Hvordan NASA, Copernicus og Microsoft kartla opp ødeleggelsen etter jordskjelv i Venezuela

Når jorden rister, begynner klokken å tikke. For første hjelpere i urbane områder etter et jordskjelv, er de første minuttene og timene avgjørende for å finne overlevende og vurdere skadene.

Etter et par jordskjelv med styrke 7,2 og 7,5 som rammet nordlige Venezuela den 24. juni, satte teknologien for nødhjelp høyt over jorden i gang før støvet hadde lagt seg for å gi myndighetene på bakken den informasjonen de trengte for å redde liv. En geospatial datakoordinering konsolidert under FNs økosystem, som involverte NASA, det europeiske Copernicus-programmet og Microsofts AI for Good Lab, satte et digitalt triage-system til prøve for å hjelpe med å optimalisere kritiske beslutninger som ble tatt av redningsteam under ekstreme forhold.

Radar i støvet: Copernicus’ respons

På Venezuelas nordkyst, forårsaket støvskyer over La Guaira og deler av Caracas av falt bygninger, gjorde vanlig satellittbilder nesten ubrukbare.

Som respons, aktiverte Den europeiske union umiddelbart sitt nødhjelpskartleggingsmekanisme, og utnyttet kraften fra Sentinel-1-satellittene.

Teknologien ligger i Synthetic Aperture Radar (SAR). I stedet for å ta vanlige fotografier, sender SAR energipulser som bouncer av jordens overflate og returnerer til sensoren.

Siden disse radiobølgene passerer gjennom atmosfæren uten å bli forstyrret av skyer, støv eller nattens mørke, kan forskerne få en kontinuerlig øyeblikksbilde av terrenget.

Ved å sammenligne de elektromagnetiske bølgesignalene som ble samlet inn før jordskjelvet med de som ble samlet inn timer senere, identifiserte ulike maskinlæringsmodeller autonomt variasjoner i bakkestruktur.

Dette tillot oppdagelsen av veiblokkasjoner forårsaket av jordskred og sprekkede broer, og guidet redningsteamene til farbare ruter.

Måling av sprekk fra rommet

På en makroskala, deployerte NASA sitt Radar Interferometry (InSAR)-verktøy, en teknikk med millimeterpresisjon som sammenligner fasen av radarbølger på ulike tidspunkter.

Preliminære data fra NISAR-misjonen (utviklet i samarbeid med det indiske romforskningsorganet, ISRO) bekreftet alvorlige forskyvninger i jordens skorpe, og registrerte horisontale bevegelser på opptil 40 centimeter.

Med disse deformasjonskartene i hånden, prosesserte forskerne ved Conflict Ecology Lab ved Oregon State University (OSU) målingene for å projicere effekten på byens infrastruktur.

Forskernes vurdering antydet at opptil 58 870 bygninger led alvorlige skader eller kollapset fullstendig.

Dette sannsynlige varmebildet tillot FNs og nødhjelpsteamene å fokusere resursene på de mest tett befolkede og sårbare boligområdene, og unngikk tap av verdifull tid på å inspisere stabile soner.

Strukturell klassifisering under Microsofts banner

I en mindre skala, Microsofts AI for Good Lab fokuserte resursene på å prosessere svært høyoppløste optiske bilder ved hjelp av sin Planetary Computer-plattform.

Datamaskinmodellene, som var trenet for bildesegmentering, kartla over 210 kvadratkilometer av kysten og den venezuelanske hovedstaden.

Metoden var basert på sannsynlighetsmodeller. I stedet for å gjøre bestemte vurderinger, en oppgave som fortsatt krever sivile ingeniører på bakken, tildelte AI strukturelle risikonivåer til hver bydel.

Denne algoritmbaserte vurderingen var avgjørende for feltarbeidet; ifølge den offisielle skade-rapporten fra Den internasjonale organisasjonen for migrasjon, gjorde denne datakrysningene det mulig å fastslå at 31,5% av strukturerna i Catia La Mar, en av de verst rammede byene i La Guaira-statene, led alvorlige skader.

I dag, med redningsoppdragene nå fullført, tjener denne samme sannsynlige kartet som den analytiske grunnlaget for sivile ingeniører til å planlegge kontrollerte demoleringer og urbane eksklusjonszoner.

Interoperabilitet i kaosens midte

En av de største lærdommene fra denne nødsituasjonen er at isolert teknologi er til liten nytte. For at innsatsen fra NASA, EU og Microsoft skal kunne oversettes til reelle redninger, var det essensielt å samordne informasjonen.

Dette teknologiske samarbeidet etter jordskjelvet i Venezuela demonstrerer at kunstig intelligens som brukes til jordobservasjon ikke lenger er et laboratorieeksperiment; i dag er det en uunnværlig operasjonell ressurs.

Det felles innsatsen optimaliserte ikke bare redningsoperasjonene under de mørkeste øyeblikkene av krisen, men etablerte også en metodisk presedens for epoken av urban motstandskraft i møte med klimaendringer og geologiske risiko.