@article{019b26cc-1793-7103-a7ae-8ff80912fbb5,
author = {Medjon Hysenaj},
title = {Monitoring zagrożeń w Albanii prowadzony przy pomocy sztucznej inteligencji: połączenie metod CLIP, segmentacji zobrazowań oraz web gis dla powodzi, pożarów i deforestacji},
journal = {Geoinformatica Polonica},
volume = {2025},
number = {Vol. 24 (2025)},
year = {2025},
issn = {1642-2511},
pages = {89-98},keywords = {CLIP; segmentacja zobrazowań; zobrazowania satelitarne; ryzyko środowiskowe; Web GIS},
abstract = {Albania staje się coraz bardziej narażona na katastrofy naturalne i antropogeniczne, takie jak powtarzające się powodzie w basenie Jeziora Szkoderskiego, pożary lasów na terenie obszarów chronionych w górach oraz trwająca deforestacja związana ze zmianami w użytkowaniu terenu. Skuteczny monitoring tych procesów napotyka liczne trudności, wynikające z rozproszenia zestawów danych, opóźnionego raportowania oraz ograniczonej integracji zaawansowanych metod analitycznych z systemami geoinformacyjnymi. W artykule przedstawiono propozycję hybrydowego ciągu AI-GIS, który łączy semantyczną klasyfikację zobrazowań z analizą ilościową, aby wspierać wykrywanie zagrożeń i zarządzanie kryzysowe.Podejście to integruje model kontrastywnego języka-przedtreningu obrazu (ang. Contrastive Language–Image Pretraining – CLIP) do zerojedynkowej klasyfikacji zobrazowań związanych z zagrożeniem z segmentacją na poziomie piksela i wskaźnikami spektralnymi wyprowadzonymi z danych teledetekcyjnych. CLIP umożliwia automatyczne etykietowanie zobrazowań i warstw zgodnie z naturalnymi podpowiedziami językowymi, takimi jak "zalane grunty rolnicze", "spalony las" lub "wylesione zbocze", dostarczając kontekstu semantycznego bez potrzeby ponownego treningu. Metody segmentacji i wskaźniki, w tym NDWI dla powodzi, NDVI dla utraty roślinności i dNBR dla oceny szkód spowodowanych pożarem, są następnie stosowane do kwantyfikacji rozmiaru przestrzennego zmienionych obszarów. Otrzymane wyniki są włączane do bazy danych PostGIS, gdzie umieszczono warstwy zagrożenia i atrybuty, a także połączono je z wyszukiwaniami przestrzennymi. Utworzone za pomocą Leaflet środowisko Web GIS zapewnia użytkownikom końcowym interaktywną wizualizację, panele oraz porównania w czasie.W artykule przedstawiono trzy scenariusze: mapowanie rozprzestrzeniania się pożarów w rejonie Szkodry, skutki pożaru w Parku Narodowym Lurë oraz monitoring deforestacji w rejonie Tropoi. Wyniki pokazują, że integracja klasyfikacji semantycznej z ekstrakcją ilościową zwiększa zarówno łatwość interpretacji, jak i dokładność oceny zagrożeń. Ramy te ukazują możliwości połączenia technologii AI i GIS w celu stworzenia w Albanii punktów monitoringu ryzyka środowiskowego, dostarczających danych, które są skalowalne, powtarzalne i istotne dla polityką zarządzania ryzykiem.},
doi = {10.4467/21995923GP.25.007.22862},
url = {https://ejournals.eu/czasopismo/geoinformatica-polonica/artykul/ai-driven-hazard-monitoring-in-albania-combining-clip-image-segmentation-and-web-gis-for-floods-fires-and-deforestation}
}