Национальная гвардия дополнит беспилотники для обнаружения пожаров с помощью ИИ

Поскольку пожары становятся больше и более опасными, различные государственные и частные агентства обратились к ИИ для обнаружения и потенциального прогнозирования лесных пожаров. Национальная гвардия проводила разведывательные полеты в Калифорнии во время позднего лета и осени в течение последних нескольких лет, но теперь беспилотники, используемые для этих полетов, получили обновления с алгоритмами ИИ, предназначенными для автоматического создания карт пожаров в определенном регионе.

Создание карт пожаров – это невероятно сложный процесс, который требует анализа данных для картографирования постоянно меняющихся пожаров, когда они распространяются по пересеченной местности. Для создания карт пожаров используются как воздушные, так и наземные наблюдения, и карты пожаров обычно обновляются только один раз в день или около того. Большие пожары могут распространиться на 15 миль за один день, как это было видно на некоторых пожарах в этом сезоне. Агентства по мониторингу пожаров нуждаются в более быстрых способах сбора данных о пожарах и обновления карт пожаров, и беспилотники, в сочетании с ИИ, могут решить эту проблему.

Системы картографирования пожаров, многие из которых полагаются на данные спутников, обычно используют один из двух различных методов обнаружения возможных пожаров. Пожары обнаруживаются либо путем обнаружения тепла, исходящего от поверхности Земли (обнаружения необычно горячих областей), либо путем анализа выбросов аэрозолей (обнаружения частиц дыма, выпускаемых в воздух при сгорании биомассы). После обнаружения потенциальных пожаров они могут быть подтверждены с помощью высокоразрешающих систем изображения, таких как беспилотники. Камеры, с которыми оснащены беспилотники Национальной гвардии, способны показывать пожары с разрешением всего 90 футов над землей.

Национальная гвардия оснастила свои беспилотники MQ-9 “Reaper” алгоритмами ИИ, предназначенными для обнаружения пожаров и создания карт пожаров. Алгоритмы ИИ используются для сбора данных о активно горящих пожарах и обнаружения “точечных пожаров”, которые были начаты более крупными пожарами. Проект был инициирован Центром объединенной искусственной интеллекта (JAIC), подразделением, созданным Пентагоном в 2018 году. Система картографирования пожаров JAIC использует алгоритмы машинного обучения, обученные на аэрофотоснимках прошлых пожаров с аннотированными границами. Алгоритм может затем принимать неизвестные изображения с только локационными данными и обнаруживать пожары на них, выводя карту, которая показывает, какие регионы горят. Также отмечается местоположение точечных пожаров.

По сравнению с процессом создания карт пожаров, который занимает целый день и используется другими агентствами, система картографирования пожаров JAIC намного быстрее. Процесс создания карт пожаров с помощью ИИ может генерировать новую карту пожаров примерно каждые полчаса. Согласно Калифорнийской воздушной национальной гвардии, карты, произведенные новой системой, точны, и обратная связь от CalFire была положительной. Если карты продолжат доказывать свою надежность и смогут быть успешно интегрированы с операциями CalFire, они могут быть развернуты для помощи в обнаружении пожаров во время следующего сезона пожаров.

Помимо картографирования границ текущих пожаров, ИИ может помочь командам пожарных предсказать движение пожаров. CalFire сама недавно начала работать с инструментом под названием WildFire Analyst Enterprise. Инструмент анализа пожаров был создан компанией Technosylva и работает путем объединения различных моделей распространения пожаров. Эти модели усиливаются с помощью алгоритмов машинного обучения, обученных на характеристиках прошлых лесных пожаров (таких как содержание влаги в растительности, погодные условия и спутниковые снимки). Модель затем сравнивает данные о текущем пожаре с данными о прошлом пожаре, чтобы сделать прогнозы о том, как этот пожар может распространиться. Программное обеспечение также позволяет пользователю создавать симуляции на основе того, как различные переменные, такие как погодные условия, меняются. Инструмент правильно предсказал, что пожар CZU Lightning Complex переместится в сторону города Фелтон, что позволило командам пожарных прибыть заранее и спасти многие структуры, которые могли бы быть уничтожены.

Между тем, пожарные департаменты в южной Калифорнии используют другую систему отслеживания и прогнозирования пожаров под названием FireMap, разработанную лабораторией Wifire. FireMap использует как воздушные, так и наземные данные с камер, а также климатические условия, ветровые условия, содержание влаги в растительности и многое другое, чтобы предсказать, где пожары будут распространяться.

По мере создания все большего количества платформ обнаружения и прогнозирования пожаров на основе ИИ беспилотники, вероятно, станут все более важными. Спутники чрезвычайно полезны, но они имеют ограничения в отношении типа и объема данных, которые они могут собирать. Два типа спутников используются для сбора данных: полярные спутники и геосинхронные спутники. Полярные спутники способны делать высокоразрешающие снимки, но снимки делаются только дважды в день. Напротив, снимки, собранные геосинхронными спутниками, собираются чаще, обычно каждые 5 минут или около того. Однако геосинхронные спутники должны летать примерно на высоте 22 000 миль над поверхностью Земли, чтобы оставаться в синхронизации с орбитой Земли. В результате эти снимки содержат гораздо меньше деталей, чем снимки, сделанные полярными спутниками. Беспилотники могут помочь заполнить пробелы в данных, получая более постоянные и подробные снимки области интереса.