โมเดลและแพลตฟอร์ม AI
เทคนิค AI ใหม่ช่วยปรับปรุงการพยากรณ์ไฟป่า
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
นักวิทยาศาสตร์ที่ศูนย์วิจัยบรรยากาศแห่งชาติ (NCAR) ได้พัฒนาเทคนิคใหม่ที่ใช้ปัญญาประดิษฐ์ (AI) เพื่อปรับปรุงการพยากรณ์ไฟป่า เทคนิคนี้ช่วยอัปเดตแผนที่พืชพรรณที่ใช้โดยแบบจำลองคอมพิวเตอร์ไฟป่าเพื่อคาดการณ์พฤติกรรมและการแพร่กระจายของไฟได้อย่างแม่นยำ
วิธีการนี้ได้รับการทดสอบโดยใช้ไฟป่า East Troublesome ในรัฐโคโลราโดในปี 2020 ระหว่างไฟป่านี้ พื้นที่ที่ไหม้ถูกจัดประเภทอย่างผิดพลาดในบัญชีสำรวจเชื้อเพลิงว่าเป็นพื้นที่ที่พืชพรรณสมบูรณ์ แต่ในความเป็นจริง พื้นที่ที่ไหม้เพิ่งได้รับผลกระทบจากด้วงเจาะเปลือกสนและพายุลมแรง ทำให้มีต้นไม้ตายและล้มเป็นบริเวณกว้าง
การเปรียบเทียบการจำลองไฟป่า
ทีมงานได้เปรียบเทียบการจำลองไฟป่าที่สร้างโดยแบบจำลองพฤติกรรมไฟป่าที่ใช้คลังเชื้อเพลิงมาตรฐานและอีกแบบหนึ่งที่ได้รับการอัปเดตด้วย AI การจำลองที่ใช้ AI ให้ผลดีกว่าอย่างมีนัยสำคัญเมื่อคาดการณ์พื้นที่ที่ถูกเผาโดยไฟ
เอมี่ ดีแคสโตร เป็นนักวิทยาศาสตร์ที่ NCAR และเป็นผู้เขียนนำของ การศึกษา
“หนึ่งในความท้าทายหลักของเราในการสร้างแบบจำลองไฟป่าคือการได้รับข้อมูลอินพุตที่ถูกต้อง รวมถึงข้อมูลเชื้อเพลิง” ดีแคสโตรกล่าว “ในการศึกษานี้ เราแสดงให้เห็นว่าการใช้ร่วมกันของการเรียนรู้ของเครื่องและภาพถ่ายดาวเทียมเป็นวิธีแก้ปัญหาที่เป็นไปได้”
การจำลองแบบได้รับการดำเนินการ ณ ศูนย์ประมวลผลสูเปอร์คอมพิวเตอร์ NCAR-Wyoming บนระบบ Cheyenne
แบบจำลองที่ตั้งใจจะจำลองไฟป่าได้อย่างแม่นยำต้องการข้อมูลที่มีรายละเอียดมากเกี่ยวกับสภาพปัจจุบัน เช่น สภาพอากาศและภูมิประเทศท้องถิ่น นอกจากนี้ยังต้องการข้อมูลเกี่ยวกับพืชพรรณ ซึ่งทำหน้าที่เป็นเชื้อเพลิงสำหรับไฟ
ชุดข้อมูล LANDFIRE
ชุดข้อมูลเชื้อเพลิงที่ดีที่สุดถูกผลิตโดย LANDFIRE ซึ่งเป็นโปรแกรมของรัฐบาลกลางที่ผลิตชุดข้อมูลเชิงพื้นที่ที่มีข้อมูลเกี่ยวกับเชื้อเพลิงไฟป่า เพื่อสร้างชุดข้อมูลเชื้อเพลิงไฟป่า ผู้เชี่ยวชาญต้องใช้ภาพถ่ายดาวเทียม การจำลองภูมิทัศน์ และข้อมูลสำรวจจำนวนมาก เนื่องจากต้องการข้อมูลจำนวนมาก จึงใช้เวลานานในการอัปเดตชุดข้อมูล ในขณะเดียวกัน เชื้อเพลิงที่มีอยู่ในพื้นที่สามารถเปลี่ยนแปลงได้อย่างรวดเร็ว
ทีมงานได้อัปเดตชุดข้อมูลเชื้อเพลิงโดยใช้ดาวเทียม Sentinel ซึ่งเป็นส่วนหนึ่งของโครงการ Copernicus ขององค์การอวกาศยุโรป Sentinel-1 ให้ข้อมูลเกี่ยวกับลักษณะเนื้อผิวของพื้นผิว ซึ่งสามารถใช้เพื่อระบุประเภทของพืชพรรณได้ Sentinel-2 ให้ข้อมูลที่สามารถใช้เพื่ออนุมานสุขภาพของพืชพรรณจากสีเขียวของมัน ข้อมูลดาวเทียมนี้ถูกป้อนเข้าไปในแบบจำลองการเรียนรู้ของเครื่องซึ่งฝึกด้วยข้อมูลการสำรวจตรวจหาแมลงและโรคของกรมป่าไม้สหรัฐฯ ซึ่งดำเนินการเป็นประจำทุกปีเพื่อประมาณการอัตราตายของต้นไม้จากอากาศ
ด้วยการเพิ่มส่วนใหม่เหล่านี้ แบบจำลองการเรียนรู้ของเครื่องสามารถอัปเดตข้อมูลเชื้อเพลิง LANDFIRE ได้อย่างแม่นยำ
“ข้อมูล LANDFIRE มีค่าและเป็นพื้นฐานที่เชื่อถือได้สำหรับการพัฒนาต่อยอด” ดีแคสโตรกล่าว “ปัญญาประดิษฐ์แสดงให้เห็นว่าเป็นเครื่องมือที่มีประสิทธิภาพในการอัปเดตข้อมูลด้วยวิธีการที่ใช้ทรัพยากรน้อยกว่า”
การทดสอบระบบใหม่
ทีมงานทดสอบผลกระทบของคลังเชื้อเพลิงที่อัปเดตต่อการจำลองไฟป่า โดยใช้ WRF-Fire ซึ่งพัฒนาโดย NCAR เพื่อจำลองพฤติกรรมไฟป่า
พวกเขาทดสอบการจำลองไฟ East Troublesome โดยใช้คลังเชื้อเพลิง LANDFIRE ที่ไม่ได้รับการปรับแต่ง ซึ่งทำให้การคาดการณ์พื้นที่ที่ถูกเผาโดยไฟต่ำเกินไป อย่างไรก็ตาม เมื่อใช้คลังเชื้อเพลิงที่อัปเดต การจำลองสามารถคาดการณ์พื้นที่ที่ถูกเผาได้อย่างแม่นยำมากขึ้น โดยการคาดการณ์ว่าต้นไม้ที่ตายและล้มจะช่วยให้ไฟแพร่กระจาย
แบบจำลองการเรียนรู้ของเครื่องนี้ได้รับการออกแบบมาเพื่ออัปเดตแผนที่เชื้อเพลิงที่มีอยู่ แต่ในอนาคตอาจนำไปสู่การผลิตและอัปเดตแผนที่เชื้อเพลิงขึ้นใหม่ตั้งแต่ต้นได้อย่างสม่ำเสมอ
นักวิจัยที่ NCAR ยังหวังว่าการเรียนรู้ของเครื่องจะช่วยแก้ปัญหาที่สำคัญอื่นๆ ในพื้นที่นี้ เช่น การปรับปรุงความสามารถในการคาดการณ์คุณสมบัติของสะเก็ดไฟที่เกิดจากไฟป่า
นักวิทยาศาสตร์ Timothy Juliano ของ NCAR เป็นผู้ร่วมเขียนการศึกษา
“เรามีเทคโนโลยีมากมายและพลังการประมวลผลมากมายและทรัพยากรมากมายที่สามารถช่วยแก้ปัญหาเหล่านี้และรักษาคนให้ปลอดภัย” Juliano กล่าว “เรามีตำแหน่งที่ดีในการสร้างผลกระทบเชิงบวก เราต้องทำงานต่อไป”
