Este artículo presenta un novedoso marco de aprendizaje profundo multimodal para la detección de daños en edificios mediante imágenes de radar de apertura sintética (SAR) de alta resolución y datos geoespaciales auxiliares, tomando como ejemplo el terremoto de Turquía de 2023. A diferencia de los enfoques existentes que se basan en imágenes previas y posteriores, el marco está diseñado para implementarse rápidamente utilizando únicamente imágenes posteriores. Integra imágenes satelitales COSMO SkyMed (CSK) de la Agencia Espacial Italiana (ASI), contornos de edificios de OpenStreetMap (OSM), datos del Modelo Digital de Superficies (DSM) y propiedades estructurales y de exposición del Modelo Global de Terremotos (GEM) para mejorar la precisión y la interpretación contextual. La eficacia del marco se demuestra utilizando un novedoso conjunto de datos que abarca diversos entornos urbanos, lo que demuestra que la integración de características geoespaciales mejora significativamente el rendimiento de detección y generalización. El proceso automatizado y escalable de generación de datos mejora la aplicabilidad a diversas áreas de desastre.
