Niharika Dvivedi*
O sensoriamento remoto está sendo progressivamente empregado por organizações sem fins lucrativos e iniciativas internacionais para localizar e documentar impactos de combate, como danos de conflito. A maioria das aplicações sensatas confia em análises de imagem manuais longas e intensivas em mão de obra. Mesmo após a exploração de crowdsourcing ou redes de voluntários, o trabalho se tornará rapidamente difícil quando áreas maiores forem monitoradas por períodos de tempo mais longos. Durante este artigo, tendemos a propor uma abordagem que mistura estratégias de detecção automática de emendas com mapeamento cooperativo em uma aplicação muito líquida para avaliação de danos de conflito em Darfur, Sudão. As áreas de assentamento são detectadas mecanicamente e sondam estruturas residenciais destruídas por análise de imagem baseada em objeto geográfico (GEOBIA). A aplicação líquida prioriza essas áreas com base no grau de destruição detectado para orientar analistas humanos aos locais mais vitais. Em um experimento de usuário com trinta participantes, tendemos a avaliar o desempenho de voluntários com e sem a priorização automatizada e investigamos suas sequências de mapeamento. Os participantes que estavam caçando alvos por priorização detectaram 70,7% mais objetos-alvo do que os participantes que mapeavam sem pilotar, e que investiram parte do seu tempo de mapeamento no exame de locais que mostravam muito pouca ou nenhuma destruição.
English 
Spanish 
Chinese 
Russian 
German 
French 
Japanese 
Hindi