Mentre entriamo nella stagione degli incendi negli Stati Uniti, la prevenzione delle catastrofi e la gestione delle emergenze sono di fondamentale importanza. Secondo NPR , il servizio forestale degli Stati Uniti ha avvertito che quest’anno potrebbe essere più pericoloso del 2018, con un miliardo di acri di terra in tutta l’America a rischio di incendi catastrofici. Cosa si può fare per ridurre al minimo il rischio imminente e il danno inevitabile a venire? L’apprendimento automatico e l’intelligenza artificiale vengono ora utilizzati per sviluppare strumenti e approfondimenti che ottimizzano gli sforzi di preparazione alle catastrofi e prevedono il comportamento delle catastrofi naturali.
immagine da umass.edu
Un aumento delle catastrofi naturali comporta rischi ad ampio raggio per le comunità di tutto il mondo. Questo rischio viene spesso avvertito in modo molto acuto dalle comunità vulnerabili e povere, impreparate alle conseguenze devastanti di questi eventi. Un rapporto pubblicato lo scorso inverno su Nature Climate Change , mostra l’accelerazione di una vasta gamma di minacce tra cui uragani, inondazioni, siccità e carenza di acqua pulita, in tutto il mondo. Gli scienziati segnalano che se non intraprendiamo azioni immediate per ridurre le nostre emissioni di gas serra, entro il 2100, sperimenteremo fino a sei catastrofi naturali che si verificano simultaneamente sul pianeta in catastrofi di proporzione apocalittica.
Ora stiamo vivendo aria più secca, temperature più elevate e gravi siccità in più continenti. Man mano che più vapore acqueo evapora nell’atmosfera, potenti tempeste continueranno a intensificarsi. Il crescente calore atmosferico e un oceano in riscaldamento generano una maggiore velocità del vento con conseguenti tempeste tropicali amplificate. Poiché le nostre emissioni di gas hanno continuato a crescere inesorabilmente , e ci sono poche prove che suggeriscono che si farà molto in tempo per contrastare i problemi successivi.
Le organizzazioni di gestione delle catastrofi utilizzano sempre più algoritmi di apprendimento automatico per raccogliere dati migliori su rischi e vulnerabilità. Ciò consente ai professionisti del salvataggio di prendere decisioni più informate e salvare più vite. Twitter, Facebook, WhatsApp e il cercatore di persone di Google vengono ora utilizzati per raccogliere e analizzare i dati generati dalle vittime in più paesi durante le crisi. I civili pubblicano foto, video e informazioni sulla posizione, che possono essere inseriti in algoritmi di machine learning per fornire una direzione cruciale ai team di risposta.
La FEMA sta lavorando a stretto contatto con la National Oceanic and Atmospher Administration e la US Geological Survey per accedere ai dati in tempo reale e creare modelli predittivi che aiutano a preparare l’organizzazione per eventi meteorologici estremi. Durante l’uragano Sandy, FEMA ha utilizzato i dati dei social media per la prima volta per aiutare nelle loro decisioni di risposta alle emergenze. Una task force composta da volontari cittadini e dipendenti della FEMA ha analizzato milioni di messaggi Twitter sull’uragano Sandy al fine di identificare meglio ciò che stava accadendo sul campo.
Diverse organizzazioni hanno utilizzato l’apprendimento automatico per determinare “insediamenti informali” o baraccopoli che non sono ufficialmente registrati sui piani delle città al fine di rilevare le popolazioni vulnerabili. All’Oak Ridge National Lab, i ricercatori hanno utilizzato immagini satellitari per rilevare insediamenti in Afghanistan e Bolivia. Hanno analizzato il ruolo delle caratteristiche spaziali, strutturali e contestuali per la mappatura dei quartieri urbani e hanno calcolato diverse caratteristiche dell’immagine di basso livello su più scale per caratterizzare i quartieri locali.
Il dipartimento dei vigili del fuoco di Los Angeles , l’autorità dei vigili del fuoco di Orange County, San Diego Fire-Rescue e la Commissione per i servizi pubblici dello Stato della California hanno collaborato con il WIFIRE Lab per determinare meglio dove si diffonderanno gli incendi attivi e per pianificare meglio la loro risposta al fuoco. I ricercatori WIFIRE eseguono la modellazione predittiva e la previsione di incendi in tempo reale, utilizzando uno strumento chiamato Firemap . Uniscono insiemi di dati provenienti da una varietà di fonti, tra cui previsioni meteorologiche attuali, informazioni sulla vegetazione e sui paesaggi del Dipartimento degli Interni, dati di localizzazione satellitare della NASA e informazioni storiche sugli incendi, risultanti in osservazioni e visualizzazioni per facilitare il processo decisionale. Puoi accedere alle loro informazioni
Il team di supporto operativo GeoSpatial della Banca mondiale ha utilizzato l’apprendimento automatico per rilevare edifici ad alto rischio a Città del Guatemala. Una combinazione di immagini satellitari e di droni ha aiutato a identificare il materiale sul tetto che indicava una costruzione sottostante debole che è più vulnerabile ai terremoti. Delle 5000 case che sono state analizzate, 500 sono state identificate come necessitanti di un supporto strutturale aggiuntivo.
L’intelligenza artificiale e l’apprendimento automatico hanno cambiato le nostre esperienze di shopping online, scoperta di musica e intrattenimento. Ora, l’applicazione di questa tecnologia viene utilizzata per salvare vite umane.