新的 AI 技术可以提高野火预测的准确性

美国国家大气研究中心（NCAR）的科学家们开发了一种新的技术，利用人工智能（AI）来提高野火预测的准确性。这种技术可以高效地更新植被地图，这些地图被野火计算机模型用来准确预测火灾的行为和蔓延。

该方法是在2020年科罗拉多州东特鲁布尔索姆火灾中得到了体现。在这次火灾中，燃烧的土地在燃料清单中被错误地标记为健康的。但实际上，燃烧的区域最近受到松树甲虫和风暴的影响，留下了大量的死树和倒木。

比较野火模拟

研究团队比较了使用标准燃料清单和使用AI更新的燃料清单的野火模拟。使用AI的模拟在预测过火面积方面表现显著更好。

艾米·德卡斯特罗（Amy DeCastro）是NCAR的科学家，也是该研究的主要作者。

“我们在野火模拟中的一个主要挑战是获取准确的输入数据，包括燃料数据，”德卡斯特罗说。“在这项研究中，我们展示了机器学习和卫星图像的结合提供了一个可行的解决方案。”

模型模拟是在NCAR-Wyoming超级计算中心的Cheyenne系统上运行的。

为了准确模拟野火，模型需要大量的详细信息，包括当地的天气和地形。它们还需要关于植物物质的信息，这些物质作为火灾的燃料。

LANDFIRE数据集

最好的燃料数据集是由LANDFIRE提供的，LANDFIRE是一个联邦计划，生产包含野火燃料信息的空间数据集。为了创建野火燃料数据集，专家需要大量的卫星图像、景观模拟和调查数据。由于需要大量的数据，更新数据集需要很长时间。与此同时，某个区域的可用燃料可以快速变化。

研究团队使用欧洲航天局的Copernicus计划中的Sentinel卫星更新了燃料数据集。Sentinel-1提供了关于地表纹理的数据，可以用来识别植被类型。Sentinel-2提供的数据可用于根据植物的绿色程度推断其健康状况。这些卫星数据被输入到一个机器学习模型中，该模型使用美国森林局的昆虫和疾病检测调查数据训练；该调查每年通过空中观测估计树木死亡率。

加入这些新数据后，机器学习模型能够准确地更新LANDFIRE燃料数据。

“LANDFIRE数据非常有价值，并为后续工作提供了可靠的基础，”德卡斯特罗说。“人工智能证明是一种有效的工具，可以以更少的资源来更新数据。”

测试新系统

然后，研究团队为了测试更新后的燃料清单对野火模拟的影响，使用了NCAR开发的WRF-Fire来模拟野火行为。

他们首先使用WRF-Fire模拟了东特鲁布尔索姆火灾，使用了未调整的LANDFIRE燃料数据集，结果是它低估了过火面积。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燃烧的区域。它通过预测死树和倒木将有助于火灾的蔓延来实现这一点。

这种机器学习模型目前被设计用来更新现有的燃料地图，但它最终可能会导致从头开始定期生产和更新燃料地图。

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科学家蒂莫西·朱利亚诺（Timothy Juliano）是该研究的共同作者。

“我们有这么多技术和计算能力以及这么多资源来解决这些问题并让人们保持安全，”朱利亚诺说。“我们处于一个有利位置，可以产生积极的影响；我们只需要继续努力。”