最近蹂躏的澳大利亚和西海岸的肆虐的燃烧是推动的气候变化导致较长,更强烈的野火季节。比赛正在寻找新的和先进的方法持有萤火虫。
现在,斯坦福新闻报告称,大学的研究人员正在使用深学习的AI来映射土地可能导致烧毁控制的危险。该模型基于卫星数据,展示了干燥的植物和土壤如何细节,从岩石到太平洋。这种信息可以由土地所有者和政府机构使用,以预测干燃料积累的地方 - 甚至可能是抢先野火。
虽然它需要更多测试,但它可以信任财产和生命,而该算法显示承诺,特别是在预测灌木丛的水分方面 - 最具火灾易于的环境之一。
寻找燃料
野火使用干植物材料作为燃料。知道这种燃料可用的地方可以帮助预测火灾可能开始的地方和可能遵循的路径。尽管如此,对有效的回应充分收集这种数据是困难的 - 但是 - 一个问题越来越多地解决其他紧急情况洪水,疏散, 和在海上搜索和救援, 也。
订阅freehthink,以获取这样的更多故事。
美国森林服务使用诱导过程测量地面干燥的植物寿命的量,这些过程可以仅抽出一小部分植被。
根据斯坦福的说法,森林服务切断了树肢,对它们的称重,将它们干涸,然后再次称重;两者之间的差异是树内的水量。
“这显然真的很费力,你只能在几个不同的地方做到这一点,只有一些景观中的一些物种,”学习和斯坦福生态医学家的高级作者“亚历山德拉·科斯告诉斯坦福新闻。
然后将所有这些数据放入国家燃油湿度数据库,这是自20世纪70年代以来一直在跟踪干燥。称为“活水量燃料含量”,测量是野火风险的良好记录因素。科学家们使用这些信息来提出明智的预测,燃料是最干燥的,风险最高。
深度学习与西燃烧
斯坦福模型使用一种人工智能系统,称为经常性神经网络,其擅长来自数据的星系的戏弄模式。
该过程,在8月2020年8月所述遥感环境,使用国家燃油湿度数据库中的数据培训模型。然后,它们使其松动以使用从空间取出的两种测量来预测燃料湿度水平。
一个称为合成孔径雷达(SAR),使用微波雷达信号。这些波可以使其过叶子并到达地面,帮助形成更准确的图片。
“我们的一个大突破是看一套使用更长的波长的新卫星,这使得观察到森林冠层更深入地深入敏感,并直接代表燃油含量含量,”Konings说。
该信息可以由土地所有者和政府机构用于预测干燃料积累的地方。
为了验证他们的工作,他们对数百个网站的国家燃油湿度数据库进行了测试,并在各种环境中检查了预测。当预测灌木丛中的燃油水分时,该模型最准确。
灌木丛中装满了草药,小树木和岩石斜坡,灌木丛占美国西部的一半,并且非常容易受野火的影响。
这些估计被送入了互动地图,显示2016-2019的数据。
“创建这些地图是了解这一新燃料水分数据可能影响火灾风险和预测的第一步,”Konings说。“现在我们正试图真正把它用它用于改善火灾预测的最佳方法。”
希望是相同的方法可用于创建一个可以用于识别高风险区域并帮助通知野火管理的详细的交互式映射。