Yeni Yapay Zeka Tekniği Orman Yangını Tahminlerini İyileştirebilir

Ulusal Atmosfer Araştırmaları Merkezi'ndeki (NCAR) bilim adamları, orman yangını tahminlerini iyileştirmek için yapay zekayı (AI) kullanan yeni bir teknik geliştirdiler. Teknik, yangın davranışını ve yayılmasını doğru bir şekilde tahmin etmek için orman yangını bilgisayar modelleri tarafından kullanılan bitki örtüsü haritalarının verimli bir şekilde güncellenmesine yardımcı olur. 

Yöntem, Colorado'daki 2020 East Troublesome Fire kullanılarak gösterildi. Bu yangın sırasında yanan arazi, yakıt envanterlerinde sağlıklı olarak yanlış nitelendirildi. Ancak gerçekte, yanan alan yakın zamanda çam böcekleri ve rüzgar fırtınalarından etkilendi ve bu da geride büyük miktarda ölü ve yere düşen kereste bıraktı. 

Wildfire Simülasyonlarını Karşılaştırma

Ekip, standart yakıt envanterini kullanan bir orman yangını davranış modeli ile yapay zeka ile güncellenen başka bir model tarafından oluşturulan yangın simülasyonlarını karşılaştırdı. AI simülasyonları, yangının yaktığı alanı tahmin ederken önemli ölçüde daha iyi performans gösterdi. 

Amy DeCastro, bir NCAR bilim adamı ve baş yazarıdır. Çalışmanın. 

DeCastro, "Orman yangını modellemesindeki ana zorluklarımızdan biri, yakıt verileri de dahil olmak üzere doğru girdi elde etmekti" dedi. "Bu çalışmada, makine öğrenimi ve uydu görüntülerinin birlikte kullanılmasının uygulanabilir bir çözüm sağladığını gösteriyoruz."

Model simülasyonları, Cheyenne sistemindeki NCAR-Wyoming Süper Hesaplama Merkezinde yürütüldü. 

Orman yangınlarını doğru bir şekilde simüle etmeyi amaçlayan modeller, yerel hava durumu ve arazi gibi mevcut koşullar hakkında çok sayıda ayrıntılı bilgi gerektirir. Ayrıca, yangın için yakıt görevi gören bitki maddesi hakkında bilgi gerektirirler. 

LANDFIRE Veri Kümesi

En iyi yakıt veri seti, orman yangını yakıtları hakkında bilgi içeren jeo-uzamsal veri setleri üreten federal bir program olan LANDFIRE tarafından üretilir. Orman yangını yakıt veri kümelerini oluşturmak için uzmanların çok sayıda uydu görüntüsüne, manzara simülasyonuna ve anket bilgilerine ihtiyacı var. Büyük miktarda gerekli veri nedeniyle, veri setlerinin güncellenmesi uzun zaman almaktadır. Aynı zamanda, bir bölgedeki mevcut yakıtlar hızla değişebilir. 

Ekip, Avrupa Uzay Ajansı'nın Copernicus programına ait olan Sentinel uydularını kullanarak yakıt veri setini güncelledi. Sentinel-1, bitki örtüsü tipini belirlemek için kullanılabilecek yüzey dokusu hakkında veri sağlar. Sentinel-2, bitkinin sağlığını yeşilliklerinden anlamak için kullanılabilecek veriler sağlar. Bu uydu verileri, ABD Orman Hizmetleri'nin havadan ağaç ölümlerini tahmin etmek için yıllık olarak gerçekleştirilen Böcek ve Hastalık Tespit Araştırması'nda eğitilmiş bir makine öğrenimi modeline beslendi. 

Bu yeni eklemelerle, makine öğrenimi modeli LANDFIRE yakıt verilerini doğru bir şekilde güncelleyebildi. 

DeCastro, "LANDFIRE verileri çok değerli ve üzerine inşa edilecek güvenilir bir platform sağlıyor" dedi. "Yapay zeka, verileri daha az kaynak harcayarak güncellemek için etkili bir araç olduğunu kanıtladı."

Yeni Sistemin Test Edilmesi

Ekip daha sonra, güncellenen envanterin orman yangını simülasyonları üzerindeki etkisini test etmek için yola çıktı ve bu nedenle, orman yangını davranışını simüle etmek için NCAR tarafından geliştirilen WRF-Fire'ı kullandılar. 

İlk olarak, düzeltilmemiş LANDFIRE yakıt veri seti ile Doğu Sorunlu Yangını simüle etmek için WRF-Fire'ı kullandılar, bu da yakılacak alan miktarını olduğundan düşük tahmin etmesine neden oldu. Ancak, model ayarlanan veri seti ile çalıştırıldığında, bu yanık alanı çok daha yüksek bir doğruluk derecesi ile tahmin etti. Bunu, ölü ve yere düşen kerestelerin yangının yayılmasına yardımcı olacağını tahmin ederek yaptı. 

Bu makine öğrenimi modeli şu anda mevcut yakıt haritalarını güncellemek için tasarlanmıştır, ancak sonunda yakıt haritalarının sıfırdan düzenli olarak üretilmesine ve güncellenmesine yol açabilir. 

NCAR'daki araştırmacılar, makine öğreniminin, bir yangının ürettiği korların özelliklerini tahmin etme yeteneğimizi geliştirmek gibi bu alandaki diğer büyük zorlukları da çözeceğini umuyor. 

NCAR bilim adamı Timothy Juliano, çalışmanın ortak yazarıdır. 

Juliano, "Bu sorunları çözmek ve insanları güvende tutmak için parmaklarımızın ucunda çok fazla teknolojiye, çok fazla bilgi işlem gücüne ve çok fazla kaynağa sahibiz" dedi. “Olumlu bir etki yaratmak için iyi bir konumdayız; sadece üzerinde çalışmaya devam etmemiz gerekiyor.”