В США создали ИИ для прогноза лесных пожаров
Исследователи из университета Южной Калифорнии (США) разработали новый метод точного прогнозирования распространения лесных пожаров.
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.
