Ученые используют ИИ для предсказания следующего шага лесного пожара

Кредит: CC0 Общественный домен

Исследователи в USC разработали новый метод для точного прогнозирования распространения лесных пожаров.Сочетая спутниковые образы и искусственный интеллект, их модель предлагает потенциальный прорыв в области управления лесными пожарами и реагирования на чрезвычайные ситуации.

Подробно описан в ранних доказательствах исследования, опубликованных в искусственном интеллекте для систем Земли, модель USC использует спутниковые данные для отслеживания прогрессии лесного пожара в режиме реального времени, а затем передает эту информацию в сложный компьютерный алгоритм, который может точно прогнозировать вероятный путь, интенсивность и интенсивность пожара, интенсивность и интенсивность пожара, интенсивность и интенсивность.темпы роста.

Исследование происходит, когда Калифорния и большая часть западных Соединенных Штатов продолжает бороться со все более тяжелым сезоном лесных пожаров.Множественные огни, питаемые опасным комбинацией ветра, засухи и сильной жары, бушуют по всему штату.Среди них пожар на озере, крупнейший лесной пожар в штате в этом году, уже выпал более 38 000 акров в округе Санта -Барбара.

«Эта модель представляет собой важный шаг вперед в нашей способности бороться с лесными пожарами», - сказал Брайан Шадди, докторант в Департаменте аэрокосмической и машиностроения в Школе инженерии USC Viterbi и соответствующем авторе исследования.«Предлагая более точные и своевременные данные, наш инструмент усиливает усилия пожарных и эвакуационных групп, борющихся с лесными пожарами на фронте».

Исследователи начали с сбора исторических данных о лесных пожарах из спутниковых изображений с высоким разрешением.Тщательно изучая поведение прошлых лесных пожаров, исследователи смогли отслеживать, как начался каждый огонь, распространился и в конечном итоге был сдержан.Их всесторонний анализ выявил закономерности, на которые влияют различные факторы, такие как погода, топливо (например, деревья, кисть и т. Д.) И местность.

Затем они обучили генеративную компьютерную модель с AI, известную как условную генеративную состязательную сеть Wasserstein, или Cwgan, чтобы имитировать, как эти факторы влияют на то, как лесные пожары развиваются с течением времени.Они научили модель распознавать шаблоны на спутниковых изображениях, которые соответствуют тому, как лесные пожары распространяются в их модели.

Затем они проверили модель CWGAN на реальных лесных пожарах, которые произошли в Калифорнии в период с 2020 по 2022 год, чтобы увидеть, насколько хорошо он предсказал, где будет распространяться огонь.

«Изучая, как вещали прошлые пожары, мы можем создать модель, которая предвидит, как могут распространяться будущие пожары»,-сказал Асад Оберай, профессор Хьюза и профессор аэрокосмической и машиностроения в USC Viterbi и соавтор исследования.

Оберай и Шадди были впечатлены тем, что Cwgan, первоначально обученный простым моделируемым данным в идеальных условиях, таких как плоская местность и однонаправленный ветер, хорошо выполняли свои тесты на реальных лесных пожарах Калифорнии.Они приписывают этот успех тому факту, что CWGAN использовался в сочетании с реальными данными о лесных пожарах из спутниковых изображений, а не самостоятельно.

Оберай, чьи исследования фокусируются на разработке компьютерных моделей, чтобы понять основную физику различных явлений, смоделировал все, от турбулентного воздушного потока над крыльями самолета до инфекционных заболеваний и того, как клетки размножаются в опухолях и взаимодействуют с окружающей средой.Из всего, что он смоделировал, Оберай отмечает, что лесные пожары являются одними из самых сложных.

«Лесные пожары включают в себя сложные процессы: топливо, как трава, кустарники или деревья, зажигают, что приводит к сложным химическим реакциям, которые генерируют тепловые и ветряные токи. Такие факторы, как топография и погода, также влияют на поведение пожара - огонь мало распространяется в влажных условиях, но могут двигаться.Быстро в сухих условиях », - сказал он.«Это очень сложные, хаотические и нелинейные процессы. Чтобы точно их моделировать, вам необходимо учитывать все эти различные факторы. Вам нужны расширенные вычисления».

Дополнительные соавторы включают студентов-бакалавриата Валентина Калаза из Департамента аэрокосмической и машиностроения в USC Viterbi;Глубокий Рэй из Университета Мэриленда, Колледж Парк (ранее студент по докторантуру в USC Viterbi);Ангел Фаргуэлл и Адам Кочански из государственного университета Сан -Хосе;Ян Мандель из Университета Колорадо, Денвер;Джеймс Хейли и Кайл Хилберн из Университета штата Колорадо, Форт -Коллинз;и Дерек Маллиа из Университета Юты.

More information: Bryan Shaddy et al, Generative Algorithms for Fusion of Physics-Based Wildfire Spread Models with Satellite Data for Initializing Wildfire Forecasts, Artificial Intelligence for the Earth Systems (2024). DOI: 10.1175/AIES-D-23-0087.1