Hur forskare använder artificiell intelligens för att förutsäga skogsbränder

Att förutsäga brandväder är inte lätt – det finns så många olika typer av utmaningar som prognosmakare står inför, både innan en löpeld startar och medan den är aktiv. Dessa bränder kan antändas när som helst och var som helst. Det finns så många olika faktorer som måste beaktas innan man kan uppskatta hur snabbt en sjukdom kan spridas och hur stor påverkan den kan ha på våra liv och samhällen.

“De största utmaningarna är prognoser i komplex terräng, ‘bränslebedömning’ och att kommunicera riskbudskapet.” Heather Hockenberrysa National Fire Weather Program Manager vid National Oceanic and Atmospheric Associations National Weather Service förra veckan. ”Komplex terräng inkluderar branta sluttningar, korsande dalar och andra geografiska faktorer som orsakar små förändringar i vädret. Meteorologerna behöver fortfarande tolka och förbättra de mycket komplexa vädermodellerna så att de faktiskt fungerar när bergen och dalarna förändrar vindar och nederbörd.”

Vädret spelar en stor roll i initieringen och livslängden av skogsbränder, särskilt när blixtar är inblandade.

Relaterad: USA:s regering tilldelar NOAA miljoner för forskning för att bekämpa skogsbränder

De miljontals strejker vi genomför årligen i USA gör mer än bara att bidra till detta Hundratals skadade och nästan två dussin döda Men de kan också starta skogsbränder inom några sekunder. Detta farliga blixtnedslag är särskilt farligt när det inte åtföljs av regn, eftersom ett enda nedslag kan orsaka en helbrand. Med rätt förutsättningar kan dessa bränder ofta spridas snabbt och hota samhällen utan förvarning. Och det är om det ens finns en varning.

Därför, för att hjälpa prognosmakare, har artificiell intelligens införlivats i att förutsäga dessa katastrofer, som fortsätter att förvärras på grund av katastrofer orsakade av människor Klimatförändring.

“Förmodligen de bästa förbättringarna som AI kan ge är att hjälpa människor att skilja det ovanliga från det extraordinära,” sa Hockenberry. “Det finns över 80 000 skogsbränder varje år, vilket är betydligt fler än antalet tornados eller orkaner per år. AI och andra maskininlärningstekniker kommer sannolikt att fortsätta att begränsa dessa tusentals på tusentals bränder till de som utgör den största risken för vår nation.”

AI är inte ovanligt i organisationen – sådana tekniker har använts tidigare för att förutsäga svår väderlek och orkanutveckling, lokalisera vulkanutbrott och till och med hjälpa flygsamhället att övervaka molnförhållanden. Ett exempel på detta är en mekanism som kallas Stort problem, används av National Weather Service (NWS) prognosmakare för att tillhandahålla mer ledtid före svåra väderhändelser samtidigt som stormutvecklingen övervakas och varningar för både allvarliga åskväder och tornadoer utfärdas. Med framgången för sådana applikationer LightningCast AI-modell utvecklades av John Cintineo vid University of Wisconsin/Cooperative Institute for Meteorological Satellite Studies (CIMSS) och testades 2021 för att förbättra väderprognoser för brand genom att tillhandahålla användarvänlig och kontinuerligt korrekt information.

Heta fläckar och rökplymer från myggbranden i Kalifornien som sågs av NOAA GOES-18-satelliten den 13 september 2022.

Heta fläckar och rökplymer från myggbranden i Kalifornien som sågs av NOAA GOES-18-satelliten den 13 september 2022.

“AI är automatiseringen av intellektuella uppgifter som normalt utförs av människor. Medan mänskliga experter är utmärkta på att extrahera information från satellitbilder, kan de bara analysera en liten del av floden av miljödata. Därför är automatisering som närmar sig mänskliga experters förmåga absolut nödvändig för att fullt ut kunna utnyttja miljödatakällor som satelliter, säger Mike Pavolonis, fysiker vid NOAA/NESDIS Center for Satellite Applications and Research. “LightningCast har utvecklats och används nu rutinmässigt av NWS-prognosmakare för beslutsstöd, flygprognos och nu senast prognoser för åskväder för vildbrand, eftersom åskväder utgör ett stort hot mot brandmän och att förutsäga sådana stormar kan vara svårt.”

Hur fungerar den här AI-modellen? Den fungerar med två av NOAAs GOES-R-satelliter och bearbetar data dagligen från mer än 6 600 bilder producerade av deras två instrument: Geostationary Lightning Mapper och Advanced Baseline Imager. Maskinens tränade algoritm kan känna igen liknande, komplexa mönster för att avgöra var det är mest sannolikt att blixtnedslag inträffar under den kommande timmen. Detta sker bland annat genom att kort genereras inom några sekunder.

Detta har sparat forskare tid och resurser för att göra mer exakta förutsägelser, som ses här ett tidigare exempel från Washington, DC den 7 juli 2021.

“AI-verktyg sållar bland berg av data, vilket gör det möjligt för mänskliga beslutsfattare att fatta mer informerade beslut i rätt tid samtidigt som de frigör mer tid Tid för att kommunicera och koordinera med intressenter och partners – något som AI inte gör bra”, sa Pavolonis. “AI har potential att förändra spelet på många sätt, inklusive tidig branddetektering, förutsägelse av blixtnedslag, förutsägelse av brandspridning och beteende, kartläggning av brandgränser och riskbedömning av löpeld före antändning.”

Liknande inlägg:

— Satellitbilder visar skogsbränder över Grekland (foto)

— Satelliter observerar skogsbränder i nordvästra Kanada (foton)

— Klimatförändringar kan ändra färgen på jordens hav

Detta är dock bara början på att införliva AI i forskning och prognoser. Tack vare fortsatt stöd från den tvådelade infrastrukturpropositionen och samarbete med NESDIS Cooperative Institutes, ser meteorologer fram emot ytterligare tester genom att kombinera AI med satellit- och miljödatakällor för att utveckla en ny algoritm för att upptäcka bränder tidigt och till och med förutsäga beteende och spridning för att utvecklas.

“NESDIS testar en ny AI-algoritm som är en del av Next Generation Fire System (NGFS) och kan tillämpas på många olika sätt Satelliter “NGFS spårar också bränder automatiskt, vilket möjliggör nästan kontinuerlig övervakning av intensitet och rökutveckling. Det kommer att utvärderas av operativa användare som en del av de kommande NOAA Fire Weather Testbed-experimenten.”

Leave a Reply

Your email address will not be published. Required fields are marked *