Lo Strumento di Intelligenza Artificiale Simula Scenari di Alluvione con Immagini Satellitari Realistiche

Image from Garrison Flood Control

Lo Strumento di Intelligenza Artificiale Simula Scenari di Alluvione con Immagini Satellitari Realistiche

Tempo di lettura: 3 Min.

Lo strumento AI del MIT simula immagini realistiche di alluvioni utilizzando modelli basati sulla fisica, aiutando le comunità a visualizzare i rischi climatici e a prepararsi per gli uragani.

In fretta? Ecco i dati essenziali!

  • Testato a Houston, visualizza potenziali inondazioni simili all’impatto dell’uragano Harvey.
  • Le attuali mappe delle inondazioni utilizzano codici colore; questo aggiunge immagini realistiche simili a quelle dei satelliti.
  • I ricercatori lo definiscono un passo avanti nella visualizzazione del rischio climatico e nella preparazione del pubblico.

I ricercatori del MIT hanno sviluppato uno strumento di intelligenza artificiale che combina l’IA generativa con modelli basati sulla fisica per creare immagini satellitari realistiche di potenziali inondazioni.

La tecnologia potrebbe fornire un nuovo modo per le comunità di visualizzare gli impatti delle tempeste e prendere decisioni informate riguardo all’evacuazione e alla preparazione. Il team ha reso disponibile online il loro metodo “Earth Intelligence Engine” per permettere ad altri di esplorarlo.

Il team ha testato l’approccio a Houston, in Texas, simulando inondazioni causate da una tempesta simile all’uragano Harvey.

Generando immagini satellitari che rappresentano come specifiche aree potrebbero apparire dopo un tale evento, i ricercatori hanno confrontato i risultati con le effettive immagini satellitari scattate dopo Harvey.

I loro risultati hanno rivelato che combinando l’IA con un modello di alluvione basato sulla fisica si ottengono rappresentazioni più accurate delle inondazioni rispetto all’IA da sola, che a volte generava risultati irrealistici, come inondazioni in aree di altitudine superiore.

Lo strumento utilizza un metodo di apprendimento automatico chiamato rete generativa avversaria condizionale (GAN). La GAN è composta da due reti neurali: una genera immagini sintetiche, mentre l’altra ne valuta l’accuratezza rispetto ai dati reali.

Sebbene efficace, il processo può portare ad inesattezze visive, o “allucinazioni”, quando utilizzato da solo. Per migliorare l’affidabilità, il team ha integrato la GAN con un modello basato sulla fisica che tiene conto di fattori reali come le traiettorie delle tempeste, i modelli del vento e l’infrastruttura antiallagamento.

I ricercatori ritengono che questa combinazione di intelligenza artificiale e fisica potrebbe migliorare i metodi attuali di comunicazione del rischio di inondazione, che spesso si basano su mappe codificate a colori.

“L’idea è: Un giorno, potremmo utilizzare questo prima di un uragano, dove fornisce un ulteriore strato di visualizzazione per il pubblico”, ha detto Björn Lütjens, un ricercatore post-dottorato che ha guidato lo studio.

“Una delle sfide più grandi è incoraggiare le persone a evacuare quando sono a rischio. Forse questa potrebbe essere un’altra visualizzazione per aiutare ad aumentare questa prontezza”, ha aggiunto.

La ricerca, pubblicata su IEEE Transactions on Geoscience and Remote Sensing, evidenzia un potenziale uso dell’IA in contesti sensibili al rischio.

Hai apprezzato questo articolo?
Valutalo!
L'ho odiato Non mi è piaciuto Non male Molto bene! L'ho amato!

Siamo felici che ti sia piaciuto il nostro lavoro!

In qualità di stimato lettore, ti dispiacerebbe lasciare una recensione su Trustpilot? Richiede poco tempo e significa tantissimo per noi. Grazie mille!

Valutaci su Trustpilot
5.00 Votato da 3 utenti
Titolo
Commento
Grazie per la tua opinione!
Loader
Please wait 5 minutes before posting another comment.
Comment sent for approval.

Lascia un commento

Loader
Loader Mostra di più...