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.