National Garde Fir Feier-Spotting Dronen mat AI ze vergréisseren

Wéi d'Feier méi grouss a méi geféierlech ginn, hu verschidde staatlech a privat Agencen sech ëmgedréit zu AI fir Bëschbränn z'entdecken, a potenziell virauszesoen. D'Nationalgarde huet Reconnaissance Flich a Kalifornien am spéide Summer an Hierscht fir d'Pew Joer gemaach, awer elo hunn d'Dronen, déi benotzt gi fir dës Flich auszeféieren. krut Upgrades mat AI Algorithmen geduecht fir automatesch Kaarte vu Bränn an enger bestëmmter Regioun ze generéieren.

Feierkaarten erstellen ass en onheemlech schwieregen Prozess deen Datenanalyse erfuerdert fir dauernd verännerend Bränn ze kartéieren wéi se iwwer robusten Terrain bewegen. Béid Loft- a Buedemobservatioune gi benotzt fir Feierkaarten ze maachen, a Feierkaarte ginn normalerweis nëmmen eemol all Dag aktualiséiert oder esou. Grouss Bränn kënne bis zu 15 Meilen während engem eenzegen Dag bewegen, wéi Zeien vun e puer vun de Bränn dëser Feier Saison. Feier Iwwerwaachungsagenturen brauche méi séier Weeër fir Feierdaten ze sammelen an d'Feierkaarten ze aktualiséieren, an Loftdrohnen kombinéiert mat AI kënnen dëse Besoin adresséieren.

Fire-Mapping Systemer, vill vun deenen op Satellitendaten vertrauen, benotzen normalerweis ee vun zwou verschidde Methoden fir méiglech Bränn z'entdecken. D'Bree ginn entweder duerch Senséiere vun der Hëtzt vun der Äerduewerfläch erkannt (ongewéinlech waarme Gebidder z'entdecken) oder duerch Analyse vun Aerosol-Emissiounen (Entdeckung vun de Rauchpartikelen, déi an d'Loft erauskommen wéi d'Biomass verbrennt). Nodeems potenziell Bränn erkannt ginn, kënne se duerch d'Benotzung vun héichopléisende Bildsystemer wéi Dronen bestätegt ginn. D'Kameraen, mat deenen d'Nationalgarde Dronen ausgestatt sinn, si fäeg fir Bränn mat enger Resolutioun vu just 90 Féiss iwwer dem Buedem ze weisen.

D'Nationalgarde huet seng MQ-9 "Reaper" Dronen mat AI Algorithmen ausgestatt fir Bränn z'entdecken a Feierkaarten ze generéieren. D'AI Algorithmen gi benotzt fir Daten iwwer aktiv brennende Bränn ze sammelen an "Spotbränn" z'entdecken déi vu gréissere Bränn gestart goufen. De Projet gouf vum Joint Artificial Intelligence Center (JAIC) gedriwwen, eng Divisioun erstallt vum Pentagon am Joer 2018. De JAIC Fire-Mapping System benotzt Maschinnléier Algorithmen trainéiert op Loftopname vu vergaangene Bränn mat annotéierte Grenzen. Den Algorithmus kann dann onsiichtbar Biller mat nëmmen Locationdaten ophuelen an Bränn an hinnen entdecken, eng Kaart erausginn déi weist wéi eng Regiounen brennen. D'Plaz vun de Plazbränn ass och markéiert.

Am Verglach mam Dag-laange Feierkaart Generatiounsprozess vun aneren Agencen benotzt, ass de JAIC Fire-Mapping System vill méi séier. Den AI-ugedriwwene Feierkartéierungsprozess kann eng nei Feierkaart ongeféier all hallef Stonn generéieren. Laut der California Air National Guard, D'Kaarten, déi vum neie System produzéiert ginn, sinn korrekt an de Feedback vu CalFire war positiv. Wann d'Kaarten weider zouverlässeg beweisen an erfollegräich mat CalFire Operatiounen integréiert kënne ginn, kann et agesat ginn fir Bränn während der Feiersaison vum nächste Joer ze gesinn.

Nieft der Kartéierung vun de Grenze vun aktuellen Bränn, kann AI Feierbekämpfungsteams hëllefen d'Bewegung vu Bränn virauszesoen. CalFire selwer huet viru kuerzem ugefaang mat engem Tool mam Numm WildFire Analyst Enterprise ze schaffen. D'Wildfire Analyse-Tool gouf vum Technosylva erstallt, an et funktionéiert andeems verschidde Feierverbreedungsmodeller kombinéiert ginn. Dës Modeller ginn duerch d'Benotzung vu Maschinnléier Algorithmen verbessert, trainéiert op d'Features vu vergaangene Bëschbränn (wéi de Feuchtigkeitgehalt vu Vegetatioun, Wiederkonditiounen a Satellitebiller). De Modell vergläicht dann Daten iwwer en aktuellt Feier mat de vergaangene Feierdaten fir Prognosen ze maachen wéi dat Feier sech kéint verbreeden. D'Software erlaabt de Benotzer och Simulatioune ze kreéieren baséiert op wéi verschidde Variabelen wéi Wiederkonditiounen änneren. D'Tool huet richteg virausgesot datt de CZU Lightning Complex Fire an d'Stad Felton géif bewegen, wat d'Feierbekämpfung erlaabt fréi ze kommen a vill Strukturen ze retten, déi soss net gerett goufen.

Mëttlerweil benotzen d'Feierbekämpfungsdepartementer a Südkalifornien en anere Feierverfolgungs- a Prediktiounssystem mam Numm FireMap, entwéckelt vum Wifire Lab. FireMap benotzt souwuel Loft- a Buedemdaten vu Kameraen, souwéi Klimabedéngungen, Wandbedéngungen, de Feuchtigkeitgehalt an der Vegetatioun, a méi, fir virauszesoen wou d'Feier sech verbreeden.

Wéi méi AI-driven Feierdetektéieren a Prognoseplattformen erstallt ginn, Dronen wäert wahrscheinlech ëmmer méi wichteg ginn. Satellitte sinn extrem nëtzlech, awer si hunn Aschränkungen iwwer d'Aart a Volumen vun Daten, déi se sammelen kënnen. Zwou Aarte vu Satellitte gi benotzt fir Daten ze sammelen: Polarorbitersatellitten a geosynchrone Satellitten. Polar Orbiter Satellite si fäeg héichopléisende Biller ze maachen, awer d'Biller ginn nëmmen zweemol am Dag ageholl. Am Géigesaz, Biller gesammelt vu geosynchrone Biller gi méi dacks gesammelt, typesch all 5 Minutten oder esou. Geosynchron Satellitte mussen awer ongeféier 22,000 Meilen iwwer der Äerduewerfläch fléien, fir mat der Äerdëmlafbunn synchroniséiert ze bleiwen. Als Resultat enthalen dës Biller vill manner Detailer wéi déi polare Bunnsatellitten. Dronen kënnen hëllefen d'Lücken an den Daten auszefëllen, méi konstant, detailléiert Biller vun engem Interessegebitt ze kréien.