این سرمقاله به معرفی شماره ویژه‌ای شامل ۲۵ مقاله پژوهشی می‌پردازد که نحوه دگرگونی فرایند کاهش ریسک سانحه در تمامی مراحل چرخه مدیریت سانحه را به‌وسیله هوش مصنوعی (AI) و داده‌های رصد زمین (EO) بررسی می‌کنند. این مجموعه مقالات دامنه‌ای از سیلاب‌ها و مخاطرات ساحلی، زمین‌لغزش و ناپایداری زمین، خشکسالی، کمبود آب و تخریب سرزمین تا آتش‌سوزی‌های جنگلی، سیلاب‌های ناشی از شکست سدهای یخچالی و کاربردهای چندمخاطره‌ای را در بر می‌گیرد و شامل مطالعات موردی از شبه‌قاره هند، ویتنام، ترکیه، اندونزی، چین و جنوب آفریقا است.

نویسندگان به یک همگرایی روش‌شناختی آشکار به‌سوی یادگیری ماشین و یادگیری عمیق اشاره می‌کنند؛ به‌طوری‌که نزدیک به نیمی از پژوهش‌ها از مدل‌های یادگیری گروهی (Ensemble Learners) یا ساختارهای عصبی بهره برده‌اند. در این میان، موثرترین و معتبرترین مطالعات، مدل‌های داده‌محور را با استدلال‌ها و اصول هیدرولوژیکی، ژئومورفولوژیکی یا بوم‌شناختی تلفیق کرده‌اند. بسترهای پردازش ابری نظیر گوگل ارث انجین (Google Earth Engine)، تلفیق داده‌های چندحسگری شامل رادار با روزنه مجازی (SAR)، داده‌های اپتیکی، بارندگی و گرانی‌سنجی، و نیز گذار از نقشه‌برداری مخاطره به‌سوی ارزیابی ریسک با در نظر گرفتن میزان درمعرض‌قرارگیری و آسیب‌پذیری اجتماعی-اقتصادی، از روندهای شاخص و تعیین‌کننده معرفی شده‌اند. علاوه بر این، توسعه دوقلوهای دیجیتال و سامانه‌های پایش نزدیک به زمان‌واقعی، نشان‌دهنده رویکردی فزاینده به‌سمت کاربردی‌سازی و عملیاتی‌نمودن این فناوری‌ها است.