Istraživači sa USC-a razvili su novu metodu za precizno predviđanje širenja požara. Kombinacijom satelitskih snimaka i veštačke inteligencije, njihov model nudi potencijalni napredak u upravljanju požarima i reagovanju u vanrednim situacijama.
Detaljno u dokazu rane studije objavljenom u Veštačkoj inteligenciji za zemaljske sisteme, model USC koristi satelitske podatke da prati napredovanje požara u realnom vremenu, a zatim unosi ove informacije u sofisticirani kompjuterski algoritam koji može precizno predvideti verovatnu putanju, intenzitet i intenzitet požara. brzina rasta.
Studija dolazi dok Kalifornija i veći deo zapadnih Sjedinjenih Država nastavljaju da se bore sa sve ozbiljnijom sezonom požara. Višestruki požari, podstaknuti opasnom kombinacijom vetra, suše i ekstremne vrućine, besne širom države. Među njima, Lake Fire, najveći ovogodišnji požar u državi, već je spalio preko 38.000 hektara u okrugu Santa Barbara.
„Ovaj model predstavlja važan korak napred u našoj sposobnosti da se borimo protiv šumskih požara“, rekao je Brajan Šedi, doktorant na Odseku za vazduhoplovstvo i mašinstvo na USC Viterbi školi inženjeringa i autor studije. „Pružajući preciznije i blagovremene podatke, naš alat jača napore vatrogasaca i timova za evakuaciju koji se bore sa šumskim požarima na linijama fronta.
Istraživači su počeli prikupljanjem istorijskih podataka o požarima sa satelitskih snimaka visoke rezolucije. Pažljivo proučavajući ponašanje prošlih šumskih požara, istraživači su mogli da prate kako je svaki požar počeo, širio se i na kraju bio obuzdavan. Njihova sveobuhvatna analiza otkrila je obrasce na koje utiču različiti faktori kao što su vreme, gorivo (na primer, drveće, grmlje, itd.) i teren.
Zatim su obučili generativni kompjuterski model sa veštačkom inteligencijom poznat kao uslovna Vasserstein Generative Adversarial Netvork, ili cVGAN, da simuliraju kako ovi faktori utiču na to kako se požari razvijaju tokom vremena. Oni su naučili model da prepozna obrasce na satelitskim snimcima koji se poklapaju sa načinom na koji se požari šire u njihovom modelu.
Zatim su testirali cVGAN model na stvarnim šumskim požarima koji su se dogodili u Kaliforniji između 2020. i 2022. kako bi videli koliko dobro predviđa gde će se požar proširiti.
„Proučavajući kako su se prošli požari ponašali, možemo stvoriti model koji predviđa kako bi se budući požari mogli širiti“, rekao je Asad Oberai, profesor Hjuza i profesor vazduhoplovstva i mašinstva na USC Viterbi i koautor studije.
Oberai i Shaddi su bili impresionirani činjenicom da je cVGAN, prvobitno obučen na jednostavnim simuliranim podacima u idealnim uslovima kao što su ravan teren i jednosmjerni vjetar, pokazao dobre rezultate u svojim testovima na stvarnim požarima u Kaliforniji. Oni pripisuju ovaj uspeh činjenici da je cVGAN korišćen u kombinaciji sa stvarnim podacima o požarima sa satelitskih snimaka, a ne samostalno.
Oberai, čije se istraživanje fokusira na razvoj kompjuterskih modela za razumevanje osnovne fizike različitih fenomena, modelirao je sve, od turbulentnog protoka vazduha preko krila aviona do zaraznih bolesti i načina na koji se ćelije umnožavaju unutar tumora i komuniciraju sa svojom okolinom. Od svega što je modelirao, Oberai napominje da su šumski požari među najizazovnijim.
„Divlji požari uključuju zamršene procese: Gorivo poput trave, žbunja ili drveća se zapali, što dovodi do složenih hemijskih reakcija koje stvaraju toplotu i strujanja vetra. Faktori kao što su topografija i vreme takođe utiču na ponašanje požara—požari se ne šire mnogo u vlažnim uslovima, ali mogu da se kreću brzo u suvim uslovima“, rekao je on. „Ovo su veoma složeni, haotični i nelinearni procesi. Da biste ih precizno modelirali, morate uzeti u obzir sve ove različite faktore. Potrebno vam je napredno računarstvo.“
