Guardia Nazionale per aumentare i droni di rilevamento degli incendi con l’IA

Man mano che gli incendi diventano più grandi e pericolosi, varie agenzie governative e private hanno iniziato a utilizzare l’IA per rilevare e potenzialmente prevedere gli incendi boschivi. La Guardia Nazionale ha condotto voli di ricognizione in California durante la fine dell’estate e l’autunno per gli ultimi anni, ma ora i droni utilizzati per questi voli hanno ricevuto aggiornamenti con algoritmi di intelligenza artificiale destinati a generare automaticamente mappe degli incendi all’interno di una determinata regione.

La creazione di mappe degli incendi è un processo incredibilmente difficile che richiede l’analisi dei dati per mappare gli incendi in continua evoluzione mentre si spostano su un terreno accidentato. Sia le osservazioni aeree che quelle a terra vengono utilizzate per creare mappe degli incendi, e le mappe degli incendi vengono solitamente aggiornate solo una volta al giorno o giù di lì. Gli incendi di grandi dimensioni possono spostarsi di fino a 15 miglia in un solo giorno, come testimoniato da alcuni degli incendi di questa stagione degli incendi. Le agenzie di monitoraggio degli incendi hanno bisogno di modi più rapidi per raccogliere dati sugli incendi e aggiornare le mappe degli incendi, e i droni aerei combinati con l’IA possono soddisfare questa esigenza.

I sistemi di mappatura degli incendi, molti dei quali si basano sui dati satellitari, utilizzano solitamente uno dei due metodi diversi per rilevare possibili incendi. Gli incendi vengono rilevati o rilevando il calore che proviene dalla superficie terrestre (rilevando aree insolitamente calde) o analizzando le emissioni di aerosol (rilevando le particelle di fumo rilasciate nell’aria mentre la biomassa brucia). Dopo che gli incendi potenziali vengono rilevati, possono essere confermati mediante l’utilizzo di sistemi di imaging ad alta risoluzione come i droni. Le telecamere con cui sono dotati i droni della Guardia Nazionale sono in grado di mostrare gli incendi con una risoluzione di soli 90 piedi sopra il suolo.

La Guardia Nazionale ha dotato i suoi droni MQ-9 “Reaper” di algoritmi di intelligenza artificiale destinati a rilevare gli incendi e generare mappe degli incendi. Gli algoritmi di intelligenza artificiale vengono utilizzati per raccogliere dati sugli incendi attualmente in corso e rilevare “incendi di fuoco” che sono stati avviati da incendi più grandi. Il progetto è stato guidato dal Joint Artificial Intelligence Center (JAIC), una divisione creata dal Pentagono nel 2018. Il sistema di mappatura degli incendi del JAIC utilizza algoritmi di apprendimento automatico addestrati su immagini aeree di incendi passati con confini annotati. L’algoritmo può quindi acquisire immagini non viste con solo dati di localizzazione e rilevare gli incendi in esse, producendo una mappa che mostra quali regioni stanno bruciando. La localizzazione degli incendi di fuoco è anche segnata.

Rispetto al processo di generazione delle mappe degli incendi che richiede una giornata intera utilizzato da altre agenzie, il sistema di mappatura degli incendi del JAIC è molto più rapido. Il processo di mappatura degli incendi guidato dall’IA può generare una nuova mappa degli incendi all’incirca ogni mezz’ora. Secondo la California Air National Guard, le mappe prodotte dal nuovo sistema sono accurate e il feedback da CalFire è stato positivo. Se le mappe continuano a dimostrarsi affidabili e possono essere integrate con successo con le operazioni di CalFire, potrebbe essere schierato per aiutare a rilevare gli incendi durante la prossima stagione degli incendi.

Oltre a mappare i confini degli incendi attuali, l’IA può aiutare i team di combattimento degli incendi a prevedere il movimento degli incendi. CalFire stesso ha recentemente iniziato a lavorare con uno strumento chiamato WildFire Analyst Enterprise. Lo strumento di analisi degli incendi boschivi è stato creato da Technosylva, e funziona combinando vari modelli di diffusione degli incendi. Questi modelli vengono migliorati mediante l’utilizzo di algoritmi di apprendimento automatico, addestrati sulle caratteristiche degli incendi boschivi passati (come il contenuto di umidità della vegetazione, le condizioni meteorologiche e le immagini satellitari). Il modello confronta quindi i dati su un incendio attuale con i dati sugli incendi passati per prevedere come potrebbe diffondersi quell’incendio. Il software consente inoltre all’utente di creare simulazioni in base a come cambiano variabili come le condizioni meteorologiche. Lo strumento ha previsto correttamente che il CZU Lightning Complex Fire si sarebbe spostato verso la città di Felton, consentendo ai team di combattimento degli incendi di arrivare presto e salvare molte strutture che altrimenti non sarebbero state salvate.

Nel frattempo, i dipartimenti di combattimento degli incendi nel sud della California stanno utilizzando un sistema di tracciamento e previsione degli incendi diverso chiamato FireMap, sviluppato dal Wifire Lab. FireMap utilizza sia dati aerei che a terra da telecamere, nonché condizioni climatiche, condizioni del vento, il contenuto di umidità nella vegetazione e altro, per prevedere dove si diffonderanno gli incendi.

Man mano che vengono creati più piattaforme di rilevamento e previsione degli incendi guidate dall’IA, i droni diventeranno probabilmente sempre più importanti. I satelliti sono estremamente utili, ma hanno limitazioni riguardo al tipo e al volume di dati che possono raccogliere. Due tipi di satelliti vengono utilizzati per raccogliere dati: satelliti orbitanti polari e satelliti geosincroni. I satelliti orbitanti polari sono in grado di scattare immagini ad alta risoluzione, ma le immagini vengono catturate solo due volte al giorno. Al contrario, le immagini raccolte da immagini geosincrone vengono raccolte più frequentemente, solitamente ogni 5 minuti o giù di lì. Tuttavia, i satelliti geosincroni devono volare a circa 22.000 miglia sopra la superficie terrestre per rimanere in sincronia con l’orbita terrestre. Di conseguenza, queste immagini contengono molti meno dettagli rispetto ai satelliti orbitanti polari. I droni possono aiutare a colmare le lacune nei dati, ottenendo immagini più costanti e dettagliate di un’area di interesse.