无人机航拍为救灾带来数据支撑，却也催生大数据难题：单次 20 分钟飞行采集的影像，往往需要半天以上时间分析。在飓风 "帕姆" 救援任务中，数十次航拍影像，一名分析师要耗费至少 20 个工作日才能完成解读，仅交付图像无法满足救援队伍需求，救灾方需要快速掌握损毁建筑、受灾群众、可通行道路等关键信息。
研究团队依托 MicroMappers 平台，融合众包、人工智能与计算机视觉开展灾害影像分析。在瓦努阿图飓风灾害项目里，近百名数字志愿者标注 3000 余张航拍影像，区分房屋损毁状态。但航拍数据集异质性强，拍摄角度、高度不一，在建建筑易和损毁建筑混淆，且超三成影像不含建筑物，增加识别难度。团队先训练算法筛选含建筑的影像，目前识别精度超 90%，可过滤六成无效影像。
随着无人机技术迭代，实时回传航拍视频成为趋势。团队联合高校开展测试，志愿者实时点击视频中的受灾区域，当 80% 以上志愿者标记同一位置，系统自动高亮预警。测试中约 30 名志愿者持续标注，累计近 5 万次点击，标注准确率达 87%，可实时提取视频关键片段，同步反馈给救援人员。
这套模式实现算法从志愿者标注中动态学习，目标是实现灾情自动识别。研究成果计划在太平洋台风季投入实战，为人道主义救援提供快速、可靠的灾情研判能力。项目的落地，离不开合作机构和数字志愿者的共同参与。