ระบุพิกัดที่มีแสงออกมาในเปอร์โตริโก

sanjuan_vir_2017271

บันทึกเมื่อ 27 – 28 กันยายน พ.ศ. 2560

หลังจากพายุเฮอร์ริเคนมารีอาพัดผ่านประเทศเปอร์โตริโกก็เป็นที่แน่ชัดว่าการพัดครั้งนี้ก่อให้เกิดความท้าทายที่น่ากลัวสำหรับทีมกู้ภัยทีมแรก ระบบไฟฟ้าและเครือข่ายโทรคมนาคมส่วนใหญ่ถูกตัดขาด น้ำท่วม ต้นไม้โค่นล้ม ทำให้ถนนหลายสายไม่สามารถผ่านได้  ในสถานการณ์เช่นนี้ การรู้ได้อย่างรวดเร็วว่าพื้นที่ไหนไฟดับ – และจะดับเป็นระยะเวลาเท่าใด – จะช่วยทำให้ทีมกู้ภัยสามารถออกไปกู้ภัยและซ่อมแซมได้ดีขึ้นและเพื่อไปแจกจ่ายอุปกรณ์ช่วยชีวิต และนั่นคือเหตุผลว่าทำไมทีมนักวิทยาศาสตร์ของนาซากำลังทำงานอยู่เป็นเวลานานเพื่อให้แน่ใจว่ากลุ่มต่างๆเช่น กองกำลังพิทักษ์ชาติ (National Guard) และ สำนักจัดการภาวะฉุกเฉินกลาง (Federal Emergency Management Agency, FEMA) ได้รับแผนที่ดาวเทียมที่มีคุณภาพสูงเกี่ยวกับปัญหาไฟดับในเปอร์โตริโก

ภาพก่อนและหลังของไฟดับในเปอร์โตริโกนี้ใช้ข้อมูลจากดาวเทียม Suomi NPP ข้อมูลที่ได้จาก รังสีอินฟราเรดที่มองเห็นด้วยชุดเครื่องวัดรังสี (VIIRS) “แถบกลางวัน – กลางคืน” ซึ่งตรวจจับแสงในช่วงความยาวคลื่นจากสีเขียวไปจนถึงใกล้เคียงอินฟราเรด ทั้งแสงจันทร์ที่สะท้อน แสงจากไฟไหม้และหลุมน้ำมัน ฟ้าผ่า และการปล่อยมลพิษจากเมืองหรือกิจกรรมอื่น ๆ ของมนุษย์

ภาพด้านบนแสดงแสงสว่างรอบเมือง San Juan เมืองหลวงของเครือจักรภพ ภาพด้านล่างแสดงภาพทั้งเกาะ ภาพแรกแสดงให้เห็นถึงคืนธรรมดา ๆ ก่อนที่พายุมารีอาจะทำแผ่นดินถล่ม โดยเป็นสภาพที่มีแสงจันทร์สว่างน้อยและท้องฟ้าปราศจากเมฆ ภาพที่สองเป็นภาพประกอบที่แสดงแสงที่ VIIRS ตรวจพบในคืนวันที่ 27 และ 28 กันยายน พ.ศ. 2560 โดยการรวมสองคืนเข้าเป็นภาพเดียวกัน ในภาพมีเมฆจำนวนหนึ่งบังทำให้เกิดการปิดกั้นมุมมอง (หมายเหตุ: เมฆบางส่วนยังคงปิดกั้นการปล่อยแสงในช่วงสองคืนโดยเฉพาะอย่างยิ่งในบริเวณตะวันออกเฉียงใต้และตะวันตกของเปอร์โตริโก) ภาพด้านบนแสดงการหยุดจ่ายไฟเป็นวงกว้างขวางทั่วเมืองSan Juan รวมทั้งโรงพยาบาลและโครงสร้างพื้นฐานด้านการขนส่ง

 

puertorico_vir_2017271

บันทึกเมื่อ 27 – 28 กันยายน พ.ศ. 2560

แผนที่เหล่านี้ไม่ได้แสดงภาพดิบของแสง ทีมนักวิทยาศาสตร์จากศูนย์การบินอวกาศ Goddard ของ NASA และศูนย์การบินอวกาศ Marshall ได้ประมวลผลและแก้ไขข้อมูลดิบเพื่อกรองแสงที่สับสนจากดวงจันทร์ เพลิงไหม้ ท้องฟ้าเรืองแสง และแหล่งอื่น ๆ ที่ไม่ใช่ไฟไฟฟ้าออกไป เทคนิคการประมวลผลของพวกเขาจะเอาลบการแทรกแซงในบรรยากาศอื่น ๆ เช่น ฝุ่น หมอกควัน และเมฆบาง ๆ ออกไปได้มากที่สุดเท่าที่จะเป็นไปได้

เพื่อให้ข้อมูลของ VIIRS มีประโยชน์มากขึ้นในสำหรับการกู้ภัยครั้งแรก ทีม Goddard ได้ปรับขนาดการสังเกตลงบนแผนที่ฐานที่เน้นตำแหน่งที่ตั้งของถนนและละแวกใกล้เคียง แผนที่ฐานใช้ข้อมูลที่รวบรวมได้จากดาวเทียม Landsat, Sentinel-2, TanDEM-X และ TerraSAR-X นอกจากนี้ยังมีข้อมูลความละเอียดสูงจาก OpenStreetMap เพื่อแสดงตำแหน่งที่แม่นยำของถนนและละแวกใกล้เคียง

“มันเป็นเรื่องสำคัญที่เราจะต้องได้รับการประมวลผลนี้อย่างรวดเร็ว เพื่อให้เราสามารถให้ภาพที่ถูกต้องและเป็นประโยชน์มากที่สุดกับ กองกำลังพิทักษ์ชาติ (National Guard) และสำนักจัดการภาวะฉุกเฉินกลาง (FEMA) และหน่วยงานช่วยเหลืออื่น ๆ” Miguel Román ซึ่งเป็นผู้นำจาก Goddard กล่าว “ภาพที่ไม่ถูกต้องอาจทำให้เข้าใจผิดได้ จากสิ่งต่าง ๆ เช่น เมฆที่ปกคลุม และการเปลี่ยนแปลงสภาพแสงจันทร์”

ทีม Román กำลังทำงานอย่างใกล้ชิดกับเพื่อนร่วมงานจาก ศูนย์วิจัยและการเปลี่ยนแปลงระยะสั้น (Research and Transition Center (SPoRT) ที่ NASA Marshall รวมทั้งจากโครงการภัยพิบัติทางธรรมชาติของ NASA เพื่อพัฒนาและแบ่งปันข้อมูลกับทีมกู้ภัยรายแรก

Andrew Molthan ผู้ร่วมวิจัยของ SPoRT Center กล่าวว่า “ความชำนาญของทีม SPoRT มุ่งเน้นที่จะช่วยเหลือผู้ให้การกู้ภัยในการตัดสินใจได้อย่างมีประสิทธิภาพจากนวัตกรรม NASA, NOAA และคู่ค้าข้อมูล มันเหมือนได้รับรางวัลที่ได้ทำงานร่วมกับเพื่อนร่วมงานของ Goddard ในการแก้ปัญหาที่สามารถให้ความช่วยเหลือด้วยความตั้งใจได้”

Jordan Bell จากทีม SPoRT ได้พัฒนาผลิตภัณฑ์ร่วมกับ Esri ซึ่งจะแสดงการผลการสังเกตการณ์ VIIRS ที่ถูกต้องและมีการอัพเดทแสงในเวลากลางคืนตลอดเวลา รวมถึงการทำแผนที่ก้อนเมฆที่ตรวจพบโดยขั้นตอนวิธีการตรวจหาเมฆ VIIRS ของ NOAA

หมายเหตุ – แผนที่สีลายดำความละเอียดสูงเหล่านี้เป็นแบบทดลอง พวกเขาการออกแบบมาเพื่อให้ง่ายต่อการตรวจสอบลักษณะภายนอกของพื้นที่ใกล้เคียง ไม่ควรใช้เพื่อตรวจสอบการขาดไฟฟ้าในแต่ละอาคารหรือถนน
แผนที่แบบเหล่านี้สามารถดูได้ที่นี่: https://www.arcgis.com/apps/MapSeries/index.html?appid=6135434f7ffe4b13b815afc6dd052eb3

ที่มาบทความ : บทความโดย Adam Voiland
สืบค้นจาก :
</stronghttps://earthobservatory.nasa.gov/NaturalHazards/view.php?id=91044&eocn=home&eoci=nh

Copyright © 2018 LEARN : อาณาจักรภูมิสารสนเทศ อาณาเขตแห่งการเรียนรู้

LEARN