एआई मॉडल और प्लेटफ़ॉर्म
नए एआई तकनीक से वाइल्डफायर के पूर्वानुमान में सुधार संभव
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
राष्ट्रीय वायुमंडलीय अनुसंधान केंद्र (एनसीएआर) के वैज्ञानिकों ने एक नई तकनीक विकसित की है जो कृत्रिम बुद्धिमत्ता (एआई) का उपयोग करके वाइल्डफायर के पूर्वानुमान में सुधार कर सकती है। यह तकनीक वाइल्डफायर कंप्यूटर मॉडल द्वारा उपयोग किए जाने वाले वनस्पति मानचित्रों को कुशलतापूर्वक अद्यतन करने में मदद करती है ताकि आग के व्यवहार और प्रसार का सटीक पूर्वानुमान लगाया जा सके।
इस विधि का प्रदर्शन 2020 में कोलोराडो में हुए ईस्ट ट्राउबलसम फायर के माध्यम से किया गया था। इस आग के दौरान, जली हुई भूमि को ईंधन सूची में स्वस्थ होने के रूप में गलत तरीके से वर्गीकृत किया गया था। लेकिन वास्तव में, जो क्षेत्र जला था वह हाल ही में पाइन बीटल और तूफानों से प्रभावित था, जिससे बड़े हिस्से में मृत और गिरे हुए पेड़ रह गए थे।
वाइल्डफायर सिमुलेशन की तुलना
टीम ने एक वाइल्डफायर व्यवहार मॉडल द्वारा उत्पन्न सिमुलेशन की तुलना की, जो मानक ईंधन सूची का उपयोग करता था, और दूसरा जो एआई के साथ अद्यतन किया गया था। एआई सिमुलेशन ने आग द्वारा जले हुए क्षेत्र का पूर्वानुमान लगाने में काफी बेहतर प्रदर्शन किया।
एमी डिकास्ट्रो एनसीएआर की एक वैज्ञानिक और अध्ययन की प्रमुख लेखिका हैं।
“हमारी वाइल्डफायर मॉडलिंग में एक प्रमुख चुनौती यह रही है कि हमें सटीक इनपुट मिले, जिसमें ईंधन डेटा भी शामिल है,” डिकास्ट्रो ने कहा। “इस अध्ययन में, हम दिखाते हैं कि मशीन लर्निंग और सैटेलाइट इमेजरी का संयुक्त उपयोग एक व्यावहारिक समाधान प्रदान करता है।”
मॉडल सिमुलेशन एनसीएआर-व्योमिंग सुपरकंप्यूटिंग सेंटर में Cheyenne नामक सिस्टम पर चलाए गए थे।
वाइल्डफायर को सटीक रूप से सिमुलेट करने के लिए मॉडल को विस्तृत जानकारी की आवश्यकता होती है, जैसे कि स्थानीय मौसम और भूभाग। उन्हें पौधों के बारे में जानकारी की भी आवश्यकता होती है, जो आग के लिए ईंधन का काम करते हैं।
लैंडफायर डेटासेट
सर्वोत्तम ईंधन डेटासेट लैंडफायर द्वारा उत्पादित किया जाता है, जो एक संघीय कार्यक्रम है जो वाइल्डफायर ईंधन के बारे में जानकारी वाले भौगोलिक डेटासेट तैयार करता है। वाइल्डफायर ईंधन डेटासेट बनाने के लिए, विशेषज्ञों को बहुत सारी सैटेलाइट इमेजरी, लैंडस्केप सिमुलेशन और सर्वेक्षण जानकारी की आवश्यकता होती है। आवश्यक डेटा की बड़ी मात्रा के कारण, डेटासेट को अद्यतन करने में बहुत समय लगता है। इस बीच, किसी क्षेत्र में उपलब्ध ईंधन जल्दी से बदल सकते हैं।
टीम ने सेंटिनेल सैटेलाइट का उपयोग करके ईंधन डेटासेट को अद्यतन किया, जो यूरोपीय अंतरिक्ष एजेंसी के कोपेरनिकस कार्यक्रम का हिस्सा है। सेंटिनेल-1 सतह के टेक्सचर के बारे में डेटा प्रदान करता है, जिसका उपयोग वनस्पति प्रकार की पहचान करने के लिए किया जा सकता है। सेंटिनेल-2 डेटा प्रदान करता है जिसका उपयोग पौधों के हरेपन के आधार पर उनके स्वास्थ्य का अनुमान लगाने के लिए किया जा सकता है। इस सैटेलाइट डेटा को एक मशीन लर्निंग मॉडल में फीड किया गया था जिसे यूएस फॉरेस्ट सर्विस के कीट और रोग पता लगाने के सर्वेक्षण पर प्रशिक्षित किया गया था, जो हर वर्ष हवाई निरीक्षण से वृक्षों की मृत्यु का अनुमान लगाने के लिए किया जाता है।
इन नई जानकारियों के साथ, मशीन लर्निंग मॉडल लैंडफायर ईंधन डेटा को सटीक रूप से अद्यतन करने में सक्षम था।
“लैंडफायर डेटा बहुत मूल्यवान है और एक विश्वसनीय प्लेटफ़ॉर्म प्रदान करता है जिस पर निर्माण किया जा सकता है,” डिकास्ट्रो ने कहा। “कृत्रिम बुद्धिमत्ता डेटा को कम संसाधन-गहन तरीके से अद्यतन करने के लिए एक प्रभावी उपकरण साबित हुई।”
नए सिस्टम का परीक्षण
टीम ने फिर जंगल की आग के सिमुलेशन पर अद्यतन सूची के प्रभाव का परीक्षण करने का फैसला किया, इसलिए उन्होंने डब्ल्यूआरएफ-फायर का उपयोग किया, जिसे एनसीएआर द्वारा वाइल्डफायर व्यवहार को सिमुलेट करने के लिए विकसित किया गया था।
उन्होंने पहले डब्ल्यूआरएफ-फायर का उपयोग करके ईस्ट ट्राउबलसम फायर का सिमुलेशन किया, जिसमें बिना संशोधित लैंडफायर ईंधन डेटासेट का उपयोग किया गया था, जिसके परिणामस्वरूप आग द्वारा जले हुए क्षेत्र का अनुमान कम था। हालांकि, जब मॉडल को अद्यतन डेटासेट के साथ चलाया गया, तो इसने जले हुए क्षेत्र का अनुमान कहीं अधिक सटीकता से लगाया। इसने यह अनुमान लगाकर बेहतर परिणाम दिया कि मृत और गिरे हुए पेड़ आग के फैलाव को बढ़ाएँगे।
यह मशीन लर्निंग मॉडल वर्तमान में मौजूदा ईंधन मानचित्रों को अद्यतन करने के लिए डिज़ाइन किया गया है, लेकिन यह अंततः ईंधन मानचित्रों को शुरू से नियमित रूप से तैयार करने और अद्यतन करने में मदद कर सकता है।
एनसीएआर के शोधकर्ताओं को उम्मीद है कि मशीन लर्निंग इस क्षेत्र में अन्य प्रमुख चुनौतियों का समाधान करेगी, जैसे कि आग से उत्पन्न अंगारों के गुणों का अनुमान लगाने की हमारी क्षमता में सुधार।
एनसीएआर वैज्ञानिक टिमोथी जुलियानो अध्ययन के सह-लेखक हैं।
“हमारे पास इतनी प्रौद्योगिकी है, इतनी कम्प्यूटिंग शक्ति है, और इतने संसाधन हैं जिनका उपयोग हम इन मुद्दों को हल करने और लोगों को सुरक्षित रखने के लिए कर सकते हैं,” जुलियानो ने कहा। “हम एक सकारात्मक प्रभाव डालने के लिए अच्छी स्थिति में हैं; हमें बस इस पर काम करना जारी रखने की आवश्यकता है।”
