An Open-Source Tool for Mapping War Destruction at Scale in Ukraine using Sentinel-1 Time Series

要約

人道団体が武力紛争の影響を最も受けている人々を効果的に支援するには、詳細な戦争影響評価へのアクセスが不可欠です。
しかし、特に広大な領土をカバーし、長期間に及ぶ紛争では、現場の状況を包括的に理解し続けることは困難です。
この研究は、戦争によって引き起こされた建物への被害を推定するための、スケーラブルで応用可能な方法を提示します。
まず機械学習モデルをトレーニングして、合成開口レーダー (SAR) 衛星画像の時系列からピクセル単位の破壊確率を出力します。これには、グランド トゥルースとしての既存の手動損傷評価と、大規模な推論のためのクラウドベースの地理空間分析ツールを活用します。
さらに、オープンな建物のフットプリントを使用してこれらの評価を後処理し、建物ごとの最終的な被害推定値を取得します。
ユーザーが特定の要件やユースケースに基づいて信頼区間を調整できるようにする、アクセス可能なオープンソース ツールを紹介します。
私たちのアプローチにより、人道団体やその他の関係者は、戦争の影響について広い地理的地域を迅速に検査することができます。
当社では、一般にアクセス可能な 2 つのダッシュボードを提供しています。事前に計算された推定値を動的に表示するウクライナダメージ エクスプローラーと、メソッドを簡単に実行してカスタム マップを作成するラピッドダメージ マッピング ツールです。

要約(オリジナル)

Access to detailed war impact assessments is crucial for humanitarian organizations to effectively assist populations most affected by armed conflicts. However, maintaining a comprehensive understanding of the situation on the ground is challenging, especially in conflicts that cover vast territories and extend over long periods. This study presents a scalable and transferable method for estimating war-induced damage to buildings. We first train a machine learning model to output pixel-wise probability of destruction from Synthetic Aperture Radar (SAR) satellite image time series, leveraging existing, manual damage assessments as ground truth and cloud-based geospatial analysis tools for large-scale inference. We further post-process these assessments using open building footprints to obtain a final damage estimate per building. We introduce an accessible, open-source tool that allows users to adjust the confidence interval based on their specific requirements and use cases. Our approach enables humanitarian organizations and other actors to rapidly screen large geographic regions for war impacts. We provide two publicly accessible dashboards: a Ukraine Damage Explorer to dynamically view our pre-computed estimates, and a Rapid Damage Mapping Tool to easily run our method and produce custom maps.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google