Analiza zdjęć satelitarnych z wykorzystaniem metod sztucznej inteligencji i systemów informatycznych pod kątem oceny utrzymania bezpieczeństwa infrastruktury przeciwpowodziowej
Wybierz format
RIS BIB ENDNOTEData publikacji: 08.04.2026
Ochrona ludności i dziedzictwa kulturowego, 2025, 6/2025, s. 79-94
https://doi.org/10.4467/29563763.OLDK.25.005.23247Autorzy
Analiza zdjęć satelitarnych z wykorzystaniem metod sztucznej inteligencji i systemów informatycznych pod kątem oceny utrzymania bezpieczeństwa infrastruktury przeciwpowodziowej
W artykule przedstawiono autorski system wspomagający ocenę bezpieczeństwa infrastruktury przeciwpowodziowej z wykorzystaniem danych satelitarnych oraz metod sztucznej inteligencji. Zaprojektowana architektura integruje dane z serwisów takich jak Planet Labs i Sentinel Hub, przetwarza je za pomocą zaawansowanych algorytmów przetwarzania obrazu i uczenia maszynowego, a następnie przekazuje wyniki do modułu decyzyjnego. Celem systemu jest identyfikacja zmian roślinności oraz deformacji strukturalnych w obrębie wałów i polderów, które mogą wskazywać na ryzyko obniżenia ich skuteczności. Artykuł omawia również możliwości dalszego rozwoju rozwiązania, w tym jego testowanie w rzeczywistych warunkach, integrację z danymi hydrologicznymi i meteorologicznymi oraz dostosowanie do potrzeb użytkowników instytucjonalnych i lokalnych społeczności.
Bamler, R., Hartl, P. (1998). Synthetic aperture radar interferometry, Inverse Problems, 14(4), R1.
Farmonaut. (2025). Utilize Farmonaut Engine to Monitor Levees Efficiently. Farmonaut Platform Report.
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., Moore, R. (2017).
Google Earth Engine: Planetary-scale geospatial analysis for everyone, Remote Sensing of Environment, 202, 18–27.
Gupta, S., Khan, M. (2024). Artificial intelligence for flood risk management, Journal of Environmental Informatics, 9(2).
Huang, X., Silva, M. (2024). Integrating remote sensing and social sensing for flood mapping, Journal of Flood Risk Science, 12(1).
Ivanov, P., et al. (2025). Deep Artificial Intelligence Applications for Natural Disaster Management, Environmental Informatics Reports, 5(2).
Jiang, Y., Ruetschi, M., Sainte Fare Garnot, V., et al. (2023). Accuracy and Consistency of Space-based Vegetation Height Maps for Forest Dynamics in Alpine Terrain, arXiv preprint, arXiv:2309.01797.
Kołodziejczyk, P., Zieliński, T. (2025). A comprehensive review of flood damage in mountainous regions, Environmental Reviews, 8(3).
Lee, H., Li, W. (2025). Geospatial Artificial Intelligence for Satellite-based Flood Extent Mapping: Concepts, Advances, and Future Perspectives, arXiv preprint, arXiv:2504.02214.1.
Meng, B., Xu, C., Zhu, Y. (2025). Flood Detection Modeling: Leveraging The SEN-1FLOOD11 Dataset for The Rio Colima River. ICLR 2025 Conference Proceedings.
Raspini, F., Bianchini, S., Moretti, S. (2018). Multi-temporal InSAR analysis of deformation phenomena in urban areas, Remote Sensing, 10(1), 76.
Shafiei, A., et al. (2024). A Deep Learning framework for rapid flood mapping using optical satellite imagery, Scientific Reports, 14, 69977.
Smith, J., et al. (2025). Enhancing Levee Inspections with Advanced Technology, Geomatics in Infrastructure Safety Journal.
Torres, R., Martinez, L. (2023). Optical Remote Sensing for Global Flood Disaster Mapping, Remote Sensing, 17(11), 1886.
Tuia, D., Schindler, K., Demir, B., et al. (2023). Artificial intelligence to advance Earth observation: A review of models, recent trends, and pathways forward, arXiv preprint, arXiv:2305.08413.
Wegmuller, U., Walter, D., Spreckels, V., Werner, C. (2010). Nonuniform ground motion monitoring with TerraSAR-X persistent scatterer interferometry, IEEE Transactions on Geoscience and Remote Sensing, 48(2), 895–904, https://doi.org/10.1109/TGRS.2009.2030792.
Xie, Y., Sha, Z., Yu, M. (2020). Remote sensing imagery in vegetation mapping: a review, Journal of Plant Ecology, 13(1), 1–12.
Informacje: Ochrona ludności i dziedzictwa kulturowego, 2025, 6/2025, s. 79-94
Typ artykułu: Oryginalny artykuł naukowy
Tytuły:
Akademia WSB w Dąbrowie Górniczej
Polska
Akademia WSB w Dąbrowie Górniczej
Polska
Publikacja: 08.04.2026
Status artykułu: Otwarte
Licencja: CC BY-NC-ND 4.0
Udział procentowy autorów:
Korekty artykułu:
-Języki publikacji:
Polski