Исследователи из университета Южной Калифорнии (США) разработали новый метод точного прогнозирования распространения лесных пожаров. Объединив спутниковые снимки и искусственный интеллект, их модель предлагает потенциальный прорыв в управлении лесными пожарами и реагировании на чрезвычайные ситуации.Об этом рассказал сайт Techxplore.
Подробно описанная в раннем исследовании , опубликованном в журнале Artificial Intelligence for the Earth Systems , модель университета использует спутниковые данные для отслеживания распространения лесного пожара в режиме реального времени, а затем передает эту информацию в сложный компьютерный алгоритм, который может точно прогнозировать вероятный путь распространения пожара, его интенсивность и скорость роста.
Исследование появилось в то время, когда Калифорния и большая часть западных Соединенных Штатов продолжают бороться со все более суровым сезоном лесных пожаров. Множество пожаров, вызванных опасным сочетанием ветра, засухи и экстремальной жары, бушуют по всему штату. Среди них пожар на озере, крупнейший лесной пожар в штате в этом году, уже выжег более 38 000 акров в округе Санта-Барбара.
Исследователи начали со сбора исторических данных о лесных пожарах с помощью спутниковых снимков высокого разрешения. Тщательно изучая поведение прошлых огненных массивов, исследователи смогли отследить, как каждый пожар начинался, распространялся и в конечном итоге был локализован. Их всесторонний анализ выявил закономерности, на которые влияли различные факторы, такие как погода, топливо (например, деревья, кустарники и т. д.) и рельеф местности.
Затем они обучили генеративную компьютерную модель на базе ИИ, известную как условная генеративно-состязательная сеть Вассерштейна (cWGAN), для моделирования того, как эти факторы влияют на развитие лесных пожаров с течением времени. Они научили модель распознавать закономерности на спутниковых снимках, которые соответствуют распространению лесных пожаров в их модели.
Разработчики были впечатлены тем, что система, изначально обученная на простых смоделированных данных в идеальных условиях, таких как ровная местность и однонаправленный ветер, хорошо показала себя в своих тестах на реальных лесных пожарах в Калифорнии. Они приписывают этот успех тому факту, что cWGAN использовалась в сочетании с реальными данными о лесных пожарах со спутниковых снимков , а не сама по себе.