evidoria

← Voltar à navegação

Boa prática Importada

DISHA — o Fluxo de Avaliação de Danos com IA da UNOSAT e da Google Research, Utilizado nas Cheias de 2026 na Colômbia

Colômbia · Bogotá · Ver o perfil de Colômbia · Ver o perfil de Bogotá

Evidência: Observacional / pré-pós Top 12% 80/100 · Pergunte a Evidence Copilot sobre esta prática

O fluxo DISHA, da UNOSAT e da Google Research, usa IA para acelerar a avaliação de danos após catástrofes, reduzindo o tempo de análise em 6 vezes em 9 emergências testadas. Foi usado nas cheias da Colômbia de fevereiro de 2026 (mais de 580 mil afetados) e no furacão Melissa na Jamaica, apoiando a resposta de governos e da ONU.

7 x
Aumento da área que os analistas conseguem cobrir (across 9 tested emergencies)
6 x faster (to under a day)
Redução do tempo para produzir conclusões indicativas de danos (across 9 tested emergencies)
11 activations
Ativações reais até à data (since workflow became operational (~2023))
385,000+ buildings
Edifícios avaliados após o furacão Melissa (Jamaica) (October 2025)
580,000+ people
Pessoas afetadas, inundações na Colômbia de fevereiro de 2026 (as of 6 March 2026)
DISHA — o Fluxo de Avaliação de Danos com IA da UNOSAT e da Google Research, Utilizado nas Cheias de 2026 na Colômbia

Detalhes

Maturidade
Consolidada
Promotor
UNOSAT (UNITAR) & Google Research / UN Global Pulse, with Colombia's national government
Período
Workflow operational since ~2023; Colombia activation February 2026
Palavras-chave
disaster response, satellite imagery, humanitarian AI, public safety

Contexto

As equipas de resposta a catástrofes precisam de estimativas rápidas e fiáveis dos danos em edifícios após sismos, inundações e tempestades, mas a análise manual de imagens de satélite e de radar é lenta e exige muita mão de obra.

Objetivos

O UNOSAT (o Centro de Satélites da ONU), a UN Global Pulse e a Google Research desenvolveram o DISHA, um fluxo de trabalho assistido por IA para produzir avaliações rápidas e indicativas de danos após catástrofes, cruzando mapas de edifícios derivados de IA com imagens de satélite de radar e óticas.

Atividades

Um modelo de IA de zero-shot (SKAI) dá aos analistas uma primeira indicação sobre as zonas com maiores danos em edifícios, permitindo que os especialistas do UNOSAT concentrem a análise detalhada onde é mais necessária. Este fluxo de trabalho já foi utilizado em 11 ativações reais para sismos, inundações e ciclones, incluindo o furacão Melissa na Jamaica (outubro de 2025) e as inundações da Colômbia de fevereiro de 2026, nas quais o UNOSAT cruzou mapas de edifícios derivados de IA com imagens de radar para informar o planeamento da resposta tanto do governo nacional colombiano como das agências da ONU.

Resultados

Em nove emergências testadas, o fluxo de trabalho permitiu aos analistas cobrir cerca de sete vezes mais área e reduzir para um sexto o tempo necessário para produzir conclusões indicativas de danos, passando a menos de um dia. Após o furacão Melissa, atribuiu pontuações de danos preliminares a mais de 385 000 edifícios; as inundações na Colômbia de fevereiro de 2026 afetaram mais de 580 000 pessoas, destruíram mais de 4000 habitações e danificaram cerca de 23 000 (dados da UNITAR à data de 6 de março de 2026).

Conclusões

Os próprios operadores da ferramenta descrevem-na como produzindo orientações preliminares e indicativas para analistas especializados, e não uma avaliação final, e os dados de desempenho provêm dos relatórios da própria Google e da ONU, e não de uma auditoria independente de terceiros.

Implementação
Custo indicativo
Médio (50 mil–500 mil €) — Not publicly disclosed; operated by a standing UN/Google Research coalition rather than a bespoke national build.
Tempo até resultados
Médio (1–3 anos) — Workflow operational since approximately 2023; Colombia activation in February 2026.
Equipa e competências
UNOSAT (UNITAR) analysts and UN Global Pulse, Google Research technical team (SKAI model), Colombia's national government as the receiving/using institution for the February 2026 activation

Condições de sucesso

  • Using the AI model as a fast first-pass filter, with expert human analysts reviewing and focusing on the flagged areas rather than fully automating assessment
  • Cross-referencing multiple imagery sources (AI-derived building maps, radar and optical satellite imagery) rather than relying on a single data source
  • A standing institutional partnership (UNOSAT/UN Global Pulse with Google Research) enabling repeat activation across many countries and disaster types

Modos de falha comuns

  • Described by its own operators as preliminary, directional guidance rather than a finished assessment
  • Performance figures come from the operators' own reporting rather than an independent third-party audit
  • No public technical documentation or accuracy report specific to the Colombia activation

Onde se enquadra

Tipo de governação
UN-agency-run, deployed with national government
Escala
multi-country (11 activations)
Nível de rendimento
mixed (deployed in varied income-level countries)

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis