決定一次救災行動是否順利的關鍵就是信息，如果不能最快速度采集到災情、傷亡人數等信息，就有可能錯過72小時緊急救援的黃金時間，生命、財產損失會加劇；采集到的信息不準確、救災信息傳遞的通道不順暢，不僅會拖延救災時間，也會導致災情研判、救災物資準備上的偏差，給救災效果打折扣。不論是防災、備災還是緊急救援、過渡安置或者災后重建，都需要有足夠、及時、準確的信息為救災提供研判、指揮依據。說到底，科技救災也就是信息救災。
數字救災地圖
傳統的救災，救災人員往往因為地震、水災導致的災區交通中斷、網絡信號中斷、沒有足夠的人手幫助傳遞實時救災信息等困難，無法及時回傳信息，面對信息不對稱的困難，無法及時跨地域協同救災，危機繪圖（disaster mapping）成為救災中最能幫助解決信息共享問題的技術工具。來自互聯網上眾多的信息志愿者，通過公共的地圖網站，形成數據眾包志愿者團隊進行危機繪圖。這些網絡志愿者借助谷歌地圖、Openstreet、Ushahidi、Mapbox以及中國的益云地圖等地圖平臺，在汶川地震、海地地震、雅安地震等國內外多次地震中快速形成跨地域聯動，通過志愿者從facebook、微博等社交媒體上以手工或者網絡爬蟲技術收集災情信息，分類標注到地圖上，形成一個全面的救災信息地圖，供救災的各個相關方進行及時的救災人員和物資的配給。
這便是一張由成千上萬的網絡志愿者共同繪制的尼泊爾地震農村地區的食物及其他物資的供給地圖，從而加快了這些救災物資的快速運達。
國際紅十字會的地理工程師Dale Kunce更是認為這樣的災情繪圖工作不僅僅需要在災后開展，在災情發生之前、日常的備災工作中，也需要有這些安全隱患相關的地圖支持。他們開發出Missing Map以應對持續快速的全球城市化進程中多發的日常災難。不僅如此，美國紅十字會就在Dell公司協助下，用9個屏幕、3臺電腦搭建了一個“數字指揮中心”，通過搜集Facebook、Twitter上的求救信息（包括停電、停水等日常危機），來指揮、調度救援任務。
美國紅十字會數字指揮中心
文化敏感的“人肉傳感器”作為一種救災技術
不論是災情繪圖還是人工智能算法，在災難發生后的最短時間內，都需要離災情最近的人收集、傳遞數據給后方的志愿者和計算機進行數據處理、災情研判，再集結人力、物資運往災區進行救助、安置。Sensor雜志在2008年的一篇名為“On Line Disaster Response Community： People as Sensors of High Magnitude Disasters Using Internet GIS”的文章中，將救災中的志愿者、救災隊員稱為“人肉傳感器”（Human Sensor）。早在1964年的Annals of the New York Academy of Science中，香水的試聞員就被學者稱為“人肉傳感器”，通過人的感知和反應來收集數據，這一點也同樣出現在救災行動者身上，因此救災前線的救災隊員、災民、志愿者都成為災難中最鮮活的“人肉傳感器”，Humanitarian OpenStreet Map Team 以及Map Courtesy Mapaction等都是由志愿者自發組成的公益機構，隨時準備召集網絡志愿者為各類災害進行眾包繪圖，他們就是這類“Human Sensor”的典型代表。
這些“人肉傳感器”具有很強的文化敏感性，能夠幫助救災隊員們很快適應不同文化環境下的災難救助狀況。曾在北大留學的尼泊爾醫生舒俊便提道，在尼泊爾地震救災中，中國最開始送往尼泊爾的救災物資有牛肉方便面，本以為災民會喜歡，誰能想到在尼泊爾人心中牛是神圣之物，災民都拒絕食用。同樣的文化差異的問題也出現在就餐方式上，救災隊員派發餐食的時候，按照中國人的習慣集中派餐，但是尼泊爾的受災村莊卻沒有這種集體用餐的習慣，因此沒有什么災民愿意來領食物。舒俊了解本地人的習俗，幫救災隊找了更符合本地人就餐習慣的地點派發救災餐食，這樣才召集了數千名尼泊爾災民前來吃飯。熟悉本地文化、洞察本地人特點的“人肉傳感器”，是科技救災中不可或缺的重要一部分。也正是因為文化和人在科技救災中的重要性，在救災科技工具的研發中，也越來越傾向于文化敏感的人本技術的研發。
人工智能算法作為一種新興的救災技術
這些數字地圖工具和災情地圖繪圖志愿者團隊，主要的貢獻在于前端的數據收集。如果僅靠這些“人肉傳感器”來手工完成信息整理、分析、洞察和研判的工作，隨著災情數據大量匯集，往往給救災隊員帶來一種我稱之為“數字化次生災害”的“信息赤潮”。這是參加過一線救災工作的救災隊員們最揪心的痛。
大量繁雜的數據堆積，夾雜著洪水般無法快速判斷真偽的情緒化表達內容，沒有及時準確的分揀、分析和洞察，無從進行救助行動的研判決策。這時候，在“人肉傳感器”不斷實時更新數據的協助下，人工智能算法可以幫得上忙，解除一線救災人員的信息壓力，幫助救災決策者更好地核對一線災情信息，做出準確的救災決策。
在2012年IEEE 100會議上， Oleg Aulov和Milton Halem研發了一種基于社交媒體數據推測海洋洋面上的石油擴散的建模方法。他們的Gnome軟件可以通過海面的風速、洋流方向、衛星數據，通過收集社交媒體上海岸邊的志愿者觀測到的實際海平面的漏油擴散情況，比對計算機根據算法模擬的趨勢模型，非常精準地預測海面漏油擴散趨勢，從而在漏油污染下一個海岸之前，做好相應的預防準備。
災后重建中的城市治理信息系統
不論是國際頂級會議CHI系列還是國際數字政府會議，近年來每次都會有較大比重與會者討論科技與救災之間的關系。災難救助中的科技支持已經成為各國數字政府、智慧城市中應對風險社會治理的重要內容。對救災志愿者的管理、對救災信息的管理，以及對災難管理的流程管理，都是災難中的人本科技研發的重要部分。
除了眾包災情地圖中的志愿者自組織模式、眾包志愿工作的社會網絡關系的研究之外，更有對受災地區互聯網信息系統恢復過程中的信息管理模式進行研究。
按理說，這個時候網絡中斷、電腦損毀、信息丟失，硬件和軟件，哪怕是數據都沒有了，在這樣的環境下研究信息科技與救災的關系，恐怕是比登天還難。在2016年第49屆夏威夷信息科學國際會議(HICSS 2016)上，一項關于2011年東日本大地震的研究頗受矚目。通過對3個受災鎮的田野調研，學者Mihoko Sakurai等人考察災后重建過程中的政府管理，不是聚焦科技工具硬件意義上的信息系統恢復，而是把考察的重點放在軟性管理信息系統的恢復和重建。他們通過經濟資本、社會資本、象征資本、人力資本、機構資本等5個理論維度，深入梳理政府機構在多種災后公眾服務過程中的網絡信息硬件恢復、信息管理系統重建。他們發現整個市民服務的信息系統的恢復過程，經歷了各種資本重新創建的過程，而其中具有采用尚存物資、工具等各類資本的“彈回模式”（Capital Resiliency Model），更能夠幫助政府管理部門盡快恢復公眾服務，幫助公眾快速回到平靜的生活序列中去。這也為其他地區的政府進行災前、災后的災難管理提供了城市風險治理上的經驗。
隨著科技的進步，科技救災已經突破了僅限于科技工具支持救災的局限，越來越多地體現在“人肉傳感器”的災情志愿者和后端人工智能算法合作機制下的救災信息收集、分析和決策的技術，也包括政府數字治理過程中的管理機制，都屬于科技救災的重要內容。隨著越來越多的新技術加入到救災的隊伍中來，不僅是無人機，或許智能式穿戴設備、AR/VR技術也能成為助力科技救災的重要工具，而以人為本則是作為人道主義救援的科技救災至關重要的核心所在。