Penjaga Nasional Untuk Meningkatkan Drone Pemantau Kebakaran Dengan AI

Seiring dengan meningkatnya kebakaran yang lebih besar dan berbahaya, berbagai lembaga pemerintah dan swasta telah menggunakan AI untuk mendeteksi dan memprediksi kebakaran hutan. Penjaga Nasional telah melakukan penerbangan pengintaian di California selama akhir musim panas dan musim gugur selama beberapa tahun terakhir, tetapi sekarang drone yang digunakan untuk melakukan penerbangan tersebut telah menerima peningkatan dengan algoritma AI yang dimaksudkan untuk secara otomatis menghasilkan peta kebakaran di dalam sebuah wilayah tertentu.

Membuat peta kebakaran adalah proses yang sangat sulit yang memerlukan analisis data untuk memetakan kebakaran yang terus berubah saat bergerak di atas medan yang kasar. Baik pengamatan udara dan darat digunakan untuk membuat peta kebakaran, dan peta kebakaran biasanya hanya diperbarui sekali sehari atau sehingga. Kebakaran besar dapat bergerak sejauh 15 mil selama satu hari, seperti yang disaksikan oleh beberapa kebakaran pada musim kebakaran ini. Lembaga pemantau kebakaran memerlukan cara yang lebih cepat untuk mengumpulkan data kebakaran dan memperbarui peta kebakaran, dan drone udara yang dipasangkan dengan AI dapat memenuhi kebutuhan ini.

Sistem pemetaan kebakaran, banyak di antaranya yang bergantung pada data satelit, biasanya menggunakan salah satu dari dua metode yang berbeda untuk mendeteksi kebakaran yang mungkin terjadi. Kebakaran dideteksi baik dengan mendeteksi panas yang keluar dari permukaan Bumi (mendeteksi area yang tidak biasa panas) atau dengan menganalisis emisi aerosol (mendeteksi partikel asap yang dilepaskan ke udara saat biomassa terbakar). Setelah kebakaran yang mungkin terjadi dideteksi, mereka dapat dikonfirmasi melalui penggunaan sistem pengimajan resolusi tinggi seperti drone. Kamera yang dipasang pada drone Penjaga Nasional dapat menunjukkan kebakaran dengan resolusi hanya 90 kaki di atas tanah.

Penjaga Nasional telah melengkapi drone MQ-9 “Reaper” dengan algoritma AI yang dimaksudkan untuk mendeteksi kebakaran dan menghasilkan peta kebakaran. Algoritma AI digunakan untuk mengumpulkan data pada kebakaran yang sedang terjadi dan mendeteksi “kebakaran titik” yang dimulai oleh kebakaran yang lebih besar. Proyek ini dipimpin oleh Pusat Kecerdasan Buatan Gabungan (JAIC), divisi yang dibuat oleh Pentagon pada 2018. Sistem pemetaan kebakaran JAIC menggunakan algoritma pembelajaran mesin yang dilatih pada footage udara kebakaran sebelumnya dengan batas yang diberi label. Algoritma dapat kemudian mengambil gambar yang tidak terlihat dengan hanya data lokasi dan mendeteksi kebakaran di dalamnya, menghasilkan peta yang menunjukkan wilayah mana yang terbakar. Lokasi kebakaran titik juga ditandai.

Dibandingkan dengan proses pembuatan peta kebakaran yang memakan waktu sehari yang digunakan oleh lembaga lain, sistem pemetaan kebakaran JAIC jauh lebih cepat. Proses pemetaan kebakaran yang ditenagai AI dapat menghasilkan peta kebakaran baru sekitar setiap setengah jam. Menurut Penjaga Nasional Udara California, peta yang dihasilkan oleh sistem baru ini akurat dan umpan balik dari CalFire telah positif. Jika peta terus terbukti dapat diandalkan dan dapat diintegrasikan dengan operasi CalFire, maka dapat dikerahkan untuk membantu mendeteksi kebakaran selama musim kebakaran tahun depan.

Di luar pemetaan batas kebakaran yang sedang terjadi, AI dapat membantu tim pemadam kebakaran memprediksi pergerakan kebakaran. CalFire sendiri baru-baru ini memulai kerja sama dengan alat yang disebut WildFire Analyst Enterprise. Alat analisis kebakaran hutan ini dibuat oleh Technosylva, dan beroperasi dengan menggabungkan berbagai model penyebaran kebakaran. Model-model ini ditingkatkan melalui penggunaan algoritma pembelajaran mesin, yang dilatih pada fitur kebakaran hutan sebelumnya (seperti kadar kelembaban vegetasi, kondisi cuaca, dan citra satelit). Model kemudian membandingkan data pada kebakaran saat ini dengan data kebakaran sebelumnya untuk membuat prediksi tentang bagaimana kebakaran itu mungkin menyebar. Perangkat lunak ini juga memungkinkan pengguna untuk membuat simulasi berdasarkan pada perubahan variabel seperti kondisi cuaca. Alat ini dengan benar memprediksi bahwa Kebakaran Kompleks Petir CZU akan bergerak menuju kota Felton, memungkinkan kru pemadam kebakaran tiba lebih awal dan menyelamatkan banyak struktur yang mungkin tidak akan diselamatkan jika tidak.

Sementara itu, departemen pemadam kebakaran di selatan California menggunakan sistem pelacakan dan prediksi kebakaran yang berbeda yang disebut FireMap, yang dikembangkan oleh Wifire Lab. FireMap menggunakan data udara dan darat dari kamera, serta kondisi iklim, kondisi angin, kadar kelembaban dalam vegetasi, dan lain-lain, untuk memprediksi di mana kebakaran akan menyebar.

Seiring dengan berkembangnya platform deteksi dan prediksi kebakaran yang ditenagai AI, drone kemungkinan akan menjadi semakin penting. Satelit sangat berguna, tetapi mereka memiliki keterbatasan terkait dengan jenis dan volume data yang dapat mereka kumpulkan. Dua jenis satelit digunakan untuk mengumpulkan data: satelit polar dan satelit geosinkron. Satelit polar dapat mengambil gambar resolusi tinggi, tetapi gambar hanya diambil dua kali sehari. Sebaliknya, gambar yang dikumpulkan oleh satelit geosinkron diambil lebih sering, biasanya setiap 5 menit atau sehingga. Namun, satelit geosinkron harus terbang sekitar 22.000 mil di atas permukaan Bumi untuk tetap sinkron dengan orbit Bumi. Akibatnya, gambar yang dihasilkan mengandung jauh lebih sedikit detail daripada satelit polar. Drone dapat membantu mengisi celah dalam data, mendapatkan gambar yang lebih konstan dan terperinci dari area yang diminati. Drones s satellites have to fly approximately 22,000 miles above the Earth’s surface in order to stay in sync with the Earth’s orbit. As a result, these images contain far less detail than the polar orbital satellites. Drones can help fill in the gaps in the data, getting more constant, detailed images of an area of interest.