Jump to Content

Prédire les catastrophes naturelles pour protéger les populations

Créer des modèles d'IA pour des prévisions plus précises afin d'aider les communautés à se préparer aux catastrophes naturelles.

Prévision d'inondations optimisée par l'IA

Play silent looping video Pause silent looping video

Flood Hub

Flood Hub affiche nos prévisions de pointe concernant les crues, en montrant la trajectoire des inondations jusqu'à sept jours à l'avance dans 150 pays. Il inclut également des prévisions de crues soudaines pour les zones urbaines jusqu'à 24 heures à l'avance, afin de fournir aux gouvernements, aux organisations à but non lucratif et aux utilisateurs des informations essentielles et exploitables.

Carte du monde affichant une carte de densité des données en Afrique, en Asie, en Australie et en Europe, avec de petits points de repère rouges en superposition. Sur la droite, une légende verticale en couleur indique le nombre de points de données à l'aide d'une échelle logarithmique allant de 10 puissance 0 à 10 puissance 5, allant du violet foncé au jaune vif.

Groundsource

Groundsource utilise Gemini pour transformer des millions de rapports publics en archives de données de haute qualité afin d'améliorer la prévision des crises. Notre ensemble de données en accès libre sur les crues soudaines en milieu urbain comprend 2,6 millions d'enregistrements et a été utilisé pour entraîner notre nouveau modèle de prévision des crues soudaines en milieu urbain.

Détection précoce et suivi en temps réel des feux de forêt

Rendu numérique en 3D de la planète Terre illuminée dans des tons violets et entourée d'un réseau complexe de fines lignes orbitales qui se croisent et suivent la trajectoire de plusieurs satellites de communication dans l'espace.

FireSat

Développé en partenariat avec l'Earth Fire Alliance et Muon Space, FireSat utilise l'imagerie satellitaire multispectrale et l'IA pour fournir des informations sur les feux de forêt en temps quasi réel. Lorsque la constellation sera entièrement opérationnelle, elle fournira des mises à jour toutes les 20 minutes, ce qui permettra de détecter des feux de forêt de la taille d'une salle de classe.

Play silent looping video Pause silent looping video

Suivi de l'étendue des incendies

Nous utilisons l'IA et l'imagerie satellitaire pour cartographier l'étendue des grands feux de forêt et les afficher sur Google Maps et dans la recherche Google dans plus de 30 pays.

Détection des séismes

Play silent looping video Pause silent looping video

Alertes de séisme Android

Nous avons développé un système qui détecte les séismes à l'aide de mesures agrégées provenant d'un réseau mondial de smartphones Android équipés d'accéléromètres (qui fonctionnent comme de minuscules sismomètres). Cela nous permet d'alerter les utilisateurs situés hors de l'épicentre quelques secondes avant le début des secousses, afin qu'ils puissent se mettre à l'abri.

Prévoir les événements climatiques extrêmes

Interface d'un modèle météorologique WeatherNext qui affiche des trajectoires de suivi avancées pour un ouragan dans l'océan Atlantique Nord. La carte montre une prévision d'ensemble, qui s'étend des Caraïbes jusqu'aux Bermudes et à la côte est des États-Unis, avec de nombreuses lignes de trajectoire courbes passant du jaune et de l'orange au rose, ainsi qu'une ligne noire épaisse traçant la trajectoire principale prévue.

WeatherNext

WeatherNext fournit nos prévisions les plus précises pour les événements climatiques extrêmes. Il est utilisé par le National Hurricane Center américain pour étayer ses prévisions et a permis de prédire avec une grande fiabilité la trajectoire et l'intensité des cyclones plusieurs jours à l'avance. WeatherNext sert également à alimenter tous les résultats météorologiques de Google.

Évaluation des dégâts après une catastrophe

Image satellite en écran partagé qui montre l'évaluation des dégâts après une catastrophe par le modèle SKAI. Le panneau de gauche montre une vue aérienne d'une zone urbaine côtière avant une catastrophe, tandis que le panneau de droite affiche la même zone après la catastrophe, avec de nombreux points rouges en superposition qui indiquent les dommages structurels et les dégâts causés aux bâtiments détectés par l'IA.

SKAI

SKAI est un modèle d'évaluation des dommages post-catastrophes basé sur l'IA. Développé en partenariat avec le Programme alimentaire mondial (PAM) des Nations unies et UN DISHA, il est conçu pour accélérer le travail des organisations d'aide humanitaire à la suite de catastrophes naturelles. En comparant des images satellite prises avant et après une catastrophe à l'aide du machine learning (apprentissage automatique) et de la vision par ordinateur, le système peut cartographier les dommages structurels et les dégâts causés aux bâtiments dans de vastes zones urbaines en temps quasi réel.