ramte byer i La Guaira-staten, led alvorlige skader.

I dag, hvor redningsmissionerne nu er afsluttet, fungerer denne samme probabilistiske kort som den analytiske basis for civile ingeniører til at planlægge kontrollerede demoleringer og urbane udelukkelseszoner.

Interoperabilitet Midt i Kaos

En af de største lærdomme fra denne nødsituation er, at isoleret teknologi er af little værdi. For NASA’s, EU’s og Microsofts indsats for at oversætte til reelle redninger var det afgørende at samle informationerne.

Dette teknologiske samarbejde efter jordskælvet i Venezuela demonstrerer, at kunstig intelligens anvendt til jordobservation ikke længere er et laboratorie-experiment; i dag er det en uundværlig operationel ressource.

Det fælles indsats optimerede ikke kun redningsoperationer under de mørkeste øjeblikke i krisen, men etablerede også en metodisk præcedens for æraen af urban resilience i mødet med klimaforandringer og geologiske risici.