Hoe kunstmatige intelligentie de bosbranden in Amerika bestrijdt

Sommige van de meest bedreven brandweerlieden van dit moment zijn geen mensen.

Omdat bosbranden in het westen van de Verenigde Staten in aantal en intensiteit zijn toegenomen, heeft dit een stormloop op nieuwe soorten technologie veroorzaakt die kunnen helpen ze te bestrijden. Dat omvat machine learning voor data-analyse, drones, onbemande luchtvaartuigen en satellietbewaking.

Californië alleen gevolgd 4,2 miljoen hectare verbrand in 2020, waarbij vijf van de zes grootste branden in de geschiedenis van de staat tegelijkertijd plaatsvonden. Dat heeft ertoe geleid dat meerdere door technologie aangedreven brandbestrijdingsoplossingen zijn goedgekeurd in de staat, waaronder voorspellende analyse, branddetectie vanuit een baan om de aarde en

Door AI aangedreven apparatuurinspecties.

"AI-compatibele systemen worden al gebruikt om rampenbestrijding te coördineren, verkenningen uit te voeren en herstelinspanningen te sturen. Het opsporen van patronen, trends en anomalieën in supply chains en voor logistieke ondersteuning is ook geworden een veelvoorkomende taak voor Machine Learning-algoritmen", zegt JT Kostman, de CEO van kunstmatige intelligentie stevig Beschermd door. AI, in een interview met Lifewire. "Deze mogelijkheden kunnen worden geconfigureerd om de schappen van de supermarkt te vullen of om hulp te bieden bij natuurrampen."

Ogen in de lucht

Er is een verrassend probleem in het beheer van natuurbranden dat niet veel wordt behandeld. Simpel gezegd: bosbranden, vooral nieuwe of kleinere die zijn veroorzaakt door natuurlijke fenomenen, kunnen moeilijk te vinden zijn. Als een blikseminslag een boom raakt in het midden van nergens of een geïsoleerde hoogspanningslijn ergens tussen steden valt, kan het een brand van meerdere hectaren zijn tegen de tijd dat een mens het ziet.

Als zodanig is een van de belangrijkste rollen van een AI bij brandbestrijding op dit moment in detectie en analyse: geïsoleerde branden op verre locaties vinden, ze volgen en bepalen wat de initiële oorzaak was ontsteking.

Een opvallende oorzaak komt van elektrische draden, zoals: gedemonstreerd door Californië's Pacific Gas en Electric rampen. Gewoonlijk zijn die draden zo ontworpen dat ze geen contact met elkaar maken en vonkontlading met hoge energie veroorzaken. Echter, harde wind of ongebruikelijke droge perioden kunnen ervoor zorgen dat de lijnen gaan slingeren, waardoor vonken en stukjes heet metaal van de lijnen vallen, waardoor droge vegetatie kan worden ontstoken.

"Als mogelijke oplossing worden de luchtbeelden die zijn verzameld met behulp van helikopterpatrouilles en onbemande dronevluchtonderzoeken gecombineerd met de op AI gebaseerde simulatiemodellen om het potentieel voor natuurbrandincidenten onder verschillende uitschieters te beoordelen", zegt David Cox, hoofd energie en nutsbedrijven raadplegen bij op de hoogte, in een interview met Lifewire.

"De output van de modellering wordt naar verschillende geospatiale visuele dashboards gevoerd om de circuitlijnen met een hoog risicoprofiel te identificeren. Deze aanpak heeft nutsbedrijven geholpen om prioriteit te geven aan het onderhoud van het netsysteem in gebieden met de hoogste risicoprofielen. Machine learning-technologieën worden momenteel ingezet bovenop de reeds bestaande AI-gebaseerde modellen om de nauwkeurigheid van voorspellingen te verbeteren."

"Dezelfde technologie die in staat is om een ​​hond nauwkeurig van een kat te onderscheiden," zei Kostman, "kan afgestemd zijn om hotspots te vinden met behulp van traditionele en thermische beeldvorming via camera's, drones en satellieten."

Hoe te spelen met vuur

Een ander Berkeley-project, geleid door Tarek Zohdi van de Fire Research Group, maakt gebruik van machine learning om te produceren een "digitale tweeling"- een virtuele kopie van een bestaande brand - die door datawetenschappers als testcase wordt gebruikt.

Met behulp van de digitale tweeling kunnen datawetenschappers een redelijk model produceren voor het toekomstige gedrag van een brand, wat een beter geïnformeerde logistiek voor de brandweerlieden mogelijk maakt. Het is gemakkelijker om een ​​vluchtplan rond of boven een natuurbrand uit te stippelen, bijvoorbeeld als je een goed idee hebt waar de natuurbrand heen gaat.

Soortgelijke projecten lopen op dezelfde afdeling voor preventie-effecten en biosfeermodellering, zoals uitzoeken welke dagen het beste kunnen worden uitgevoerd "voorgeschreven brandwonden”, begon een opzettelijke brand om een ​​natuurlijke omgeving te beheren en te beschermen.

De meest metalen anti-wildvuurtechnologie op dit moment is echter het gebruik van drones voor bombardementen. In voorgaande decennia voerden landbeheerders hun eigen voorgeschreven brandwonden uit vanuit de lucht door kaliumglycolladingen - bekend als "drakeneieren" - per helikopter te laten vallen.

Nu kunnen drones hetzelfde doen, goedkoper en met grotere precisie, met dezelfde drakeneieren om te helpen barrières creëren tegen actieve bosbranden door die branden voorzichtig te beroven van brandstof die ze zouden kunnen gebruiken om uitbreiden.

"Er is een betreurenswaardige neiging om te wachten tot zich rampen hebben voorgedaan alvorens capaciteiten te ontwikkelen om ze te bestrijden", zegt Kostman.

"Gezien de existentiële bedreigingen waarmee de mensheid nu te maken heeft - klimaatverandering, wereldwijde pandemieën, ongekende cyberbedreigingen, economische apartheid, politieke instabiliteit en de ongebreidelde opkomst van autoritarisme - de tijd om AI-gebaseerde systemen te ontwikkelen die ons veilig kunnen houden, is niet morgen. Het was gisteren."