Razvili so novo metodo za natančno napovedovanje širjenja požara v naravi. S kombinacijo satelitskih posnetkov in umetne inteligence njihov model ponuja potencialni preboj pri obvladovanju požarov v naravi in odzivanju na nujne primere.
Uporaba UI za napovedovanje požarov
Model USC uporablja satelitske podatke za spremljanje napredovanja požara v naravi v realnem času, nato pa te informacije vnese v prefinjen računalniški algoritem, ki lahko natančno napove verjetno pot požara, intenzivnost in stopnjo rasti. To bo vsekakor uporaben model, saj se Kalifornija vsako leto, tudi letos, bori z gozdnimi požari.
»Ta model predstavlja pomemben korak naprej v naši sposobnosti boja proti požarom v naravi,« je povedal Bryan Shaddy, doktorski študent na Oddelku za vesoljsko in strojno inženirstvo na Inženirski šoli USC Viterbi in avtor študije. »S ponujanjem natančnejših in pravočasnih podatkov naše orodje krepi prizadevanja gasilcev in evakuacijskih ekip, ki se borijo z gozdnimi požari na prvi liniji.«
Povratni inženiring vedenja požara v naravi z AI
Raziskovalci so začeli z zbiranjem zgodovinskih podatkov o gozdnih požarih iz satelitskih posnetkov visoke ločljivosti. Z natančnim preučevanjem obnašanja preteklih požarov v naravi so raziskovalci lahko sledili, kako se je vsak požar začel, širil in bil na koncu omejen. Njihova celovita analiza je razkrila vzorce, na katere vplivajo različni dejavniki, kot so vreme, drevesa oziroma grmičevje in teren.
Nato so usposobili generativni računalniški model, ki ga poganja UI, znan kot pogojno Wasserstein Generative Adversarial Network ali cWGAN, da bi simulirali, kako ti dejavniki vplivajo na to, kako se gozdni požari razvijajo skozi čas. Model so naučili prepoznati vzorce na satelitskih slikah, ki se ujemajo s tem, kako se v njihovem modelu širijo gozdni požari.
Nato so model cWGAN testirali na resničnih gozdnih požarih, ki so se zgodili v Kaliforniji med letoma 2020 in 2022, da bi ugotovili, kako dobro napoveduje, kam se bo požar razširil.
»S preučevanjem, kako so se obnašali pretekli požari, lahko ustvarimo model, ki predvideva, kako se bodo prihodnji požari lahko širili,« je dejal Assad Oberai, profesor vesoljskega in strojnega inženirstva na USC Viterbi in soavtor študije.
Impresiven model
Oberai in Shaddy sta bila navdušena nad tem, da se je cWGAN, sprva usposobljen na preprostih simuliranih podatkih v idealnih pogojih, kot sta raven teren in enosmerni veter, dobro odrezal pri svojih testih na požarih v Kaliforniji. Ta uspeh pripisujejo dejstvu, da je bil cWGAN uporabljen v povezavi z dejanskimi podatki o gozdnih požarih iz satelitskih posnetkov.
»Požari v naravi vključujejo zapletene procese: gorivo, kot je trava, grmičevje ali drevesa, se vžge, kar vodi do zapletenih kemičnih reakcij, ki ustvarjajo toploto in vetrne tokove. Dejavniki, kot sta topografija in vreme, prav tako vplivajo na obnašanje požara – požari se v vlažnih razmerah ne razširijo veliko, lahko pa se hitro premikajo v suhih razmerah,« je dejal Oberai. »To so zelo zapleteni, kaotični in nelinearni procesi. Če jih želite natančno modelirati, morate upoštevati vse te različne dejavnike. Potrebujete napredno računalništvo.«
Novinar
