Partout dans le monde, les gens ont souffert de l'anxiété éprouvante d'attendre des semaines ou des mois pour savoir si leurs maisons ont été endommagées par des incendies de forêt qui brûlent avec une intensité accrue. Maintenant, une fois la fumée dissipée pour la photographie aérienne, les chercheurs ont trouvé un moyen d'identifier les dommages causés aux bâtiments en quelques minutes.

Grâce à un système qu'ils appellent DamageMap, une équipe de l'Université de Stanford et de la California Polytechnic State University (Cal Poly) a apporté une approche d'intelligence artificielle à l'évaluation des bâtiments :au lieu de comparer des photos avant et après, ils ont formé un programme utilisant l'apprentissage automatique pour s'appuyer uniquement sur des images post-incendie. Les résultats apparaissent dans le Journal international de la réduction des risques de catastrophe .

"Nous voulions automatiser le processus et le rendre beaucoup plus rapide pour les premiers intervenants ou même pour les citoyens qui pourraient vouloir savoir ce qui est arrivé à leur maison après un incendie de forêt, " a déclaré l'auteur principal de l'étude Marios Galanis, un étudiant diplômé du département de génie civil et environnemental de la Stanford's School of Engineering. "Les résultats de notre modèle sont à égalité avec la précision humaine."

La méthode actuelle d'évaluation des dommages consiste à faire du porte-à-porte pour vérifier chaque bâtiment. Bien que DamageMap ne soit pas destiné à remplacer la classification des dommages en personne, il pourrait être utilisé comme un outil supplémentaire évolutif en offrant des résultats immédiats et en fournissant les emplacements exacts des bâtiments identifiés. Les chercheurs l'ont testé à l'aide de divers satellites, photographie aérienne et par drone avec une précision d'au moins 92 pour cent.

"Avec cette application, vous pourriez probablement scanner toute la ville de Paradise en quelques heures, " a déclaré l'auteur principal G. Andrew Fricker, professeur assistant à Cal Poly, faisant référence à la ville du nord de la Californie détruite par l'incendie de camp de 2018. "J'espère que cela pourra apporter plus d'informations au processus de prise de décision pour les pompiers et les intervenants d'urgence, et également aider les victimes d'incendie en obtenant des informations pour les aider à déposer des réclamations d'assurance et à reprendre leur vie en main."

Une approche différente

La plupart des systèmes informatiques ne peuvent pas classer efficacement les dommages causés aux bâtiments car l'IA compare les photos post-catastrophe avec les images pré-catastrophe qui doivent utiliser le même satellite, angle de caméra et conditions d'éclairage, qui peuvent être coûteux à obtenir ou indisponibles. Le matériel actuel n'est pas assez avancé pour enregistrer quotidiennement une surveillance haute résolution, les systèmes ne peuvent donc pas se fier à des photos cohérentes, selon les chercheurs.

Plutôt que de rechercher des différences entre les images avant et après, DamageMap utilise d'abord des photos avant le feu de tout type pour cartographier la zone et localiser les emplacements des bâtiments. Puis, le programme analyse les images post-incendie pour identifier les dommages à travers des caractéristiques telles que les surfaces noircies, les toits effondrés ou l'absence de structures.

« Les gens peuvent savoir si un bâtiment est endommagé ou non - nous n'avons pas besoin de l'image d'avant-nous avons donc testé cette hypothèse avec l'apprentissage automatique, " a déclaré le co-auteur Krishna Rao, un étudiant diplômé en science du système Terre à la Stanford's School of Earth, Sciences de l'énergie et de l'environnement (Stanford Earth). "Cela peut être un outil puissant pour évaluer rapidement les dommages et planifier les efforts de reprise après sinistre."