Noua tehnică de inteligență artificială poate îmbunătăți previziunile incendiilor de pădure

Oamenii de știință de la Centrul Național pentru Cercetări Atmosferice (NCAR) au dezvoltat o nouă tehnică care utilizează inteligența artificială (IA) pentru a îmbunătăți previziunile incendiilor de pădure. Tehnica ajută la actualizarea eficientă a hărților de vegetație care sunt utilizate de modelele computerizate de incendii de pădure pentru a prevedea cu acuratețe comportamentul și răspândirea incendiilor.

Metoda a fost demonstrată utilizând incendiul East Troublesome Fire din Colorado din 2020. În timpul acestui incendiu, terenul ars a fost caracterizat greșit în inventarele de combustibil ca fiind sănătos. În realitate, zona care a ars a fost recent afectată de gândaci de pin și furtuni, care au lăsat mari porțiuni de arbori morți și doborâți.

Compararea simulărilor incendiilor de pădure

Echipa a comparat simulările incendiului generate de un model de comportament al incendiilor de pădure care a utilizat inventarul standard de combustibil și altul care a fost actualizat cu IA. Simulările IA au avut rezultate semnificativ mai bune atunci când au prevăzut zona arsă de incendiu.

Amy DeCastro este o cercetătoare de la NCAR și autoarea principală a studiei.

“Una dintre principalele noastre provocări în modelarea incendiilor de pădure a fost să obținem date de intrare precise, inclusiv date despre combustibil”, a spus DeCastro. “În acest studiu, demonstrăm că utilizarea combinată a învățării automate și a imaginilor satelitare oferă o soluție viabilă.”

Simulările modelului au fost rulate la Centrul de Supercalcul NCAR-Wyoming pe sistemul Cheyenne.

Modelele care urmăresc să simuleze cu acuratețe incendiile de pădure necesită multe informații detaliate despre condițiile actuale, cum ar fi vremea locală și terenul. De asemenea, necesită informații despre materia vegetală, care servește ca combustibil pentru incendiu.

Setul de date LANDFIRE

Cel mai bun set de date despre combustibil este produs de LANDFIRE, care este un program federal care produce seturi de date geospațiale care conțin informații despre combustibilul pentru incendii de pădure. Pentru a crea seturile de date despre combustibilul pentru incendii de pădure, experții au nevoie de multe imagini satelitare, simulări de peisaj și informații din observații și inventarieri. Din cauza cantității mari de date necesare, durează mult timp pentru a actualiza seturile de date. În același timp, combustibilul disponibil într-o zonă se poate schimba rapid.

Echipa a actualizat setul de date despre combustibil utilizând sateliții Sentinel, care aparțin programului Copernicus al Agenției Spațiale Europene. Sentinel-1 oferă date despre textura suprafeței, care pot fi utilizate pentru a identifica tipul de vegetație. Sentinel-2 oferă date care pot fi utilizate pentru a deduce starea de sănătate a plantei din verdele acesteia. Aceste date satelitare au fost introduse într-un model de învățare automată care a fost antrenat pe ancheta anuală a Serviciului Forestier al SUA privind detectarea insectelor și bolilor, care este efectuată pentru a estima mortalitatea arborilor din aer.

Cu aceste noi adăugări, modelul de învățare automată a putut să actualizeze cu acuratețe datele despre combustibil din LANDFIRE.

“Datele LANDFIRE sunt super valoroase și oferă o platformă de încredere pe care să ne bazăm”, a spus DeCastro. “Inteligența artificială s-a dovedit a fi un instrument eficient pentru actualizarea datelor într-un mod mai puțin intensiv din punct de vedere al resurselor.”

Testarea noului sistem

Echipa a decis apoi să testeze efectul inventarului actualizat asupra simulărilor incendiilor de pădure și a utilizat WRF-Fire, care a fost dezvoltat de NCAR pentru a simula comportamentul incendiilor de pădure.

Mai întâi, au utilizat WRF-Fire pentru a simula incendiul East Troublesome Fire cu setul de date despre combustibil LANDFIRE neactualizat, ceea ce a dus la subestimarea zonei arse de incendiu. Cu toate acestea, atunci când modelul a fost rulat cu setul de date actualizat, a prevăzut zona arsă cu o acuratețe mult mai mare. Acest lucru s-a datorat previziunii că arborii morți și doborâți vor favoriza răspândirea incendiului.

Acest model de învățare automată este în prezent proiectat pentru a actualiza hărțile de combustibil existente, dar ar putea duce în cele din urmă la producerea și actualizarea regulată a hărților de combustibil de la zero.

Cercetătorii de la NCAR speră, de asemenea, că învățarea automată va rezolva alte provocări majore în acest domeniu, cum ar fi îmbunătățirea capacității noastre de a prevedea proprietățile jarului generat de un incendiu.

Cercetătorul de la NCAR, Timothy Juliano, este coautor al studiului.

“Avem atât de multă tehnologie și atât de multă putere de calcul și atâtea resurse la dispoziția noastră pentru a rezolva aceste probleme și a ține oamenii în siguranță”, a spus Juliano. “Suntem bine poziționați pentru a avea un impact pozitiv; trebuie doar să continuăm să lucrăm la acest lucru.”