Hur NASA, Copernicus och Microsoft kartlade förstörelsen efter Venezuelas jordbävningar

När jorden skakar börjar klockan ticka. För första hjälpen i urbana miljöer efter en jordbävning är de första minuterna och timmarna avgörande för att hitta överlevande och bedöma skadorna.

Efter en serie jordbävningar med magnitud 7,2 och 7,5 som drabbade norra Venezuela den 24 juni, sattes högteknologisk utrustning i aktion ovanför jorden innan dammet hade lagt sig för att ge myndigheterna på marken den information de behövde för att rädda liv. En geospatial datakoordinering under FN:s ekosystem, som involverade NASA, EU:s Copernicusprogram och Microsofts AI for Good Lab, satte ett digitalt triage-system på prov för att hjälpa till att optimera de kritiska besluten som fattades av räddningsteamen under extrema förhållanden.

Radar mitt i dammet: Copernicus svar

På Venezuelas norra kust orsakade dammolnen över La Guaira och delar av Caracas, som orsakats av fallna byggnader, att vanlig satellitbild blev nästan värdelös.

Som svar aktiverade EU omedelbart sitt nödkartläggningsmekanism, som utnyttjade kraften från Sentinel-1-satelliterna.

Tekniken består i syntetisk aperturradar (SAR). Istället för att ta konventionella foton sänder SAR energipulser som studsar mot jordens yta och återvänder till sensorn.

Eftersom dessa radiovågor passerar genom atmosfären utan att påverkas av moln, damm eller nattens mörker, kan forskare få en kontinuerlig ögonblicksbild av terrängen.

Genom att jämföra de elektromagnetiska retursignalerna som samlades in före jordbävningen med de som erhölls timmar senare, identifierade olika maskinlärningsmodeller autonomt variationer i marktextur.

Detta möjliggjorde upptäckten av vägblockeringar orsakade av jordskred och sprickiga broar, vilket ledde räddningsarbetare till framkomliga vägar.

Att mäta sprickor från rymden

På en makroskala använde NASA sin radarinterferometri (InSAR)-verktyg, en teknik med millimeterprecision som jämför fasen på radarvågor vid olika tidpunkter.

Preliminära data från NISAR uppdraget (utvecklat i samarbete med den indiska rymdforskningsorganisationen, ISRO) bekräftade allvarliga förskjutningar i jordens skorpa, med en registrering av horisontella markrörelser på upp till 40 centimeter.

Med dessa deformationkartor i hand, bearbetade Conflict Ecology Lab vid Oregon State University (OSU) avläsningarna för att projicera påverkan på urban infrastruktur.

Forskarnas bedömning tydde på att upp till 58 870 byggnader hade drabbats av allvarliga skador eller kollapsat helt.

Denna sannolikhetsbaserade värmebild möjliggjorde för FN och räddningsteamen att fokusera sina resurser på de mest tätbefolkade och sårbara bostadsområdena, och undvika förlusten av värdefull tid genom att inspektera stabila zoner.

Strukturell klassificering under Microsofts baner

I en mindre skala fokuserade Microsofts AI for Good Lab sina resurser på att bearbeta högupplösta optiska bilder med hjälp av sin Planetary Computer-plattform.

Datorseende-modeller som tränats för bildsegmentering kartlade över 210 kvadratkilometer av den centrala kusten och den venezolanska huvudstaden.

Metodiken baserades på sannolikhetsmodeller. Istället för att fatta bestämda beslut, en uppgift som fortfarande kräver civilingenjörer på plats, tilldelade AI strukturella risknivåer till varje stadskvarter.

Denna algoritmiska bedömning var avgörande för fältet; enligt den officiella skaderapporten från Internationella organisationen för migration, möjliggjorde denna datakorsreferens att bestämma att 31,5% av strukturerna i Catia La Mar, en av de mest drabbade städerna i delstaten La Guaira, hade drabbats av allvarliga skador.

Idag, med räddningsuppdrag nu slutförda, fungerar denna sannolikhetsbaserade karta som den analytiska grunden för civilingenjörer att planera kontrollerade rivningar och urbana exklusionszoner.

Samverkan mitt i kaos

En av de största lärdomarna från denna nödsituation är att isolerad teknik är till liten nytta. För att ansträngningarna från NASA, EU och Microsoft skulle kunna översättas till verkliga räddningar var det nödvändigt att förena informationen. Genom att integrera dessa geospatiala analyser i FN:s öppna databaser kunde första hjälpen-team arbeta under en enda interaktiv karta.

Denna tekniska samordning efter jordbävningen i Venezuela visar att artificiell intelligens tillämpad på jordobservation inte längre är ett laboratorieexperiment; idag är det ett oumbärligt operativt verktyg.

Det gemensamma arbetet inte bara optimerade räddningsinsatser under krisens mörkaste ögonblick, utan etablerade också en metodisk förebild för urban motståndskraft i ansiktet av klimatförändringar och geologiska risker.