森林の乾燥度をマッピングし、野火を予測するためのAIモデル

スタンフォード大学の研究者によって設計された新しいディープラーニングモデルは、12つの異なる州の湿度レベルを利用して、野火の予測を支援し、火災管理チームが潜在的に破壊的な野火を予測するために役立ちます。

火災管理チームは、予防措置として制限火を実施するために、最も深刻な炎上が発生する可能性のある場所を予測することを目指しています。野火の起源と拡散パターンを予測するには、燃料量と湿度レベルに関する情報が必要です。ただし、このデータを収集し、分析することは難しく、ディープラーニングモデルはこれらの重要なプロセスを自動化するのに役立ちます。

Futurityは最近報告したように、スタンフォード大学の研究者は気候データを収集し、モデルを設計しました。このモデルは、12の西部州、太平洋岸州、テキサス州、ワイオミング州、モンタナ州、南西部州を含む地域の湿度レベルを詳細にマッピングすることを目的としています。研究者によると、モデルはまだ改良中ですが、すでに森林火災のリスクが高い地域を特定することができます。

燃料と湿度レベルに関するデータを収集する通常の方法は、乾燥した植生と湿った植生を比較することです。具体的には、研究者は樹木から植生サンプルを収集し、重量を測定します。次に、植生サンプルを乾燥させ、再び重量を測定します。乾燥したサンプルと湿ったサンプルの重量を比較して、植生の湿度レベルを決定します。このプロセスは時間がかかり、複雑であり、特定の地域や植生種のみで実行可能です。ただし、数十年にわたるこのプロセスで収集されたデータは、National Fuel Moisture Databaseにまとめられ、20万を超えるレコードが含まれています。燃料の湿度レベルは野火のリスクと関連していることが知られていますが、生態系間や植物間でのその役割はまだ不明です。

スタンフォード大学の地球システム科学の博士課程の学生であるKrishna Raoは、新しい研究の第一著者で、RaoはFuturityに、機械学習により、研究者が生燃料の湿度と気象条件の関係についての仮定をテストできることを説明しました。Raoと彼の同僚は、National Fuel Moisture Databaseのデータを使用して再帰型ニューラルネットワークモデルをトレーニングしました。モデルは、空間センサーによって収集された測定値に基づいて燃料の湿度レベルを推定するために使用されました。データには、合成開口レーダー（SAR）からの信号や、地球の表面から反射する可視光が含まれていました。モデルのトレーニングと検証データは、2015年から始まる3年間の西部アメリカ約240カ所のデータで構成されていました。

研究者は、疎林、草原、低木林、針葉樹林、広葉樹林などのさまざまな土地被覆について分析を実施しました。モデルの予測は、低木林地域で最も正確で、NFMDの測定値と最もよく一致しました。これは幸運なことです。低木林は、米国西部の生態系の約45％を占めています。低木林、特にチャパラル低木林は、最近のカリフォルニア州での多くの火災で見られたように、火災に対して特に脆弱です。

モデルの予測は、将来火災管理機関が火災制御の優先地域を特定し、他の関連パターンを特定するために使用できるインタラクティブマップを作成するために使用されています。研究者は、さらにトレーニングと改良を行うことで、モデルが…

スタンフォード大学の地球システム科学の助教授であるAlexandra Koningsは、Futurityに説明したように、

「これらのマップを作成することは、新しい燃料湿度データが火災リスクと予測にどのように影響するかを理解するための第一歩でした。現在、改善された火災予測のためにそれを使用する最も良い方法を特定しようとしています。」