Nová technika umělé inteligence může zlepšit předpovědi lesních požárů

Vědci z Národního centra pro výzkum atmosféry (NCAR) vyvinuli novou techniku, která využívá umělou inteligenci (AI) ke zlepšení předpovědí lesních požárů. Tato technika pomáhá efektivně aktualizovat mapy vegetace, které se používají v počítačových modelech lesních požárů k přesnému předpovídání chování a šíření požárů.

Metoda byla demonstrována pomocí lesního požáru East Troublesome Fire v Coloradu v roce 2020. Během tohoto požáru byla spálená půda nesprávně klasifikována v palivových inventářích jako zdravá. Ve skutečnosti však oblast, která vyhořela, byla nedávno zasažena lýkožravými brouky napadajícími borovice a větrnými bouřemi, které zde zanechaly velké množství mrtvého a padlého dřeva.

Porovnávání simulací lesních požárů

Tým porovnal simulace požáru vygenerované modelem chování lesních požárů, který používal standardní soupis hořlavého materiálu, a simulace využívající soupis aktualizovaný pomocí AI. Simulace s AI vykazovaly výrazně lepší výsledky při předpovídání oblasti, která byla zasažena požárem.

Amy DeCastro je vědkyně z NCAR a hlavní autorka studie.

“Jednou z našich hlavních výzev v modelování lesních požárů je získat přesné vstupní údaje, včetně dat o palivech,” řekla DeCastro. “V této studii jsme prokázali, že kombinované použití strojového učení a satelitních snímků poskytuje životaschopné řešení.”

Modelové simulace byly spuštěny v NCAR-Wyoming Supercomputing Center na systému Cheyenne.

Modely, které mají přesně simulovat lesní požáry, vyžadují velké množství podrobných informací o aktuálních podmínkách, jako je lokální počasí a terén. Také vyžadují informace o rostlinné hmotě, která slouží jako palivo pro požár.

Datová sada LANDFIRE

Nejlepší datová sada paliv je produkována programem LANDFIRE, který je federální program, který produkuje geoprostorová data obsahující informace o hořlavém materiálu pro lesní požáry. K vytvoření datových sad paliv potřebují odborníci velké množství satelitních snímků, simulací krajiny a průzkumných informací. Vzhledem k velkému množství požadovaných dat trvá aktualizace datových sad dlouhou dobu. Současně se dostupná paliva v oblasti mohou rychle měnit.

Tým aktualizoval datovou sadu paliv pomocí satelitů Sentinel, které patří k programu Copernicus Evropské kosmické agentury. Sentinel-1 poskytuje data o povrchové textuře, která lze použít k identifikaci typu vegetace. Sentinel-2 poskytuje data, která lze použít k odhadu zdravotního stavu rostliny na základě její zelené barvy. Tato satelitní data byla vložena do modelu strojového učení trénovaného na datech průzkumu detekce hmyzu a chorob Lesní služby USA. Průzkum se provádí každoročně a odhaduje úmrtnost stromů ze vzduchu.

S těmito novými doplňky byl model strojového učení schopen přesně aktualizovat data paliv LANDFIRE.

“Data LANDFIRE jsou super cenná a poskytují spolehlivou platformu pro další práci,” řekla DeCastro. “Umělá inteligence se ukázala jako efektivní nástroj pro aktualizaci dat způsobem méně náročným na zdroje.”

Testování nového systému

Tým poté zahájil testování účinku aktualizovaného soupisu na simulace lesních požárů, a proto použil WRF-Fire, který byl vyvinut NCAR pro simulaci chování lesních požárů.

Nejprve použili WRF-Fire k simulaci lesního požáru East Troublesome Fire s neupravenou datovou sadou paliv LANDFIRE, což vedlo k podhodnocení oblasti, která by byla zasažena požárem. Když však byl model spuštěn s aktualizovanou datovou sadou, předpověděl tuto spálenou oblast s mnohem větší přesností. To udělal tím, že předpověděl, že mrtvé a padlé dřevo pomůže šířit požár.

Tento model strojového učení je v současnosti navržen pro aktualizaci existujících map paliv, ale mohl by v budoucnu vést k pravidelné produkci a aktualizaci map paliv od základu.

Vědci z NCAR také doufají, že strojové učení vyřeší další velké výzvy v této oblasti, jako je zlepšení naší schopnosti předpovídat vlastnosti žhavých částic vznikajících při požáru.

Vědec z NCAR Timothy Juliano je spoluautorem studie.

“Máme tolik technologií a tolik výpočetní síly a tolik zdrojů k dispozici, abychom mohli tyto problémy řešit a udržet lidi v bezpečí,” řekl Juliano. “Jsme dobře umístěni, abychom mohli mít pozitivní dopad; prostě musíme pokračovat v práci na tom.”