1. Beskrivning av problem
Rapporten undersökte det globala delmålet 1.5 “Bygg motståndskraft mot ekonomiska, sociala och miljökatastrofer” tillsammans med olika IT-relaterade lösningar inom området. Globala målen förklarar att mål 1.5 innebär att till år 2030 bygga upp motståndskraften hos fattiga och människor i utsatta situationer och göra deras utsatthet och sårbarhet vid extrema klimatrelaterade händelser mindre. Men målet inkluderar även andra ekonomiska, sociala och miljömässiga chocker och katastrofer. Fokus har valts att läggas på klimatrelaterade händelser och naturkatastrofer för nedanstående befintliga it-relaterade lösningar.
2. Befintliga IT-baserade lösningar
3.1 DroneAid
Originalversionen av DroneAid skapades 2018 av Pedro Cruz efter han upplevt orkanen Maria i Puerto Rico. Han använde vid det tillfället sin drönare för att flyga runt kvarteret där han kunde se handskrivna meddelanden som visade vad folk hade behov av. Det var då han insåg att han kunde skapa en standardiserad lösning i syfte att kunna ge en respons. DroneAid använder ett symbol-språk som gör att människor som påverkats av naturkatastrofer kan uttrycka sina behov och göra dem synliga för drönare, flygplan och satelliter då vanlig kommunikation inte fungerar. Drabbade kan använda sig utav ett förpackat kit med symboler som dem har fått alternativt återskapa symbolerna med material som dem har tillgängliga. Symbolerna kan kompletteras med nummer för att kunna ange ett antal för behovet eller antal människor som behöver exempelvis vatten (GitHub).
Video med mer information om DroneAid
3.2 Project Lantern
Suba Usayasankar bestämde sig efter jordbävningen 2017 i Mexico City att hjälpa till och skydda hennes samhälle. Tillsammans med en grupp ingenjörer skapade dem Project Lantern. Lantern är en hårdvara kombinerad med en mjukvara som gör att människor kan vara uppkopplade då den vanliga uppkopplingen inte fungerar. Detta är möjligt genom ett antal 3D-tryckta enheter som är fördelade inom staden som kallas “Lanterns”. Alla Lanterns kopplas sedan till varandra för att skapa ett lokalt nätverk offline. På det sättet kan anslutning och kommunikation under katastrofer skapas (IBM). IBM Industries förklarar att Lanterns kan användas för att skapa en anslutning då folk är uppkopplade men också att samla in data och skapa en slags synlighet över hur bra eller dålig situationen är. Till exempel kan ett område behöva vatten medan ett annat behöver medicin. Eftersom Lanterns har en egen databas kan dem skicka ut en applikation till en vanlig mobiltelefon.
Video med mer information om Project Lantern
3.3 WOTA
Tsunamin i Japan 2011 bidrog till att många hem var utan rinnande vatten upp till 3 månader efteråt. Skyddsrum kunde erbjuda drickbart vatten men inte vatten för att kunna duscha och tvätta vilket ledde till stora hälsorisker. Riki Kitagawa, Shohei Okudera, Yosuke Maeda, Richard Yuwono, Hiroki Suma, Satoshi Tokunaga och Ryo Yamada skapade en lösning för detta, WOTA. WOTA är en kompakt och billig vattensensor-modul som använder Internet of Things (IoT) teknologi för att kunna göra det möjligt att mäta vattnets kvalitet, flöde och tryck. Med hjälp av WOTA blir rening effektiv eftersom systemet kan återvinnas och återanvända mer än 95 % av avloppsvattnet från en dusch. Duscharna är dessutom bärbara och kan därför placeras i skyddsrum med enbart en vattenbehållare. WOTA är fördelaktigt på det sättet att det blir lättare att ge människor rent vatten under katastrofer vilket leder till att hälsoriskerna minskas (IBM).
Video med mer information om WOTA
3.4 Combining Geo-Information Technology and Empirical Knowledge to Improve Natural Disaster Early Warning and Monitoring Systems in Brazil
Befolkningstillväxt i stadsområden gör att människors sårbarhet vid naturkatastrofer ökar. Brasilien är ett exempel. Det automatiska pluviometriska nätverket som finns idag räcker inte för att kunna övervaka och förebygga dödsfall som beror på jordskred och översvämningar i 821 kommuner. Därför vill man stödja varnings- och övervakningssystem tidigt och göra regndata nära realtid tillgänglig. National Early warning and Monitoring Centre of Natural Disasters (Cemanden) har utfört ett institutionellt projekt i syfte att skaffa och identifiera bästa möjliga platser som 1400 automatiska pluviometrar i riskområden där det befintliga nätet är knappt. Cemanden har utvecklat en databas som kan ge detaljerad information om lämpliga platser där pluviometrarna kan installeras inuti eller i närheten av riskområden. Detta ska leda till mer effektivitet och förtroende för tidiga varningar för jordskred och översvämningar samt skapa ett ökat engagemang hos myndigheter (Soler, Goncalves, Gregorio, Leal & Saito).
3.5 One Concern
One Concern är en AI och maskininlärnings driven plattform som syftar till att förutspå naturkatastrofers påverkan. One Concern utvecklade plattformen eftersom naturkatastrofer är oundvikliga och kan leda till förödelse i städer oavsett hur utvecklade dem är. De ville kunna förbereda sig innan katastrofen bryter ut och förutsäga vilka områden som kommer att bli mest drabbade. Plattformen använder social och ekonomisk data men även AI för att kunna undersöka en stads svagheter. Fördelen med den här typen av lokal data är att den gör det möjligt för beslutsafattare att ta beslut innan en katastrof sker så att städer och sårbara befolkningar med större risker kan skyddas. Men den ska också få användare att göra smartare, mer informerade och snabba beslut under och efter en katastrof. One Concern kan genom kollektiv intelligens integrera mänsklig kunskap och expertis. På det sätt kan AI-drivna rekommendationer levereras i realtid (The index project)
3.6 How Drones Can Help in Humanitarian Crises
“Drones in humanitarian Action” är ett EU-grundat initiativ som ser över effektiviteten hos drönare under humanitära kriser men också samlar och delar bästa praxis. Drönare är vanligt använda under humanitära operationer eftersom de kan hjälpa människor att nå folk i behov snabbare. Drönare är små, billiga och snabba då det kommer till att fånga bilder över ett område som drabbats av en katastrof. Drönare har högre upplösning än satellitbilder vilket gör att det går att få en tydligare bild om vad som hänt under katastrofen och kan flyga under moln vilket är viktigt under situationer med orkaner och tyfoner eftersom det kan ta 2-3 dagar innan en satellitbild kan fånga bilder på marken (EU).
3.7 SOS Alerts
SOS Alerts är funktioner i Google Search och Google Maps som hjälper människor att förstå vad som pågår och vad dem bör göra under en kris. När människor söker efter en olycka eller plats kan en SOS-varning dyka upp. Då syns kartor, topp-händelser och om det finns dyker även telefonnummer, webbplatser och översättning av användbara fraser för nödsituationer upp. Om personen befinner sig i närheten av det drabbade området kan personerna också få notiser i sina telefoner som länkar dem till informationen. Folk utanför den drabbade zoonen kan också genom att söka på händelsen eller platsen få en överblick över situationen och få tillgång till funktioner för att donera.
I Google Maps på telefoner går det också att visa SOS-alarm. Detta syns genom en specifik ikon på kartan där det går att trycka på ett “kort” med mer information om händelsen, till exempel med användbara telefonnummer och webbplatser. Google Maps använder realtidsuppdateringar för exempelvis vägar som stängts av och uppdateringar om genomresor (Google).
3.7.1 AI-enabled flood forecasting
Varje år uppskattas att 250 miljoner människor i världen drabbas av översvämningar. Det är en förödande naturkatastrof i hela världen och skadorna kostar flera miljarder dollar. Översvämningprognoser (flood forecasting) är ett hjälpmedel för individer och myndigheter i syfte att förbereda människor att hålla sig säkra. Däremot är de nuvarande prognoserna inte tillgängliga i många områden och dem systemet för varningar som finns kan vara oprecis och inte angripbar. Ett resultat av detta är att folk är oförberedda och underinformerade innan översvämningarna sker. För att lösa problemet har AI och kombinerat med en beräkningskraft använts i syfte att skapa bättre prognosmodeller som förutspår när och var översvämningarna kommer att ske någonstans. Informationen har inkluderats i Google Public Alerts. Genom att bland annat historiska händelser, flodnivåavläsningar samt att terrängen och höjden av en specifik yta inmatas i modellerna kan kartor skapas och hundratusentals simuleringar kan köras på varje plats. Med den informationen har modeller kunnats skapats för översvämningsprognoser som är mer exakta. Förutom att förutsäga när och var en översvämning kommer att ske kan även händelsens svårighetsgrad avgöras (Google).
3.8 New AI tool could solve a deadly Earthquake problem
Science alert skriver att ett efterskalv ofta kan vara lika skräckinjagande som själva jordbävningen i sig. Att folk vet vad som händer efter jordbävningen är viktigt eftersom efterskalv kan leda till ytterligare skador, ytterligare dödsfall, skada byggnader och göra räddningsinsatser komplicerade. Forskare har utvecklat ett system för att förutsäga efterskalvet plats genom en applikation med artificial intelligence (AI). Forskare från Harvard University har lärt AI att krossa sensordata och tillämpa djupinlärning (deep learning) för att kunna göra mer precisa förutsägelser. Forskarna som tagit fram systemet säger att det inte är redo att användas ännu men att det är mer pålitligt än nuvarande förutsägelsemodeller som används för efterskalven. Maskininlärning (machine learning) är en aspek av AI och innebär att maskiner lär sig från uppsättningar av data så att dem kan hantera nya problem som dem inte har blivit programmerade till att utföra. Djupinlärning (deep learning) är mer avancerat och använder nervnätverk för att försöka härma hjärnans tänkande. Djup inlärning kan eventuellt reda ut mönster som mänskliga analytiker aldrig skulle kunna upptäcka. Detta innebär att AI kan se fler möjliga resultat på en gång och väga upp en mer komplex karta över faktorer och överväganden på det sättet som nervceller i hjärnan skulle göra. Detta är ett bra sätt för att avgöra skalvets styrka, positionen av tektoniska plattor och den berörda markens typ.
4. Diskussion
I rapporten tas olika IT-baserade lösningar upp för olika typer av naturkatastrofer. AI verkar vara något som många har börjat arbeta mycket med och som säkert kommer att förbättras ytterligare de kommande åren. Drönare verkar också vara en populär lösning och ibland en ersättare för satellitbilder. Kommunikationen är också en viktig del då det kommer till olika typer av kriser. Rapporten har tagit upp några olika förslag på detta. Det positiva med IT-lösningar idag är att kommunikationen har en chans att nå ut snabbare än då radio och television var dem sätten som mest användes för att sprida information. Nästan alla har en smartphone idag som kan användas på flera sätt under en kris. Men det utvecklas även andra lösningar för naturkatastrofer då inget nätverk eller internetuppkoppling finns. Det vore fantastiskt om alla de länder som har en risk att drabbas av naturkatastrofer i framtiden kan få ta del av alla bra lösningar som finns som hjälpmedel.