国家卫队将使用人工智能增强火灾监测无人机

随着火灾变得越来越大、越来越危险，各个政府和私营机构已经开始使用人工智能来检测和预测野火。国家卫队已经在加利福尼亚州进行了几个夏季和秋季的侦察飞行，但现在用于这些飞行的无人机已经升级到具有人工智能算法，可以自动生成特定区域的火灾地图。

创建火灾地图是一个非常困难的过程，需要数据分析来绘制不断变化的火灾地图，因为它们在崎岖的地形上移动。空中和地面观察都用于创建火灾地图，火灾地图通常只更新一次每天或更长时间。大的火灾可以在一天内移动长达15英里，正如一些火灾季节的火灾所见。火灾监测机构需要更快的方式来收集火灾数据和更新火灾地图，无人机和人工智能可以解决这个问题。

火灾映射系统，许多依赖于卫星数据，通常使用两种不同的方法来检测可能的火灾。火灾可以通过检测来自地球表面的热量（检测异常热区）或分析气溶胶排放（检测生物质燃烧释放到空气中的烟雾颗粒）来检测。一旦潜在的火灾被检测到，它们可以通过使用高分辨率成像系统（如无人机）来确认。国家卫队无人机上的摄像头可以以90英尺的分辨率显示火灾图像。

国家卫队已经为其MQ-9“死神”无人机配备了人工智能算法，以检测火灾和生成火灾地图。人工智能算法用于收集有关正在燃烧的火灾的数据，并检测由较大火灾引起的“点火灾”。该项目由2018年由五角大楼创建的联合人工智能中心（JAIC）推动。JAIC火灾映射系统使用训练有素的机器学习算法，使用带有注释边界的过去火灾的空中影片。然后算法可以处理未见过的图像，只使用位置数据，并检测图像中的火灾，输出显示正在燃烧的区域的地图。点火灾的位置也被标记。

相比其他机构使用的日常火灾地图生成过程，JAIC火灾映射系统更快。人工智能驱动的火灾映射过程可以大约每半小时生成一张新的火灾地图。根据加利福尼亚空军国民警卫队的说法，新系统生成的地图是准确的，来自CalFire的反馈是积极的。如果地图继续被证明是可靠的，并且可以成功地集成到CalFire的运营中，它可能会在明年的火灾季节中部署，以帮助发现火灾。

除了绘制当前火灾的边界，人工智能还可以帮助消防队预测火灾的移动。CalFire本身最近已经开始使用一个名为WildFire Analyst Enterprise的工具，该工具由Technosylva创建，它通过组合各种火灾传播模型来工作。这些模型通过使用机器学习算法进行增强，训练有素的过去火灾特征（如植被含水量、天气条件和卫星图像）。然后模型将当前火灾的数据与过去火灾的数据进行比较，以预测火灾可能的传播方式。该软件还允许用户创建模拟，模拟天气条件等不同变量的变化。该工具正确预测了CZU Lightning Complex Fire将向Felton镇移动，使得消防队能够提前到达并拯救了许多可能不会被拯救的建筑物。

与此同时，南加州的消防部门正在使用一个名为FireMap的不同火灾跟踪和预测系统，该系统由Wifire Lab开发。FireMap使用空中和地面数据、气候条件、风向、植被含水量等来预测火灾将如何传播。

随着更多的人工智能驱动的火灾检测和预测平台的创建，无人机可能会变得越来越重要。卫星非常有用，但它们在收集的数据类型和数量方面存在限制。有两种类型的卫星用于收集数据：极轨卫星和静止卫星。极轨卫星可以拍摄高分辨率图像，但这些图像只会每天拍摄两次。相比之下，静止卫星的图像更频繁地拍摄，通常每5分钟或更短的时间间隔。然而，静止卫星必须飞行约22,000英里到地球表面上空，以便与地球的轨道保持同步。因此，这些图像的细节比极轨卫星拍摄的图像要少。无人机可以帮助填补数据的空白，获取更多的常规、详细的图像。国家卫队的无人机可以拍摄高分辨率的火灾图像，分辨率可达90英尺。这些无人机还可以使用人工智能算法来检测火灾和生成火灾地图。人工智能算法可以处理来自无人机摄像头的数据，并检测火灾，输出显示正在燃烧的区域的地图。这些地图可以帮助消防队更快速、更准确地响应火灾。