新的人工智能技术可以改善野火预测

国家大气研究中心 (NCAR) 的科学家开发了一种新技术，利用人工智能 (AI) 来改进野火预报。 该技术有助于有效更新野火计算机模型使用的植被地图，以准确预测火灾行为和蔓延。 

该方法通过 2020 年科罗拉多州东部麻烦火灾进行了演示。 在这场火灾中，被烧毁的土地在燃料库存中被错误地描述为健康。 但实际上，燃烧的地区最近受到松甲虫和风暴的影响，导致大量死亡和倒塌的木材。 

比较野火模拟

该团队比较了使用标准燃料库存的野火行为模型和使用人工智能更新的另一个野火行为模型产生的火灾的模拟。 在预测火灾烧毁面积时，人工智能模拟的表现明显更好。 

艾米·德卡斯特罗 (Amy DeCastro) 是 NCAR 科学家，也是 该研究. 

“我们在野火建模方面的主要挑战之一是获得准确的输入，包括燃料数据，”德卡斯特罗说。 “在这项研究中，我们表明机器学习和卫星图像的结合使用提供了一个可行的解决方案。”

模型模拟在 NCAR-怀俄明州超级计算中心的夏安系统上运行。 

旨在准确模拟野火的模型需要大量有关当前状况的详细信息，例如当地的天气和地形。 他们还需要有关植物物质的信息，植物物质可以作为火灾的燃料。 

地火数据集

最好的燃料数据集由 LANDFIRE 生成，这是一个联邦计划，生成包含野火燃料信息的地理空间数据集。 为了创建野火燃料数据集，专家需要大量卫星图像、景观模拟和调查信息。 由于所需数据量大，更新数据集需要很长时间。 同时，一个地区的可用燃料可能会迅速变化。 

该团队使用属于欧洲航天局哥白尼计划的哨兵卫星更新了燃料数据集。 Sentinel-1 提供有关表面纹理的数据，可用于识别植被类型。 Sentinel-2 提供的数据可用于根据植物的绿度推断其健康状况。 这些卫星数据被输入到机器学习模型中，该模型经过美国林业局昆虫和疾病检测调查的训练，该调查每年进行一次，以估计空气中的树木死亡率。 

通过这些新增内容，机器学习模型能够准确更新 LANDFIRE 燃料数据。 

“LANDFIRE 数据非常有价值，并提供了一个可靠的平台，”德卡斯特罗说。 “事实证明，人工智能是以资源密集程度较低的方式更新数据的有效工具。”

测试新系统

随后，该团队开始测试更新后的清单对野火模拟的影响，因此他们使用了 NCAR 开发的 WRF-Fire 来模拟野火行为。 

他们首先使用 WRF-Fire 使用未经调整的 LANDFIRE 燃料数据集来模拟 East Troublesome Fire，这导致其低估了将被燃烧的面积。 然而，当模型使用调整后的数据集运行时，它以更高的准确度预测了这个烧伤区域。 它通过预测死亡和倒下的木材将有助于火势蔓延来做到这一点。 

这种机器学习模型目前旨在更新现有的燃油图，但它最终可能导致从头开始定期生成和更新燃油图。 

NCAR 的研究人员还希望机器学习能够解决该领域的其他重大挑战，例如提高我们预测火灾产生的余烬特性的能力。 

NCAR 科学家 Timothy Juliano 是该研究的合著者。 

朱利亚诺说：“我们拥有如此多的技术、如此多的计算能力和如此多的资源来解决这些问题并确保人们的安全。” “我们处于有利位置，能够产生积极影响； 我们只需要继续努力。”