एआई मॉडल का उपयोग वनस्पति की शुष्कता को मैप करने और जंगल की आग की भविष्यवाणी करने के लिए किया जाता है

स्टैनफोर्ड विश्वविद्यालय के शोधकर्ताओं द्वारा डिज़ाइन किया गया एक नया डीप लर्निंग मॉडल 12 अलग-अलग राज्यों में नमी के स्तर का उपयोग करके जंगल की आग की भविष्यवाणी में मदद करने और आग प्रबंधन टीमों को संभावित रूप से विनाशकारी जंगल की आग से पहले रहने में मदद करने के लिए डिज़ाइन किया गया है।

आग प्रबंधन टीमें सबसे खराब आग जहां हो सकती है, उसकी भविष्यवाणी करने का लक्ष्य रखती हैं, ताकि रोकथाम के उपाय जैसे कि निर्धारित आग लगाई जा सके। जंगल की आग के मूल और फैलने के पैटर्न की भविष्यवाणा करने के लिए लक्ष्य क्षेत्र के लिए ईंधन की मात्रा और नमी के स्तर के बारे में जानकारी की आवश्यकता होती है। यह डेटा इकट्ठा करना और इसे विश्लेषण करना जंगल की आग प्रबंधन टीमों के लिए उपयोगी होने के लिए आवश्यक गति में मुश्किल है, लेकिन गहरे शिक्षण मॉडल इन महत्वपूर्ण प्रक्रियाओं को स्वचालित करने में मदद कर सकते हैं।

फ्यूचरिटी ने हाल ही में रिपोर्ट किया, स्टैनफोर्ड विश्वविद्यालय के शोधकर्ताओं ने जलवायु डेटा एकत्र किया और एक मॉडल डिज़ाइन किया जिसका उद्देश्य 12 पश्चिमी राज्यों में नमी के स्तर के विस्तृत नक्शे प्रदान करना है, जिसमें प्रशांत तटीय राज्य, टेक्सास, व्योमिंग, मोंटाना और दक्षिण-पश्चिमी राज्य शामिल हैं। शोधकर्ताओं के अनुसार, हालांकि मॉडल अभी भी परिष्करण के अधीन है, यह पहले से ही उन क्षेत्रों को प्रकट करने में सक्षम है जो जंगल की आग के लिए उच्च जोखिम में हैं जहां परिदृश्य असामान्य रूप से शुष्क है।

ईंधन और नमी के स्तर के बारे में डेटा एकत्र करने का典型 तरीका एक लक्ष्य क्षेत्र के लिए सूखे पौधों की तुलना अधिक नम पौधों से करना है। विशेष रूप से, शोधकर्ता पेड़ों से पौधों के नमूने एकत्र करते हैं और उन्हें वजन करते हैं। उसके बाद, पौधों के नमूने सूख जाते हैं और फिर से वजन किया जाता है। सूखे नमूनों और गीले नमूनों के वजन के बीच तुलना की जाती है ताकि पौधों में नमी की मात्रा निर्धारित की जा सके। यह एक लंबी और जटिल प्रक्रिया है जो केवल कुछ क्षेत्रों और पौधों की प्रजातियों के लिए व्यवहार्य है। हालांकि, इस प्रक्रिया से दशकों से एकत्र किए गए डेटा का उपयोग राष्ट्रीय ईंधन नमी डेटाबेस बनाने के लिए किया गया है, जिसमें 200,000 से अधिक रिकॉर्ड हैं। एक क्षेत्र के ईंधन-नमी सामग्री को जंगल की आग के जोखिम से जोड़ा जाना जाता है, हालांकि यह अभी भी अज्ञात है कि यह पारिस्थितिकी तंत्र और एक पौधे से दूसरे पौधे के बीच कितनी भूमिका निभाता है।

स्टैनफोर्ड विश्वविद्यालय में पृथ्वी प्रणाली विज्ञान में पीएचडी छात्र कृष्णा राव ने नए अध्ययन के लिए प्रमुख लेखक के रूप में काम किया, और राव ने फ्यूचरिटी को बताया कि मशीन लर्निंग शोधकर्ताओं को विभिन्न पारिस्थितिकी तंत्रों के लिए जीवित ईंधन नमी और मौसम के बीच संबंधों के बारे में धारणाओं का परीक्षण करने की अनुमति देती है। राव और उनके सहयोगियों ने राष्ट्रीय ईंधन नमी डेटाबेस से डेटा पर एक पुनरावृत्ति तंत्रिका नेटवर्क मॉडल को प्रशिक्षित किया। मॉडल को तब अंतरिक्ष सेंसर द्वारा एकत्र की गई माप के आधार पर ईंधन नमी स्तर का अनुमान लगाने के लिए परीक्षण किया गया। डेटा में सिंथेटिक एपर्चर रडार (एसएआर) से संकेत शामिल थे, जो माइक्रोवेव रडार संकेत हैं जो सतह में प्रवेश करते हैं, और पृथ्वी की सतह से परावर्तित दृश्यमान प्रकाश। मॉडल के लिए प्रशिक्षण और सत्यापन डेटा में 2015 में शुरू होने वाले पश्चिमी संयुक्त राज्य अमेरिका में लगभग 240 साइटों के लिए तीन साल का डेटा शामिल था।

शोधकर्ताओं ने विभिन्न प्रकार के भूमि कवरेज पर विश्लेषण चलाया, जिसमें पतले पौधे, घास के मैदान, झाड़ियों के क्षेत्र, सुई पत्ती वाले सदाबहार वन और चौड़े पत्ती वाले deciduous वन शामिल थे। मॉडल की भविष्यवाणियां सबसे सटीक थीं, सबसे विश्वसनीय रूप से एनएफएमडी माप से मेल खाती थीं, झाड़ियों के क्षेत्रों में। यह भाग्यशाली है क्योंकि झाड़ियों के क्षेत्र अमेरिकी पश्चिम में पाए जाने वाले पारिस्थितिकी तंत्र का लगभग 45% हिस्सा हैं। झाड़ियों के क्षेत्र, विशेष रूप से चपार्रल झाड़ियों के क्षेत्र, अक्सर आग के लिए विशिष्ट रूप से संवेदनशील होते हैं, जैसा कि हाल के वर्षों में कैलिफोर्निया में जलने वाली कई आग में देखा गया है।

मॉडल द्वारा उत्पन्न भविष्यवाणियों का उपयोग एक इंटरैक्टिव मैप बनाने के लिए किया गया है जिसे आग प्रबंधन एजेंसियां भविष्य में आग नियंत्रण के लिए क्षेत्रों को प्राथमिकता देने और अन्य प्रासंगिक पैटर्न का पता लगाने के लिए उपयोग कर सकती हैं। शोधकर्ताओं का मानना है कि आगे के प्रशिक्षण और परिष्करण के साथ मॉडल जंगल की आग की भविष्यवाणी में सुधार करने के लिए उपयोग किया जा सकता है।

फ्यूचरिटी के अनुसार, स्टैनफोर्ड विश्वविद्यालय में पृथ्वी प्रणाली विज्ञान की सहायक प्रोफेसर एलेक्जेंड्रा कोनिंग्स ने कहा:

“इन नक्शों का निर्माण इस नए ईंधन नमी डेटा के आग के जोखिम और भविष्यवाणियों पर प्रभाव को समझने के लिए पहला कदम था। अब हम इसका उपयोग आग की भविष्यवाणी में सुधार के लिए करने के सर्वोत्तम तरीकों को वास्तव में निर्धारित करने का प्रयास कर रहे हैं।”