नई एआई तकनीक जंगल की आग के पूर्वानुमान में सुधार कर सकती है

राष्ट्रीय वायुमंडलीय अनुसंधान केंद्र (एनसीएआर) के वैज्ञानिकों ने एक नई तकनीक विकसित की है जो जंगल की आग के पूर्वानुमानों को बेहतर बनाने के लिए कृत्रिम बुद्धिमत्ता (एआई) का उपयोग करती है। यह तकनीक वनस्पति मानचित्रों को कुशलतापूर्वक अद्यतन करने में मदद करती है जिनका उपयोग जंगल की आग के कंप्यूटर मॉडल द्वारा आग के व्यवहार और प्रसार की सटीक भविष्यवाणी करने के लिए किया जाता है। 

कोलोराडो में 2020 ईस्ट ट्रबलसम फायर का उपयोग करके इस विधि का प्रदर्शन किया गया। इस आग के दौरान, जली हुई भूमि को ईंधन भंडार में स्वस्थ के रूप में गलत दर्शाया गया था। लेकिन वास्तव में, जो क्षेत्र जल गया वह हाल ही में पाइन बीटल और तूफान से प्रभावित हुआ था, जिससे बड़ी मात्रा में लकड़ी मृत और गिरी हुई थी। 

जंगल की आग सिमुलेशन की तुलना करना

टीम ने जंगल की आग के व्यवहार मॉडल द्वारा उत्पन्न आग के सिमुलेशन की तुलना की जिसमें मानक ईंधन सूची का उपयोग किया गया था और दूसरे को एआई के साथ अद्यतन किया गया था। आग से जले हुए क्षेत्र की भविष्यवाणी करते समय एआई सिमुलेशन ने काफी बेहतर प्रदर्शन किया। 

एमी डेकास्त्रो एक एनसीएआर वैज्ञानिक और प्रमुख लेखिका हैं अध्ययन. 

डेकास्त्रो ने कहा, "जंगल की आग के मॉडलिंग में हमारी मुख्य चुनौतियों में से एक ईंधन डेटा सहित सटीक इनपुट प्राप्त करना है।" "इस अध्ययन में, हम दिखाते हैं कि मशीन लर्निंग और सैटेलाइट इमेजरी का संयुक्त उपयोग एक व्यवहार्य समाधान प्रदान करता है।"

मॉडल सिमुलेशन चेयेन प्रणाली पर एनसीएआर-व्योमिंग सुपरकंप्यूटिंग सेंटर में चलाए गए थे। 

जंगल की आग का सटीक अनुकरण करने के लिए बनाए गए मॉडलों को स्थानीय मौसम और इलाके जैसी मौजूदा स्थितियों के बारे में बहुत सारी विस्तृत जानकारी की आवश्यकता होती है। उन्हें पौधे के मामले पर भी जानकारी की आवश्यकता होती है, जो आग के लिए ईंधन के रूप में कार्य करता है। 

लैंडफ़ायर डेटासेट

सबसे अच्छा ईंधन डेटासेट LANDFIRE द्वारा तैयार किया जाता है, जो एक संघीय कार्यक्रम है जो भू-स्थानिक डेटासेट तैयार करता है जिसमें जंगल की आग के ईंधन के बारे में जानकारी होती है। जंगल की आग के ईंधन डेटासेट बनाने के लिए, विशेषज्ञों को बहुत सारी उपग्रह इमेजरी, लैंडस्केप सिमुलेशन और सर्वेक्षण जानकारी की आवश्यकता होती है। आवश्यक डेटा की बड़ी मात्रा के कारण, डेटासेट को अपडेट करने में लंबा समय लगता है। साथ ही, किसी क्षेत्र में उपलब्ध ईंधन तेजी से बदल सकता है। 

टीम ने सेंटिनल उपग्रहों का उपयोग करके ईंधन डेटासेट को अद्यतन किया, जो यूरोपीय अंतरिक्ष एजेंसी के कोपरनिकस कार्यक्रम से संबंधित हैं। सेंटिनल-1 सतह की बनावट के आसपास डेटा प्रदान करता है, जिसका उपयोग वनस्पति प्रकार की पहचान करने के लिए किया जा सकता है। सेंटिनल-2 डेटा प्रदान करता है जिसका उपयोग पौधे के हरेपन से उसके स्वास्थ्य का अनुमान लगाने के लिए किया जा सकता है। इस उपग्रह डेटा को एक मशीन लर्निंग मॉडल में डाला गया था जिसे अमेरिकी वन सेवा के कीट और रोग जांच सर्वेक्षण पर प्रशिक्षित किया गया था, जो हवा से पेड़ों की मृत्यु का अनुमान लगाने के लिए सालाना आयोजित किया जाता है। 

इन नए परिवर्धन के साथ, मशीन लर्निंग मॉडल लैंडफायर ईंधन डेटा को सटीक रूप से अपडेट करने में सक्षम था। 

डेकास्त्रो ने कहा, "लैंडफ़ायर डेटा बेहद मूल्यवान है और आगे बढ़ने के लिए एक विश्वसनीय मंच प्रदान करता है।" "कम संसाधन-गहन तरीके से डेटा को अपडेट करने के लिए कृत्रिम बुद्धिमत्ता एक प्रभावी उपकरण साबित हुई है।"

नई प्रणाली का परीक्षण

इसके बाद टीम ने जंगल की आग के सिमुलेशन पर अद्यतन सूची के प्रभाव का परीक्षण करने के लिए काम किया, इसलिए उन्होंने डब्ल्यूआरएफ-फायर का उपयोग किया, जिसे एनसीएआर द्वारा जंगल की आग के व्यवहार का अनुकरण करने के लिए विकसित किया गया था। 

उन्होंने पहली बार गैर-समायोजित लैंडफायर ईंधन डेटासेट के साथ ईस्ट ट्रबलसम फायर का अनुकरण करने के लिए डब्लूआरएफ-फायर का उपयोग किया, जिसके परिणामस्वरूप जलाए जाने वाले क्षेत्र की मात्रा का कम अनुमान लगाया गया। हालाँकि, जब मॉडल को समायोजित डेटासेट के साथ चलाया गया, तो इसने इस जले हुए क्षेत्र की कहीं अधिक सटीकता के साथ भविष्यवाणी की। इसने यह भविष्यवाणी करके ऐसा किया कि मृत और गिरी हुई लकड़ी आग फैलाने में मदद करेगी। 

यह मशीन लर्निंग मॉडल वर्तमान में मौजूदा ईंधन मानचित्रों को अद्यतन करने के लिए डिज़ाइन किया गया है, लेकिन यह अंततः ईंधन मानचित्रों के नियमित उत्पादन और अद्यतन को जन्म दे सकता है। 

एनसीएआर के शोधकर्ताओं को यह भी उम्मीद है कि मशीन लर्निंग इस क्षेत्र में अन्य प्रमुख चुनौतियों का समाधान करेगी, जैसे आग से उत्पन्न अंगारों के गुणों की भविष्यवाणी करने की हमारी क्षमता में सुधार करना। 

एनसीएआर वैज्ञानिक टिमोथी जूलियानो अध्ययन के सह-लेखक हैं। 

जूलियानो ने कहा, "हमारे पास इन मुद्दों को हल करने और लोगों को सुरक्षित रखने के लिए बहुत सारी तकनीक, इतनी कंप्यूटिंग शक्ति और हमारी उंगलियों पर बहुत सारे संसाधन हैं।" “हम सकारात्मक प्रभाव डालने के लिए अच्छी स्थिति में हैं; हमें बस इस पर काम करते रहने की जरूरत है।”