PREVENT Introduction

Εισαγωγή στην ενότητα φυσικές καταστροφές

Σχέδιο PREVENT - Κεφάλαιο 1

Έναρξη

Περιγραφή κεφαλαίου:

Το κεφάλαιο αυτό παρέχει μια επισκόπηση της ενότητας και εισάγει την έννοια των φυσικών καταστροφών. Επισημαίνει τα αίτια, τους τύπους και τις επιπτώσεις τους στις κοινωνίες και τα οικοσυστήματα. Οι εκπαιδευόμενοι θα κατανοήσουν τον επείγοντα χαρακτήρα της αντιμετώπισης των καταστροφών που προκαλούνται από το κλίμα και τον κρίσιμο ρόλο των καινοτόμων τεχνολογιών στον μετριασμό των επιπτώσεών τους.

Ευρετήριο

Ορισμός των φυσικών κ.

Σεισμοί

Πυρκαγιές

Πλημμύρες

Ακραίες καιρικές συνθήκες

Επιδημίες

Στόχοι

Μέσω αυτής της ενότητας, οι εκπαιδευόμενοι θα αποκτήσουν μια ολοκληρωμένη κατανόηση των φυσικών καταστροφών, των αιτιών και των επιπτώσεών τους, καθώς και του ρόλου των προηγμένων τεχνολογιών στην πρόληψη και τον μετριασμό των καταστροφών. Εξερευνώντας πραγματικές μελέτες περιπτώσεων, επιστημονικές έρευνες και διαδραστικές προσομοιώσεις, οι μαθητές θα αναπτύξουν την ικανότητα να ταξινομούν διαφορετικούς τύπους φυσικών καταστροφών, να αναλύουν τις κοινωνικές, οικονομικές και περιβαλλοντικές συνέπειές τους και να αξιολογούν τον αντίκτυπο της κλιματικής αλλαγής στη συχνότητα και τη σοβαρότητα των καταστροφών. Επιπλέον, οι εκπαιδευόμενοι θα αποκτήσουν δεξιότητες κριτικής σκέψης για την αξιολόγηση στρατηγικών διαχείρισης κινδύνου καταστροφών, θα κατανοήσουν πώς οι τεχνολογίες βάθους, όπως η τεχνητή νοημοσύνη, το IoT και η δορυφορική απεικόνιση, συμβάλλουν στα συστήματα έγκαιρης προειδοποίησης και θα διερευνήσουν καινοτόμα πλαίσια ανθεκτικότητας στις καταστροφές.

Μέχρι το τέλος της ενότητας, οι φοιτητές θα είναι σε θέση να εφαρμόζουν τις γνώσεις τους στην αξιολόγηση κινδύνων, στο σχεδιασμό αντιμετώπισης καταστροφών και στις στρατηγικές προσαρμογής στην κλιματική αλλαγή, αποκτώντας βασικές δεξιότητες για σταδιοδρομία στην περιβαλλοντική επιστήμη, τη διαχείριση έκτακτων αναγκών και τη βιώσιμη ανάπτυξη.

"Η αληθινή μάθηση αρχίζει όταν η γνώση εμπνέει τη δράση και η κατανόηση οδηγεί στην αλλαγή. Εφοδιαστείτε για να μετατρέψετε τις προκλήσεις σε ευκαιρίες".

"Αξιοποιώντας τη δύναμη των νέων τεχνολογιών, μπορούμε να προβλέψουμε, να προετοιμαστούμε και να μετριάσουμε τις επιπτώσεις των φυσικών καταστροφών, μετατρέποντας την τεχνολογία σε σωσίβιο για το μέλλον μας.

01

Κατανόηση των φυσικών καταστροφών

01

Ορισμός των φυσικών καταστροφών

Η φυσική καταστροφή είναι ένα ξαφνικό και καταστροφικό γεγονός που προκύπτει από φυσικές διεργασίες της Γης και οδηγεί σε σημαντικές διαταραχές της ανθρώπινης ζωής, των οικοσυστημάτων και των υποδομών. Τα γεγονότα αυτά συμβαίνουν συχνά απροσδόκητα, αφήνοντας τις κοινότητες ευάλωτες λόγω των καταστροφικών τους δυνάμεων και των μακροπρόθεσμων συνεπειών τους. Οι φυσικές καταστροφές μπορεί να επηρεάζονται από γεωγραφικούς, μετεωρολογικούς ή βιολογικούς παράγοντες και επιδεινώνονται περαιτέρω από ανθρώπινες δραστηριότητες, όπως η αποψίλωση των δασών και η κλιματική αλλαγή. Βασικά χαρακτηριστικά των φυσικών καταστροφών:

• Απρόβλεπτα: Πολλές φυσικές καταστροφές χτυπούν χωρίς προειδοποίηση.
• Ευρεία επίπτωση: Επηρεάζουν τεράστιες εκτάσεις, προκαλώντας ζημιές σε περιουσίες και οικοσυστήματα.
• Μακροπρόθεσμες επιπτώσεις: Εκτοπισμός και περιβαλλοντική υποβάθμιση.

Κατανόηση των φυσικών καταστροφών

Οι φυσικές καταστροφές είναι διαδικασίες που μπορούν να προκαλέσουν φυσικές καταστροφές και μπορούν να ταξινομηθούν σε πέντε κατηγορίες: Υδρολογικοί κίνδυνοι που αφορούν την κίνηση του νερού, συμπεριλαμβανομένων των πλημμυρών, των κατολισθήσεων και της δράσης των κυμάτων- Μετεωρολογικοί κίνδυνοι που περιλαμβάνουν καταιγίδες, ακραίες θερμοκρασίες και ομίχλη- Κλιματολογικοί κίνδυνοι, που συνδέονται όλο και περισσότερο με την κλιματική αλλαγή και περιλαμβάνουν ξηρασία και πυρκαγιές, και βιολογικοί κίνδυνοι, που προκύπτουν από την έκθεση σε ζωντανούς οργανισμούς ή τις τοξικές ουσίες τους, με χαρακτηριστικό παράδειγμα τον ιό COVID-19. Η αντιμετώπιση τόσο των βαθύτερων αιτιών των φυσικών καταστροφών όσο και των κοινωνικοοικονομικών παραγόντων που επιδεινώνουν τις επιπτώσεις τους είναι ζωτικής σημασίας για τον μετριασμό των συνολικών επιπτώσεων των φυσικών καταστροφών. Υπό αυτή την έννοια, οι τεχνολογίες που μετριάζουν, διαχειρίζονται ή αποτρέπουν την εμφάνισή τους διαδραματίζουν καθοριστικό ρόλο στην κατανόηση και την ελαχιστοποίηση των συνεπειών των φυσικών κινδύνων.

02

Σεισμοί

02

Εισαγωγή στους σεισμούς

Ένας σεισμός συμβαίνει όταν η ενέργεια τάσης στον φλοιό της Γης απελευθερώνεται ξαφνικά, προκαλώντας με αυτόν τον τρόπο κύματα ταραχής. Οι σεισμοί συγκαταλέγονται στους πιο θανατηφόρους φυσικούς κινδύνους που μπορούν να προκαλέσουν τρομερές απώλειες ανθρώπινων ζωών και οικονομικό κόστος. Σύμφωνα με το Εθνικό Κέντρο Πληροφόρησης για τους Σεισμούς, καταγράφονται κατά μέσο όρο 20000 σεισμοί κάθε χρόνο, από τους οποίους περίπου 100 σεισμοί θα μπορούσαν να προκαλέσουν σοβαρές ζημιές και 16 θεωρούνται μεγάλοι σεισμοί (μεγέθους 7 και άνω στην κλίμακα Ρίχτερ).

Αριθμοί

80%

Προβλέψεις ακραίων καιρικών φαινομένων

Εκτός από τον κύριο σεισμό, μπορεί να συμβούν μετασεισμοί ή σμήνη σεισμών. Ο κυριότερος συμβαίνει από την ξαφνική μεταβολή της τάσης εντός και μεταξύ των πετρωμάτων. Οι μετασεισμοί είναι σεισμοί μικρότερου μεγέθους που ακολουθούν τους κύριους κραδασμούς ενός μεγαλύτερου σεισμού. Πέρα από τον κύριο σεισμό, μπορούν να εμφανιστούν μετασεισμοί και σεισμικά σμήνη λόγω της ανακατανομής της τάσης κατά μήκος των ρηγμάτων. Τα συστήματα σεισμικής παρακολούθησης με τεχνητή νοημοσύνη αναλύουν πλέον τεράστια σύνολα δεδομένων για να εντοπίζουν λεπτά μοτίβα, ενισχύοντας τις δυνατότητες έγκαιρης προειδοποίησης και την ετοιμότητα για καταστροφές.

+190

Το Παγκόσμιο Δίκτυο Σεισμικής Τεχνητής Νοημοσύνης

90%

70%

Οι σεισμικοί αισθητήρες με τεχνητή νοημοσύνη μπορούν να προβλέψουν τους μετασεισμούς με ακρίβεια άνω του 90%

τα δορυφορικά δεδομένα μπορούν να προβλέψουν τις περιοχές που είναι επιρρεπείς σε πλημμύρες

Πώς η Τεχνητή Νοημοσύνη φέρνει επανάσταση στην πρόβλεψη και αντιμετώπιση των σεισμών

1/2

1,200M

90%

Άνθρωποι σε κίνδυνο σε σεισμικές ζώνες

Επεξεργασία δεδομένων AI σε πραγματικό χρόνο

Πρόβλεψη σεισμών με τεχνητή νοημοσύνη

Περισσότεροι από 1,2 δισεκατομμύρια άνθρωποι ζουν σε σεισμογενείς περιοχές παγκοσμίως. Τα συστήματα έγκαιρης προειδοποίησης με βάση την τεχνητή νοημοσύνη μπορούν να συμβάλουν στη μείωση των θυμάτων και των οικονομικών απωλειών.

Τα μοντέλα τεχνητής νοημοσύνης επεξεργάζονται τα σεισμικά δεδομένα δύο φορές πιο γρήγορα από τις παραδοσιακές μεθόδους, επιτρέποντας ειδοποιήσεις σε πραγματικό χρόνο και μειώνοντας τους χρόνους απόκρισης για τις ομάδες διάσωσης.

Οι σεισμικοί αισθητήρες με τεχνητή νοημοσύνη μπορούν να προβλέψουν τους μετασεισμούς με ακρίβεια άνω του 90%, βελτιώνοντας την αντιμετώπιση καταστροφών και την ετοιμότητα.

02

Μηχανική και δυναμική των σεισμών

Ο φλοιός της Γης αποτελείται από επτά μεγάλες τεκτονικές πλάκες και αρκετές μικρότερες. Κάτω από τον φλοιό της Γης υπάρχει ένας υγρός μανδύας που παρουσιάζει χαρακτηριστικά παρόμοια με αυτά των υγρών. Λόγω των ρευμάτων συναγωγής στον μανδύα, που προκύπτουν από τη μεταφορά θερμότητας από τον πυρήνα της Γης, οι τεκτονικές πλάκες μετακινούνται αρκετά εκατοστά κάθε χρόνο. Η τριβή από τη σύγκρουση των τεκτονικών στα άκρα τους προκαλεί τεράστια πίεση, η οποία μπορεί να υπερβεί τις δυνάμεις τριβής που συγκρατούν τις πλάκες μεταξύ τους, με αποτέλεσμα την αιφνίδια απελευθέρωση τάσεων που προκαλεί σεισμό.

Συγκεκριμένα, ένας σεισμός συμβαίνει όταν η επιφάνεια της Γης ταρακουνιέται στη λιθόσφαιρα και με αυτόν τον τρόπο δημιουργούνται σεισμικά κύματα. Ο σεισμός συμβαίνει από την ξαφνική απελευθέρωση ενέργειας και την απότομη μετακίνηση των τεκτονικών πλακών.

02

Τεχνολογίες που χρησιμοποιούνται για την αντιμετώπιση των σεισμών

Υπάρχουν πολλαπλές τεχνικές που χρησιμοποιούνται για την πρόβλεψη και τον εντοπισμό σεισμών. Ωστόσο, σε περιπτώσεις όπου ο σεισμός δεν μπορεί να ανιχνευθεί καθόλου ή σε πρώιμο στάδιο, υπάρχουν ορισμένες τεχνικές που μπορούν να χρησιμοποιηθούν για τον μετριασμό των επιπτώσεων των σεισμών.

Τεχνολογίες ανίχνευσης

Πρόωρη προειδοποίηση σεισμού (EEW)

Παγκόσμιο σύστημα δορυφορικής πλοήγησης (GNNS)

Observation systems

Συστήματα παρατήρησης

Τεχνολογία Υπέρηχων

Γεωχημικοί αισθητήρες

Σεισμογράφοι

Τεχνικές μηχανικής μάθησης (ML) για πρόβλεψη:

Επιταχυνσιόμετρα

02

Τεχνολογίες που χρησιμοποιούνται για τον μετριασμό των επιπτώσεων των σεισμών

Μετά από έναν σεισμό, η αξιολόγηση των πληγεισών περιοχών αποτελεί ένα κρίσιμο αλλά και δύσκολο έργο, ειδικά όταν τα κτίρια έχουν καταρρεύσει και η πρόσβαση είναι περιορισμένη. Οι παραδοσιακές επιχειρήσεις έρευνας και διάσωσης από το έδαφος συχνά καθυστερούν λόγω ασταθών κατασκευών, συντριμμιών και επικίνδυνων συνθηκών. Για να ξεπεραστούν αυτές οι προκλήσεις, τα μη επανδρωμένα αεροσκάφη (UAV) έχουν αναδειχθεί ως μια βασική τεχνολογία για την αντιμετώπιση σεισμών. Εξοπλισμένα με κάμερες υψηλής ανάλυσης, θερμική απεικόνιση και ανάλυση με τεχνητή νοημοσύνη, τα UAV μπορούν να σαρώσουν γρήγορα τις περιοχές που έχουν πληγεί από καταστροφές, να εντοπίσουν επιζώντες και να παρέχουν στους πρώτους ανταποκριτές δεδομένα σε πραγματικό χρόνο, ώστε να λάβουν τεκμηριωμένες αποφάσεις.

02

Πώς λειτουργούν τα UAV στη διαχείριση καταστροφών από σεισμούς

Τα σύγχρονα συστήματα UAV είναι κατασκευασμένα με ένα συνδυασμό εξαρτημάτων υλικού και λογισμικού που τους επιτρέπουν να βοηθούν αποτελεσματικά στη διαχείριση καταστροφών. Η μονάδα ελέγχου πτήσης είναι υπεύθυνη για τη διαχείριση της κίνησης του drone, ενώ το τηλεχειριστήριο επιτρέπει στους χειριστές να το πλοηγούν χειροκίνητα όταν είναι απαραίτητο. Επιπλέον, το σύστημα απόλυτης θέσης εξασφαλίζει την ακριβή παρακολούθηση της θέσης, επιτρέποντας στα drones να χαρτογραφούν με ακρίβεια τις πληγείσες περιοχές. Τα UAV υποστηρίζονται από σταθμούς ελέγχου εδάφους, οι οποίοι παρέχουν παρακολούθηση και συντονισμό σε πραγματικό χρόνο, εξασφαλίζοντας βέλτιστη απόδοση σε περιοχές καταστροφών. Πέρα από την εναέρια επιτήρηση, τα UAV διαδραματίζουν ζωτικό ρόλο στην εκτίμηση καταστροφών και στις επιχειρήσεις διάσωσης. Μπορούν να χρησιμοποιηθούν για τη δημιουργία τρισδιάστατων χαρτών των περιοχών που έχουν πληγεί από σεισμούς, βοηθώντας τις ομάδες ανταπόκρισης να αξιολογήσουν την έκταση της καταστροφής και να εντοπίσουν τα πιο κρίσιμα σημεία διάσωσης. Επιπλέον, τα UAV παρέχουν οπτική καθοδήγηση στους πρώτους ανταποκριτές, βοηθώντας τους να περιηγηθούν με ασφάλεια σε ασταθείς κατασκευές. Τα UAV με τεχνητή νοημοσύνη μπορούν επίσης να προγραμματιστούν για να αναζητούν αγνοούμενους, να ανιχνεύουν πιθανούς κινδύνους και ακόμη και να παραδίδουν ιατρικά εφόδια σε επιζώντες σε απομονωμένες περιοχές. Αυτές οι λειτουργίες καθιστούν τα UAV μια τεχνολογία που αλλάζει τα δεδομένα για τη βελτίωση της αποτελεσματικότητας της ανταπόκρισης σε σεισμούς και τη διάσωση ζωής.

03

Πλημμύρες

03

Εισαγωγή στις πλημμύρες

Οι πλημμύρες είναι ένα ευρέως διαδεδομένο φαινόμενο που επηρεάζει διάφορες περιοχές σε όλο τον κόσμο. Αν και συχνά συνδέονται με την υπερχείλιση ποταμών, αυτή η οπτική παραβλέπει πολλές άλλες μορφές φαινομένων που σχετίζονται με το νερό. Οι παράκτιες περιοχές, για παράδειγμα, αντιμετωπίζουν μοναδικές προκλήσεις από τις διακυμάνσεις των παλιρροιών, τις καταιγίδες και τα τσουνάμι. Για παράδειγμα, στο ιστορικό πλαίσιο της Βρετανίας, αυτές οι παράκτιες πλημμύρες έχουν διαδραματίσει ιδιαίτερα σημαντικό ρόλο. Επεκτείνοντας τις παραδοσιακές απόψεις, ορισμένοι οργανισμοί υιοθετούν μια πιο περιεκτική προσέγγιση. Το Κέντρο Έρευνας για την Επιδημιολογία των Καταστροφών (CRED), για παράδειγμα, θεωρεί σημαντικές αυξήσεις της στάθμης του νερού σε διάφορα υδάτινα σώματα ως πλημμυρικά φαινόμενα. Αυτό συνάδει με ευρύτερους ορισμούς που δίνουν έμφαση στην κατάκλυση τυπικά ξηράς γης.

Τύποι και αιτίες πλημμυρών

Τα φυσικά υδάτινα συστήματα μπορούν να υποστούν δραματικές αυξήσεις λόγω μιας ποικιλίας περίπλοκων και αλληλένδετων παραγόντων, οι οποίοι διαφέρουν ανάλογα με το συγκεκριμένο πλημμυρικό φαινόμενο και το γεωγραφικό πλαίσιο. Αν και υπάρχουν πολυάριθμες ταξινομήσεις των καταστροφών που σχετίζονται με το νερό, αυτές μπορούν να κατηγοριοποιηθούν σε τρεις κύριες ομάδες: πλημμύρες ποταμών, πλημμύρες-αστραπές και παράκτιες πλημμύρες. Οι πλημμύρες κατηγοριοποιούνται επίσης ως φυσικές (ποτάμια, αστραπές και παράκτιες) ή ανθρωπογενείς (που προκύπτουν από αστοχίες υποδομών). Οι πλημμύρες του 1993 στις μεσοδυτικές πολιτείες των ΗΠΑ και οι πλημμύρες του 2005 στη Νέα Ορλεάνη αποτελούν παραδείγματα ανθρωπογενών καταστροφών. Παραδόξως, τα φράγματα μπορούν τόσο να αποτρέψουν όσο και να επιδεινώσουν τις πλημμύρες. Περιβαλλοντικοί παράγοντες όπως η αποδάσωση και η υπερβόσκηση συμβάλλουν στις πλημμύρες, αυξάνοντας τη διάβρωση και την ιζηματογένεση των ποταμών. Αυτό είναι εμφανές στον τρόπο με τον οποίο η αποδάσωση στο Νεπάλ και το Άσαμ επηρεάζει τα πρότυπα πλημμυρών στο Μπαγκλαντές. Η κλιματική αλλαγή αναμένεται να ενισχύσει τη συχνότητα και τη σοβαρότητα των πλημμυρών σε παγκόσμίο επίπεδο.

Coastal floods

Flash floods

River floods

03

Τεχνολογίες που χρησιμοποιούνται για την αντιμετώπιση των πλημμυρών

Οι πληροφορίες σε σχεδόν πραγματικό χρόνο (NRT) σχετικά με τις φυσικές καταστροφές έχουν καταστεί όλο και πιο κρίσιμες για την αποτελεσματική αντιμετώπιση των καταστάσεων έκτακτης ανάγκης και την ελαχιστοποίηση των επιπτώσεων. Το Διαδίκτυο των Πραγμάτων (IoT) διαδραματίζει βασικό ρόλο σε αυτό, παρέχοντας δεδομένα σε πραγματικό χρόνο από διάφορους αισθητήρες που παρακολουθούν τις περιβαλλοντικές συνθήκες και την κατάσταση των υποδομών. Τα δεδομένα αυτά, σε συνδυασμό με τα εργαλεία υπολογιστικού νέφους, επιτρέπουν την ταχεία αξιολόγηση της κατάστασης και τη λήψη τεκμηριωμένων αποφάσεων κατά τη διάρκεια κρίσεων. Η ταχύτητα και η ακρίβεια στην αντιμετώπιση καταστροφών είναι ζωτικής σημασίας για τη διάσωση ζωών, τη μείωση των οικονομικών απωλειών και την οικοδόμηση ανθεκτικών κοινοτήτων. Το «Διαδίκτυο των πλημμυρών» (IoF) αναφέρεται συγκεκριμένα στη χρήση του IoT για την ανίχνευση πλημμυρών σε σχεδόν πραγματικό χρόνο. Αυτές οι τεχνολογικές εξελίξεις μετασχηματίζουν τη διαχείριση καταστροφών, προσφέροντας έγκαιρες και ακριβείς πληροφορίες στους υπεύθυνους λήψης αποφάσεων και μειώνοντας ενδεχομένως τις υλικές και ανθρώπινες απώλειες από φυσικές καταστροφές.

Τύποι και αιτίες πλημμυρών

SAR is particularly effective for extensive flood monitoring due to its capability to provide reliable data in all-weather, day-night conditions. For instance, high-resolution SAR imagery combined with LiDAR digital elevation models can accurately assess water depth in specific regions ​(Cian et al., 2018)​. Airborne platforms, like UAVs and helicopters, offer an alternative to satellite imagery, particularly when adverse weather conditions prevent satellite data collection. Terrestrial remote sensing techniques, despite their lower coverage, provide higher geometric accuracy and are useful during adverse weather conditions. Recent advancements in forecasting and data assimilation techniques enable near real-time flood prediction, allowing for accurate flood warnings just a few hours in advance ​(Dance et al., 2019)​. These techniques are crucial for minimizing damage and preparing for flood events.

Connected sensors can also be used to detect when a flooding is occurring. The variety of connected devices is continuously increasing, but we can describe some of the most representative: Smart Buoys: Monitor water levels, flow velocity, temperature, and quality in high-risk areas using sensors like bottom pressure recorders, tsunamometers, and wind-wave gauges. Water Level Sensors: IoT-based systems use ultrasonic distance sensors and pressure sensors to measure water levels in real-time, providing immediate alerts for potential floods. Smart Sewerage: Sensor-based systems monitor water levels and variations in sewer pipes, enhancing overall flood detection.

Smart cameras are also valuable for coastal zone management and forecasting tidal waves, using techniques like intensity difference, frequency, scale, background subtraction, and active contour models. They can detect wave overtopping, with systems developed for continuous image capture and automatic detection of high waves​.

Τηλεπισκόπηση

Διαδίκτυο των πραγμάτων

Όραση υπολογιστών

Η ραγδαία εξέλιξη των τεχνολογιών τηλεπισκόπησης, συμπεριλαμβανομένων των δορυφορικών εικόνων και του ραντάρ συνθετικού ανοίγματος (SAR), έχει βελτιώσει σημαντικά την ικανότητα παρακολούθησης και αντίδρασης σε φυσικές καταστροφές, όπως πλημμύρες, ακόμη και σε περιοχές με ελλιπή δεδομένα. Οι τεχνολογίες αυτές περιλαμβάνουν τη συλλογή δεδομένων από διάφορες πλατφόρμες (επίγειες, εναέριες και διαστημικές) με τη χρήση ηλεκτρομαγνητικών αισθητήρων. Τα συλλεγόμενα δεδομένα στη συνέχεια υποβάλλονται σε επεξεργασία και ανάλυση για τη δημιουργία ακριβών χαρτών πλημμυρών. Διαφορετικές τεχνικές επεξεργασίας εικόνων, όπως η εποπτευόμενη και η μη εποπτευόμενη ταξινόμηση, η θέσπιση ορίων και οι μέθοδοι ανίχνευσης αλλαγών, βοηθούν στη διάκριση των πλημμυρισμένων περιοχών από τις μη πλημμυρισμένες.

Οι έξυπνες κάμερες, ενισχυμένες με έξυπνη επεξεργασία εικόνας και αλγόριθμους αναγνώρισης προτύπων, μπορούν να εκτελούν πολύπλοκες εργασίες, όπως ανίχνευση αντικειμένων και κίνησης, μέτρηση αντικειμένων και αναγνώριση πινακίδων κυκλοφορίας οχημάτων, προσώπων, χειρονομιών και συμπεριφορών. Αυτές οι δυνατότητες επεκτείνονται στην εξαγωγή χωρικών πληροφοριών από εικόνες για την ανίχνευση των επιπέδων νερού σε πραγματικό χρόνο χρησιμοποιώντας διάφορους αλγόριθμους, όπως η κατεύθυνση των άκρων (Park et al., 2009), οι υπολογισμοί διαφοράς pixel (Yu και Hahn, 2010) και η οπτική ροή (Van Ackere et al., 2019). Οι υπέρυθρες κάμερες επιτρέπουν την ανίχνευση του επιπέδου του νερού κατά τη διάρκεια της νύχτας.

Έξυπνο σπίτι: Διάφοροι αισθητήρες ανιχνεύουν την υγρασία, τον καπνό, τη θερμοκρασία και την ποιότητα του αέρα σε εσωτερικούς χώρους, εντοπίζοντας προβλήματα όπως πυρκαγιές ή διαρροές νερού. Οι βιοαισθητήρες μπορούν επίσης να ανιχνεύουν ιούς σε κουνούπια, βοηθώντας στον εντοπισμό ασθενειών

04

Πυρκαγιές

04

Εισαγωγή στις πυρκαγιές

Μια πυρκαγιά μπορεί να προκληθεί είτε από φυσικά αίτια είτε από ανθρώπινη παρέμβαση. Τα φυσικά αίτια περιλαμβάνουν κεραυνούς, υψηλές θερμοκρασίες σε συνδυασμό με έλλειψη υγρασίας και ισχυρούς ανέμους, καθώς και ηφαιστειακή δραστηριότητα. Η ανθρώπινη παρέμβαση μπορεί να αναλυθεί σε απρόσεκτη συμπεριφορά κατά τη χρήση εύφλεκτων υλικών και, φυσικά, σε εμπρησμό (Ευρωπαϊκή Ένωση, 2023). Οι κύριοι λόγοι για την ακούσια εμπρησμό στην ύπαιθρο είναι τα πεταμένα τσιγάρα, οι αφύλακτες φωτιές κατασκήνωσης (WFCA, 2022), η ανεξέλεγκτη καύση απορριμμάτων και τα βραχυκυκλώματα σε διάφορα μηχανήματα.

Οι πυρκαγιές κατηγοριοποιούνται ως εξής: - Εδαφικές - Υπόγειες ή χερσαίες, οι οποίες εξελίσσονται στις ρίζες των φυτών και της νεκρής βλάστησης που υπάρχει στο έδαφος. Κύριο χαρακτηριστικό τους είναι η μεγάλη διάρκεια και η δυσκολία εντοπισμού τους, καθώς δεν παράγουν φλόγες. Ως εκ τούτου, η περιβαλλοντική ζημιά προκαλείται στο υπέδαφος. - Επιφανειακές, οι οποίες είναι οι πιο συνηθισμένες. Αυτός ο τύπος πυρκαγιάς είναι εύκολος να ανιχνευθεί και η έντασή του συνήθως δεν κλιμακώνεται. - Πυρκαγιά κορώνας, η οποία ξεκινά από τα κατώτερα στρώματα του εδάφους, εξαπλώνεται στα υψηλότερα σημεία του φυλλώματος και μέσω αυτού εξαπλώνεται σε όλο το δάσος, χρησιμοποιώντας ως καύσιμο τα υλικά που βρίσκονται στην επιφάνεια. - Πυρσούς και θράυσματα, τα οποία ορίζονται ως καμένα ιπτάμενα σωματίδια που ρέουν μαζί με αέρια προϊόντα καύσης και δημιουργούν νέες πυρκαγιές.

Συγκεκριμένα, ως «αγριόπυρκα» ορίζεται μια μη προγραμματισμένη πυρκαγιά που μπορεί να προκληθεί είτε από φυσικά αίτια είτε από ανθρώπινο λάθος σε βλάστηση.

04

Τεχνολογίες που χρησιμοποιούνται στην πυρόσβεση

Οι τεχνολογίες αποτελούν σημαντικό εργαλείο για τη διαχείριση των πυρκαγιών και αφορούν τα στάδια της ανίχνευσης, της παρακολούθησης και του ελέγχου. Ο συνδυασμός των μη επανδρωμένων αεροσκαφών (UAV) και της τεχνολογίας τεχνητής νοημοσύνης (AI) μπορεί να χρησιμοποιηθεί τόσο στο στάδιο πριν από την πυρκαγιά (Pre.W), όσο και στο στάδιο της ενεργού πυρκαγιάς (Act.W) και μετά την πυρκαγιά (Post.W). Για παράδειγμα, τα UAV που είναι εξοπλισμένα με θερμικούς αισθητήρες χρησιμοποιούνται για την εκτίμηση των πυρκαγιών. Στο στάδιο Pre.W, η δοκιμή και η μοντελοποίηση σεναρίων πυρκαγιάς, η παρακολούθηση των καιρικών συνθηκών και τα καύσιμα των υλικών που υπάρχουν στην περιοχή πραγματοποιούνται μέσω UAV και τεχνητής νοημοσύνης. Στο στάδιο Act.W, ο κίνδυνος κατηγοριοποιείται και πραγματοποιείται έλεγχος της κινητικότητας της πυρκαγιάς. Στο στάδιο Post.W καταγράφονται και αξιολογούνται οι ζημιές, δημιουργούνται νέα σχέδια εκκένωσης, παρακολουθείται η αποκατάσταση των δασών και ελέγχονται οι παράνομες παρεμβάσεις. Σε όλα τα στάδια, τα UAV και η τεχνητή νοημοσύνη μπορούν να συμβάλουν σημαντικά στη διαχείριση των πυρκαγιών.

05

Ακραίες καιρικές συνθήκες

05

Εισαγωγή στις ακραίες καιρικές συνθήκες

Τα ακραία καιρικά φαινόμενα είναι φαινόμενα ασυνήθιστα σοβαρών καιρικών ή κλιματικών συνθηκών που μπορούν να έχουν καταστροφικές επιπτώσεις στις κοινότητες και στα γεωργικά και φυσικά οικοσυστήματα. Τα ακραία καιρικά φαινόμενα είναι συχνά βραχύβια και περιλαμβάνουν καύσωνες, παγετούς, ισχυρές βροχοπτώσεις, ανεμοστρόβιλους, τροπικούς κυκλώνες και πλημμύρες. Τα ακραία φαινόμενα που σχετίζονται με το κλίμα είτε διαρκούν περισσότερο από τα καιρικά φαινόμενα είτε προκύπτουν από τη συσσώρευση καιρικών ή κλιματικών φαινομένων που διαρκούν για μεγαλύτερο χρονικό διάστημα. Παραδείγματα περιλαμβάνουν την ξηρασία που προκύπτει από μακρές περιόδους κάτω του κανονικού ύψους βροχοπτώσεων ή τις εκρήξεις πυρκαγιών όταν μια παρατεταμένη περίοδο ξηρασίας και ζέστης ακολουθεί μια ασυνήθιστα υγρή και παραγωγική περίοδο καλλιέργειας.

Τα ακραία καιρικά φαινόμενα μπορούν να ομαδοποιηθούν ως εξής:

Καύσωνες Η ακραία ζέστη, με τη μορφή αυτού του φαινομένου που περιλαμβάνει υψηλές θερμοκρασίες που διαρκούν αρκετές ημέρες, έχει γίνει όλο και πιο συχνή και έντονη στην πλειονότητα των περιοχών της Γης από το 1950, σύμφωνα με την έκθεση της IPCC. Κρύες ριπές Σε αντίθεση με τους καύσωνες, αυτό το φαινόμενο, που περιλαμβάνει αρκετές ημέρες χαμηλών θερμοκρασιών, έχει γίνει λιγότερο συχνό, σύμφωνα με την IPCC. Ωστόσο, αυτό δεν σημαίνει το τέλος των ασυνήθιστων καταστάσεων, όπως η καταιγίδα Φιλομένα, που παρέλυσε την Ισπανία για αρκετές ημέρες. Τροπικοί κυκλώνες Σύμφωνα με την IPCC, τα φαινόμενα αυτά έχουν γίνει πιο συχνά τις τελευταίες τέσσερις δεκαετίες. Επιπλέον, αποδεικνύονται πιο καταστροφικά, καθώς οδηγούν σε τυφώνες υψηλότερης κατηγορίας. Όλα αυτά θα μπορούσαν να σχετίζονται με την αύξηση της θερμοκρασίας της επιφάνειας της θάλασσας. Ξηρασίες Η έλλειψη βροχής σε ορισμένες περιοχές του κόσμου, όπως το Κέρας της Αφρικής, είναι όλο και πιο έντονη, με αποτέλεσμα να παρατείνεται αυτό το φαινόμενο και να αναγκάζονται χιλιάδες άνθρωποι να μεταναστεύσουν και να γίνουν πρόσφυγες λόγω του κλίματος. Επιπλέον, η λειψυδρία μπορεί επίσης να οδηγήσει σε βίαιες συγκρούσεις. Καταιγίδες Παράλληλα με τη μείωση των γενικών βροχοπτώσεων λόγω της κλιματικής αλλαγής, οι βροχές που θα πέφτουν ενδέχεται να γίνουν πιο έντονες, με αποτέλεσμα την εμφάνιση τυφώνων που θα προκαλούν εξαιρετικά καταστροφικές πλημμύρες και υπερχείλιση των υδάτινων ρευμάτων.

Τεχνολογίες που χρησιμοποιούνται για την αντιμετώπιση ακραίων καιρικών φαινομένων

AI για την προσαρμογή στην κλιματική αλλαγή

Δρόνοι για την προσαρμογή στην κλιματική αλλαγή

Observation systems

Παρατήρηση της Γης για την προσαρμογή στην κλιματική αλλαγή

Προηγμένη πληροφορική για την προσαρμογή στην κλιματική αλλαγή

Διαδίκτυο των πραγμάτων για την προσαρμογή στην κλιματική αλλαγή

Επαυξημένη πραγματικότητα και εικονική πραγματικότητα για την προσαρμογή στην κλιματική αλλαγή

06

Επιδημίες

06

Επιδημίες

Οι επιδημίες είναι μια απροσδόκητη, συχνά ξαφνική, αύξηση μιας συγκεκριμένης ασθένειας σε μια κοινότητα ή περιοχή. Οι πανδημίες είναι επιδημίες που εκδηλώνονται σε παγκόσμια κλίμακα, ξεπερνώντας τα διεθνή σύνορα και προσβάλλοντας μεγάλο αριθμό ανθρώπων. Ορισμένες μεταδοτικές ασθένειες μπορούν να αποτελέσουν σημαντική απειλή για την υγεία σε τοπικό, περιφερειακό και παγκόσμιο επίπεδο και να οδηγήσουν σε επιδημίες ή πανδημίες. Οι επιδημίες και οι πανδημίες μπορούν να προληφθούν και να μετριαστούν μέσω μιας σειράς μέτρων σε επίπεδο νοικοκυριού και κοινότητας, όπως η καλή υγιεινή, η κοινωνική αποστασιοποίηση και ο εμβολιασμός.

Τύποι επιδημιών

Χολέρα

Γρίπη (εποχική)

Κοροναϊός

Ασθένειες που μεταδίδονται από κουνούπια

Τεχνολογίες που χρησιμοποιούνται για την αντιμετώπιση επιδημιών

Τεχνητή νοημοσύνη

Blockchain

Τεχνολογίες ανοιχτού κώδικα

Νανοτεχνολογία

Ευχαριστώ!

AI for climate adaptation

Weather and climate models that are significantly more sophisticated and precise are being developed with artificial intelligence. For example, AI has added sea surface temperature data into ocean models – something human researchers couldn’t do. This has advanced the science community’s understanding of ocean current speed. Other climate adaptation advances using AI include smart sewer systems that avert flooding during heavy rainfall and drought-resistant crops.

Artificial intelligence

Analytics have changed the way disease outbreaks are tracked and managed, thereby saving lives. The international community is currently focused on the 2019-2020 novel coronavirus (Covid-19) pandemic, first identified in Wuhan, China. As it spreads, raising fears of a worldwide lockdown, international organisations and scientists have been using artificial intelligence (AI) to track the epidemic in real-time, so as to be able to predict where the virus might appear next and develop an effective response.

Earth observation for climate adaptation

Earth observation uses satellites and other remote-sensing technology, or location-based techniques like weather stations, to gather information about changes on Earth. Huge volumes of satellite data are helping scientists develop new ways of managing planetary resources. For example, European Space Agency satellites have revealed new knowledge about Earth's climate, including ice melt and freshwater resources. Earth observation is also critical for early warning systems in a climate adaptation scenario, for example by spotting hurricanes before they happen.

Earthquake Early Warning (EEW)

A strategy developed to send alerts ahead of earthquake or tsunami events to reduce disaster impacts in many sectors of society. EEW typically involves the detection of an event when the earthquake has nucleated to provide detectable ground motion. The concept is based on the fact that S-waves and surface waves (i.e. more destructive types of seismic waves) propagate slower than P-waves (less destructive). Based on the gathered analysis alerts are being communicated to the authorities seconds or minutes before the earthquake strikes to take necessary actions such as evacuating hazardous buildings. Conventional EEW systems utilize traditional seismic instruments (i.e. high-quality seismometers) ​(G. Cremen and C. Galasso, 2020)​. EEW have been developed in several earthquake-prone countries including Mexico, Japan, Turkey, Romania, China, Italy, and Taiwan

Open-source technologies

During disease outbreaks, rapid data sharing is critical as it allows for a better understanding of the origins and spread of the infection and can serve as a basis for effective prevention, treatment and care. The capacity of information technologies to allow for low-cost dissemination and collaboration of data have led to the establishment of a multitude of repositories and information technology platforms for data sharing. Most of these data-collection activities are coordinated by international organisations such as the World Health Organization (WHO) and the European Centre for Disease Prevention and Control. At the same time, an increasing number of bottom-up, open-data initiatives and open-source projects have also been developed, facilitating access to research data and scientific publications as well as sharing blueprints for production of critical medical equipment such as ventilators and face shields.

Lorem ipsum dolor

Coastal regions face flooding threats from cyclone-induced storm surges and tsunamis, with varying impacts across different areas. For example, the U.S. Gulf Coast is prone to storm surges, while California is more vulnerable to tsunamis. Cyclones follow seasonal patterns, but tsunamis can occur year-round. Storm surges are particularly deadly during cyclones. Tidal flooding affects estuarine areas twice daily, bringing salt water inland and harming crops. Rainfall floods, caused by intense precipitation, impact river basins and floodplains, often worsened by poor drainage and urban development.

Mosquito-borne diseases

Mosquito-borne diseases are those spread by the bite of an infected mosquito. Diseases that are spread to people by mosquitoes include Zika virus, West Nile virus, Chikungunya virus, dengue, and malaria.

Geochemical Sensors

Studies suggest that radon gas emissions may be a precursor of seismic activity. The implementation of geochemical sensors to monitor changes in gas emissions and other geochemical data has been implemented in a few studies and research facilities

Infrasound Technology

This technology defines sounds that fall below audible frequencies ranging from 0.003 to 20 Hz are as infrasound. Displacement of earth’s surface or raptures may be considered as a source of natural infrasound since is produced by the low frequency oscillation of the earth’s surface at the epicentre and the surrounding regions. Earthquakes with magnitude greater than 5.5 mb (Body wave magnitude) can produce infrasound waves which can be detected and recorded using infrasound sensors. Japan developed a network of 30 KUT infrasound sensors which are comprehensive sensors integrating an accelerometer, a barometer, and a microphone for detecting infrasound. Studies suggest that analysis of recorded earthquake infrasound waveforms can provide information with regards to the seismic magnitude and duration

Augmented reality and virtual reality for climate adaptation

Augmented reality (AR) and virtual reality (VR) are technologies that provide immersive experiences. This includes superimposing digital features on physical environments or using hardware such as headsets to fully immerse users. AR and VR are increasingly being used to change our behaviour around climate action and adaptation. By simulating the impacts of climate change, for example, VR headsets can show users a world with climate impacts such as changed weather patterns and biodiversity loss.

Internet of Things for climate adaptation

The Internet of Things (IoT) is the world of connected devices that talk to each other. These might be sensors or hand-held devices that share data and monitor systems. IoT technology is being used to gather and share new kinds of data, such as changes in air quality and temperature. For instance, sensors that detect wildfires can send mobile phone alerts to people in the affected area. California-based company PanoAI uses an IoT-based platform to detect wildfires and pass information to fire professionals and emergency services. The system, which combines powerful cameras with multiple data feeds, monitors more than 5 million acres of land and detects thousands of fires.

Seismometers:

One of the most basic devices used in seismological studies. The instrumentation system involves a ground-motion sensor used to measure ground displacement in XYZ directions and a recording system to graph the waveform corresponding to the seismic wave. The waveform provides critical properties such as amplitude and frequency range of seismic signals. Such signals can be extremely dynamic with an amplitude range between 0,1nm and 10m while the frequency range is between 0.00002 Hz up to 1000 Hz​​. Since the seismograph needs to be able to capture seismic waves within this dynamic range, they are very sensitive devices which implies that the recorded wave usually can also involve other natural environmental noises such as noise from wind, ocean waves, or other weather-related activities, or minor seismic activity, and anthropogenic noise from traffic, industrial operations

+190 Countries – The Global Seismic AI Network

AI-driven seismic monitoring is revolutionizing disaster response in over 190 countries. By analyzing vast datasets in real-time, AI can predict aftershocks, enhance early warnings, and reduce earthquake-related casualties. Machine learning models process seismic data, helping governments and emergency responders take proactive measures.

AI-Powered Earthquake Prediction Accuracy

Machine learning models analyzing satellite data and weather patterns can predict flood-prone areas with 70% accuracy. This allows authorities to issue early warnings, optimize evacuation plans, and reduce disaster impact. AI-driven flood forecasting is a crucial step toward climate resilience and disaster preparedness.

Nanotechnology

Covid-19 is spreading rapidly over the globe, but there are few specific tools available to control the growing pandemic and to treat those who are sick. Quarantine, isolation, and infection-control measures are all that can be used to prevent the spread of the disease and those who become ill must rely on supportive care. What is lacking is a specific antiviral agent to treat the infected and subsequently, decrease viral shedding and transmission. Νano-based products are currently being developed and deployed for the containment, diagnosis and treatment of Covid-19. An experimental nano-vaccine has become the first vaccine to be tested in a human trial.

Machine Learning (ML) Techniques for prediction

The ability of ML techniques to explore hidden data patterns, demonstrate a promising potential for earthquake prediction. Rule-based methods, shallow machine learning, and deep learning algorithms have already been implemented in several studies to facilitate earthquake prediction. Earthquake prediction relies extensively on historical data taken from the sensors. This data is used to train the ML models in order to classify accurately earthquake signals. Since ML models require extensive data to be trained, the enhancement of prediction accuracy and improvement of earthquake ML models is limited due to the to unavailability of scarce historical earthquake data, since major earthquakes are not very frequent.

Internet of Things for climate adaptation

The Internet of Things (IoT) is the world of connected devices that talk to each other. These might be sensors or hand-held devices that share data and monitor systems. IoT technology is being used to gather and share new kinds of data, such as changes in air quality and temperature. For instance, sensors that detect wildfires can send mobile phone alerts to people in the affected area. California-based company PanoAI uses an IoT-based platform to detect wildfires and pass information to fire professionals and emergency services. The system, which combines powerful cameras with multiple data feeds, monitors more than 5 million acres of land and detects thousands of fires.

Observation systems

Systems usually involve and combine several technologies and a network of sensor arrays, including seismometers, accelerometers, GPS and GNNS receivers, and infrasound sensors

River Floods

River floods primarily result from the overflow of riverbanks due to heavy rainfall in major river basins. When these basins span multiple countries, upstream rainfall can cause downstream flooding. In Bangladesh, for example, heavy rainfall in the Ganges, Brahmaputra, and Meghna (GBM) basins often leads to significant flooding, despite Bangladesh containing only 8% of these basins' total area ​(Paul, 2020)​. In North America, floods frequently occur due to excessive rainfall from severe summer storms in the Midwest, influenced by the jet stream's position. Ice jams and snowmelt in the mountains also contribute to flooding. In South Asia, monsoon floods in the GBM basins, exacerbated by simultaneous heavy rainfall and snowmelt in the Himalayas, cause river overflows that flood adjacent lands. Factors like low river gradients, siltation, inadequate dredging, and disrupted drainage systems worsen the situation. Unplanned urbanization and changes in land use also increase flood risks. Additionally, constructing embankments, dikes, and other flood-control structures along major rivers can reduce their storage capacity, leading to higher flood peaks downstream. For instance, the opening of the Farakka barrage in India has been blamed for severe floods in Bangladesh, including a devastating flood in 1998.

Cholera

Cholera is an acute diarrhoeal infection caused by the bacterium Vibrio cholerae, infecting people most often via contaminated water or food ingestion. Every year, cholera causes an estimated 3 to 5 million cases and 100 000 to 120 000 deaths. The short incubation period (12 hours to 5 days) enhances the potentially explosive pattern of outbreaks. Cholera is an extremely virulent disease and causes acute watery diarrhoea in both children and adults. Although three quarters of all patients do not show any symptoms although the bacteria are present in their faeces for 1–10 days after infection and are shed back into the environment, potentially infecting other people. Cholera can kill, especially those with weakened immune systems within hours if left untreated. Additionally, even asymptomatic patients spread the bacteria via defaecation, which can lead to new infections.

Flash floods

Flash floods are sudden, intense, and localized flooding events typically caused by heavy rainfall in a short time. They commonly occur in desert and mountainous regions, steep canyons, urban areas, and small river courses. Other causes include dam failures, ice jam releases, and slow-moving thunderstorms. These floods are characterized by their rapid onset, often at night, and their violent nature. Despite affecting relatively small areas, they pose a significant threat to life and can cause severe damage to property and infrastructure. Flash floods can move boulders, uproot trees, destroy buildings and bridges, and trigger mudslides in mountainous areas. Flash floods are particularly dangerous due to their sudden occurrence, which leaves little to no time for warning. They are especially severe in arid and semiarid regions due to lack of vegetation and high erosion rates. Notable examples include a 1954 flood in Iran that killed nearly 2,000 people and the 1976 Big Thompson Canyon flood in Colorado that resulted in 140 deaths.

Extreme weather predictions

Artificial intelligence (AI) is revolutionizing extreme weather forecasting. By analyzing vast datasets, AI models can now predict hurricanes, floods, heatwaves, and wildfires with increasing accuracy, allowing for early warnings and proactive disaster response. Governments and researchers worldwide are leveraging AI-powered climate models to enhance resilience against extreme weather events.

Advanced computing for climate adaptation

Advanced computing involves using highly powerful computers with enhanced accuracy and speed. These include supercomputers – the world’s biggest and most powerful computers – and quantum computers, which use subatomic particles like photons – particles of light – to perform multiple calculations at once. Quantum computing is expected to advance climate modelling and climate adaptation because it can predict processes that are essential to weather forecasting, like fluid dynamics. This is difficult for traditional computers. Supercomputing is also being made more widely available to help with weather and climate modelling.

Accelerometers

These sensors measure the velocity of a single point on the ground and provide extra information about the intensity and forces subjected to the object from ground shaking

Influenza (seasonal)

Seasonal influenza is an acute respiratory infection caused by influenza viruses, which circulate in all parts of the world and can affect people in any age group. The virus particles are transmitted easily from person to person via respiratory droplets and small particles produced when infected people cough or sneeze. Seasonal influenza causes illnesses that range in severity and sometimes lead to hospitalization and death. Most people recover from fever and other symptoms within a week without requiring medical attention. However, influenza can cause severe illness or death, particularly among high risk groups including the very young, the elderly, pregnant women, health workers, and those with serious medical conditions. It is characterized by a sudden onset of fever, cough (usually dry), headache, muscle and joint pain, severe malaise (feeling unwell), sore throat and a runny nose. The cough can be severe and last two or more weeks. The time from infection to illness is about two days.

Blockchain

Covid-19's highly infectious nature means that there is a pressing need to find appropriate solutions, from speeding up the detection of virus carriers and halting the spread of the virus to developing a vaccine. Blockchain technology has recently emerged as a key technology in the critical domain of epidemic management. Blockchain applications could provide a robust, transparent and cheap means of facilitating effective decision-making and, as a result, could lead to faster responses during emergencies of this kind. In the context of this pandemic, blockchain has the potential to become an integral part of the global response to coronavirus by tracking the spread of the disease, managing insurance payments and maintaining the sustainability of medical supply chains and donation tracking pathways.

Drones for climate adaptation

Drones – or unmanned aerial vehicles (UAVs) – are unpiloted aircraft that can be equipped with advanced cameras and cover large distances. They can also carry sophisticated equipment, like sensors to detect anomalies, and geo-positioning systems for highly precise location tracking. Drones can help organizations adapt to climate change by collecting visual data on climate risk and impacts. For example, a business might use drones to monitor water sources that are critical to its operations. Drones can also help in search-and-rescue situations after a climate disaster, for example by identifying affected communities in hard-to-reach areas.

Global Navigation Satellite System (GNNS)

This stystem utilizes a constellation of satellites to determine precise location and time information globally. The most well-known examples are GPS, GLONASS, Galileo, BeiDou. The satellites transmit microwave signals which are received by land-based antennas and receivers to obtain the position of the antenna. GNNS allows scientists to retrieve real-time positioning streams as continuous time series, and ultimately recover ground position, ground displacement, velocity, and static displacement​.The advantage of GNSS solutions over traditional seismographs is that they do not saturate with magnitude and the direct extraction of displacement waveforms, the cover of out-of-network events and the characterization of faults and slip distributions. However, to provide useful information, earthquakes must be fairly strong with a magnitude greater than 7.