[論文レビュー] ALTIS: Automated Loss Triage and Impact Scoring from Sentinel-1 SAR for Property-Level Flood Damage Assessment

Amogh Vinaykumar, Prem Kamasani|arXiv (Cornell University)|Mar 14, 2026

Flood Risk Assessment and Management被引用数 0

ひとこと要約

ALTIS は Sentinel-1 SAR データを、信頼度推定とともに財産レベルの洪水影響スコアへ変換し、洪水ピークから 24–48 時間以内に請求管理のためのランク付けされたトリアージリストを提供する5段階パイプライン。Insurance-Grade Flood Triage (IGFT) と保険連携の指標 IRR および TES を導入。

ABSTRACT

Floods are among the costliest natural catastrophes globally, yet the property and casualty insurance industry's post-event response remains heavily reliant on manual field inspection: slow, expensive, and geographically constrained. Satellite Synthetic Aperture Radar (SAR) offers cloud-penetrating, all-weather imaging uniquely suited to rapid post-flood assessment, but existing research evaluates SAR flood detection against academic benchmarks such as IoU and F1-score that do not capture insurance-workflow requirements. We present ALTIS: a five-stage pipeline transforming raw Sentinel-1 GRD and SLC imagery into property-level impact scores within 24-48 hours of flood peak. Unlike prior approaches producing pixel-level maps or binary outputs, ALTIS delivers a ranked, confidence-scored triage list consumable by claims platforms, integrating (i) multi-temporal SAR change detection using dual-polarization VV/VH intensity and InSAR coherence, (ii) physics-informed depth estimation fusing flood extent with high-resolution DEMs, (iii) property-level zonal statistics from parcel footprints, (iv) depth-damage calibration against NFIP claims, and (v) confidence-scored triage ranking. We formally define Insurance-Grade Flood Triage (IGFT) and introduce the Inspection Reduction Rate (IRR) and Triage Efficiency Score (TES). Using Hurricane Harvey (2017) across Harris County, Texas, we present preliminary analysis grounded in validated sub-components suggesting ALTIS is designed to achieve an IRR of approximately 0.52 at 90% recall of high-severity claims, potentially eliminating over half of unnecessary dispatches. By blending SAR flood intelligence with the realities of claims management, ALTIS establishes a methodological baseline for translating earth observation research into measurable insurance outcomes.

研究の動機と目的

• SAR 画像を用いて被保険財産を予想損害度でランキングする Insurance-Grade Flood Triage (IGFT) を正式に定義する。
• IRR および TES のような保険連携評価指標を開発し、派遣削減と高度侵略性請求の再現性を評価する。
• 保険会社向けの迅速な財産レベルのトリアージ基盤を提供するため、ハリケーン・ハーヴィーでの ALTIS のエンドツーエンド実装を行う。

提案手法

• 多時相 SAR 変化検出（VV/VH 強度と InSAR コヒーレンス）を HAND 地形制約と組み合わせて統合する。
• 洪水域の広がりを高解像度 DEM および kriging ベースの深さ不確実性と組み合わせた物理情報に基づく水位線アプローチにより浸水深を推定する。
• 区画面積（ parcel footprints ）と NFIP 深さ-損傷曲線を用いたゾーン統計により財産レベルの深刻度を計算する。
• 保険請求管理プラットフォームに適した信頼度スコア付きのトライアージRanking出力を作成する。
• ピクセルレベルの教師なし学習、GPU 要件、リアルタイム水理モデルを必要とせず、24–48 時間の導入を可能にする。

Figure 1: Optical vs. SAR imagery over the Addicks sector, Harvey 2017. (a) Pre-event optical: clear conditions, parcel footprints visible. (b) Co-event optical: 100% cloud cover for five consecutive days. (c) Sentinel-2 multispectral attempt: severe cloud contamination. (d) Sentinel-1 VH SAR (30 Au

実験結果

リサーチクエスチョン

• RQ1 SAR 画像をピクセルレベルの洪水マップから保険ワークフローに合わせた財産レベルのトライアージランキングへどのように変換できるか。
• RQ2 NFIP 請求に対して校正された深さ認識型の財産レベルスコアリングシステムは、高度な損失を優先しつつ不要な現地点検を削減できるか。
• RQ3 SAR ベースの洪水トリアージの保険上の利点（派遣削減と recall）を最もよく捉える運用指標は何か。
• RQ4 都市部の洪水環境における多信号 SAR 融合アプローチ（振幅、コヒーレンス、深さ制約）の保険利用における性能はどうか。
• RQ5 ALTIS パイプラインは現実のイベント（ハリケーン・ハーヴィー）で 24–48 時間の遅延でどのように機能するか。

主な発見

• ALTIS はハリケーン・ハーヴィー（ Harris County）における高リスク請求の 90% recall で検査削減率（IRR）がおよそ 0.52 の推定が可能なエンドツーエンドのパイプラインを示す。
• 洪水深度推定と NFIP 深さ-損傷曲線を組み合わせることで財産レベルの深刻度スコア（Estimated Fractional Loss）を提供する。
• 新規のトリアージ効率スコア（TES）を提案し、派遣削減・高リスク recall・偽派遣ペナルティを同時に最適化する。
• 検証は段階的に、検証済みサブコンポーネントと現地洪水領域特性に基づき、公開データとツールを用いており、ベースライン比較のためのコードとスクリプトを公開している。
• このアプローチはイベント後 24–48 時間のトリアージを目指し、クラウドベースの SAR 処理を活用し、洪水時の雲量カバーによる光学データへの依存を回避する。

Figure 2: ALTIS five-stage pipeline. Sentinel-1 GRD products enter Stage 1 for preprocessing; the resulting $\sigma^{0}$ rasters and InSAR coherence layers feed Stage 2 change detection; flood extent drives Stage 3 kriging depth estimation; parcel intersection and HAZUS functions produce Stage 4 sev