Yeni AI Tekniği Yangın Tahminlerini İyileştirebilir

Ulusal Atmosferik Araştırma Merkezi’ndeki (NCAR) bilim adamları, yangın tahminlerini iyileştirmek için yapay zeka (AI) kullanan yeni bir teknik geliştirdiler. Teknik, yangın bilgisayar modellerinin yangın davranışını ve yayılmasını doğru bir şekilde tahmin etmek için kullanılan bitki örtüsü haritalarını verimli bir şekilde güncellemeye yardımcı olur.

Yöntem, 2020 Colorado’daki East Troublesome Yangını’nda gösterildi. Bu yangında, yanmış arazi, yakıt envanterlerinde sağlıklı olarak yanlış şekilde karakterize edildi. Ancak gerçekte, yanan alan yakın zamanda çam kabuk böceklerinden ve şiddetli rüzgâr fırtınalarından etkilenmiş, geride çok miktarda ölü ve devrilmiş ağaç kalmıştı.

Yangın Simülasyonlarını Karşılaştırma

Ekip, standart yakıt envanterini kullanan yangın davranış modelinin simülasyonlarıyla AI ile güncellenmiş envanteri kullanan simülasyonları karşılaştırdı. AI simülasyonları, yangının yanmış alanını tahmin ederken önemli ölçüde daha iyi performans gösterdi.

Amy DeCastro, NCAR bilim adamı ve çalışmanın baş yazarıdır.

“Yangın modellemesindeki ana zorluklarımızdan biri, yakıt verileri de dâhil olmak üzere doğru girdi verilerini elde etmektir” dedi DeCastro. “Bu çalışmada, makine öğrenimi ve uydu görüntülerinin birleşik kullanımının uygulanabilir bir çözüm sunduğunu gösteriyoruz.”

Model simülasyonları, NCAR-Wyoming Süper Bilgisayar Merkezi’nde Cheyenne sistemi üzerinde çalıştırıldı.

Yangınları doğru bir şekilde simüle etmek için tasarlanan modeller, yerel hava durumu ve arazi gibi güncel koşullar hakkında ayrıntılı bilgi gerektirir. Ayrıca, yangına yakıt olarak davranan bitki materyali hakkında bilgi gerektirir.

LANDFIRE Veri Seti

En iyi yakıt veri seti, LANDFIRE tarafından üretilir, bu bir federal programdır ve yangın yakıtları hakkında bilgi içeren coğrafi veri setleri üretir. Yangın yakıt veri setlerini oluşturmak için uzmanların çok sayıda uydu görüntüsüne, peyzaj simülasyonuna ve saha araştırması verisine ihtiyacı vardır. Gerekli veri miktarı nedeniyle, veri setlerini güncellemek uzun zaman alır. Aynı zamanda, bir alanda mevcut yakıtlar hızla değişebilir.

Ekip, yakıt veri setini güncellemek için Avrupa Uzay Ajansı’nın Copernicus programına ait Sentinel uydularını kullandı. Sentinel-1, yüzey dokusu hakkında veri sağlar, bu da bitki örtüsü türünü belirlemek için kullanılabilir. Sentinel-2, bitkinin yeşillik düzeyinden sağlığının çıkarılmasını sağlayan veriler sunar. Bu uydu verileri, ABD Orman Hizmetinin Böcek ve Hastalık Tespit Araştırması verileriyle eğitilen bir makine öğrenimi modeline beslendi. Bu anket, ağaç ölümlerini havadan tahmin etmek için her yıl yürütülür.

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

“LANDFIRE verileri süper değerli ve güvenilir bir platform sunuyor” dedi DeCastro. “Yapay zeka, verilerini daha az kaynak yoğun bir şekilde güncellemek için etkili bir araç olduğunu kanıtladı.”

Yeni Sistemi Test Etme

Ekip ardından güncellenmiş envanterin yangın simülasyonları üzerindeki etkisini test etmek için yola çıktı, bu nedenle NCAR tarafından geliştirilen WRF-Fire’ı kullandılar.

İlk olarak, WRF-Fire’ı, ayarlanmamış LANDFIRE yakıt veri setini kullanarak East Troublesome Yangını’nı simüle etti, bu da yanacak alanın olduğundan küçük tahmin edilmesine yol açtı. Ancak model, ayarlanmış veri setiyle çalıştırıldığında, yanmış alanı çok daha yüksek bir doğruluk derecesiyle tahmin etti. Bunu, ölü ve devrilen ağaçların 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 üretilip güncellenmesine yol açabilir.

NCAR’daki araştırmacılar, makine öğreniminin bu alanda diğer büyük zorlukları çözmeye yardımcı olacağını umuyor, örneğin yangının oluşturduğu kor parçacıklarının özelliklerini tahmin etme yeteneğimizi iyileştirmek.

NCAR bilim adamı Timothy Juliano, çalışmanın ortak yazarıdır.

“Bu sorunları çözmek ve insanları güvende tutmak için çok fazla teknoloji, hesaplama gücü ve kaynaklarımız var” dedi Juliano. “Olumlu bir etki yaratmak için iyi bir konumdayız, sadece çalışmaya devam etmeliyiz.”