Key takeaways
- En fersk studie fant at kunstig intelligens kunne forutsi lynnedslag og beskytte folk mot skogbranner.
- AI kan også hjelpe til med å behandle dataene mottatt fra satellittsystemer og skille ut falske alarmer.
- En by i Colorado bruker et AI-drevet program som overvåker røykrapporter over 90 kvadratkilometer.
Nylige fremskritt innen kunstig intelligens (AI) kan bidra til å holde folk trygge mot skogbranner.
En ny studie viser maskinlæring - datamaskinalgoritmer som forbedrer seg selv uten direkte programmering av mennesker - kan forbedre lynprognoser. En bedre forståelse av hvor lynet kan slå ned kan bidra til å forutsi branner startet av boltene fra himmelen.
"Ved å kombinere fjernfølte data med informasjon, for eksempel sannhet fra tidligere branner, vegetasjonshelse og tørrhet, kan AI tilby muligheten til å forbedre skogbrannovervåking og varsling av skogbrannspredning," Scott Mackaro, visepresident for vitenskap, innovasjon og utvikling hos værvarslingsselskapet AccuWeather, som ikke var involvert i studien, fort alte Lifewire i et e-postintervju.
Forutsi fare
Forbedrede lynprognoser kan bidra til å forberede seg på potensielle skogbranner og forbedre sikkerhetsadvarslene for lyn.
"De beste fagene for maskinlæring er ting vi ikke helt forstår. Og hva er noe innen atmosfærevitenskap som fortsatt er dårlig forstått? Lyn," sa Daehyun Kim, professor i atmosfæriske vitenskaper ved University of Washington som var involvert i den nylige studien, sa i en pressemelding. "Så vidt vi vet, er arbeidet vårt det første som demonstrerer at maskinlæringsalgoritmer kan fungere for lyn.«
Den nye teknikken kombinerer værmeldinger med en maskinlæringsligning basert på analyser av tidligere lynhendelser. Studiens forfattere sa at hybridmetoden kunne varsle lyn over det sørøstlige USA to dager tidligere enn den eksisterende ledende teknikken.
Forskere trente systemet med lyndata fra 2010 til 2016, slik at datamaskinen oppdaget sammenhenger mellom værvariabler og lyn. Deretter testet de teknikken på været fra 2017 til 2019, og sammenlignet den AI-støttede prosessen og en eksisterende fysikkbasert metode, ved å bruke faktiske lynobservasjoner for å evaluere begge deler.
AI kan hjelpe til med å behandle dataene mottatt fra satellittsystemer, skille ut falske alarmer og fjerne dem, sa værekspert Yuri Shpilevsky i appen Clime til Lifewire i et e-postintervju.
"I tillegg til det kan AI hjelpe med å spore værparametrene i forskjellige regioner og oppdage de mindre områdene der værforholdene er de 'mest gunstige' for at en brann skal starte," la han til. Dette kan hjelpe oss å automatisk fokusere på de tørreste og dermed mest brannutsatte stedene og utføre brannforebyggende aktiviteter der."
Putting Theory Into Practice
Kunstig intelligens brukes allerede for å overvåke for skogbrannfare.
Aspen Fire Protection District bruker et AI-drevet program som bruker kameraer til å overvåke røykmeldinger over 90 kvadratkilometer i Colorado. Programmet er laget av et California-basert selskap k alt Pano AI og bruker høyoppløselige kameraer som kan dreies 360 grader.
"Vi vet at minutter betyr noe når det gjelder skogbrannrespons," sa Arvind Satyam, Pano AIs kommersielle sjef, i en pressemelding. "Vår visjon er å skape et nettverk av banebrytende kameraer, samt integrere eksisterende videofeeder, som utnytter vår kunstige intelligens og vår intuitive programvare for å gi rettidige og nøyaktige varsler til team for situasjonsforståelse for å forhindre at små oppblussinger blir store infernos.«
Mange selskaper bruker kunstig intelligens for å forbedre værmeldingene. For eksempel bruker Weather Stream kunstig intelligens til å overvåke nedbør fra globale satellittdata, noe som indikerer tørkeregioner.
"AI- og satellittdata kan brukes i flere stadier av skogbrannsyklusen," sa Richard Delf, en fjernmålingsforsker ved Weather Stream, til Lifewire i et e-postintervju. "Vi kan bruke kunstig intelligens til å tolke satellittdata for å etablere regionale drivstoffnivåer, fuktighetsnivåer på overflaten og baldakinnivåer, som sammen med lok alt klima er nøkkelindikatorer på skogbrannrisikoen i en region."
Fremtidige fremskritt innen AI vil gjøre skogbrannvarsling enda mer nøyaktig, spådde Shpilevsky. Datamodeller vil lage spådommer basert på værforhold og andre data, som for eksempel en skogs vegetasjonstype, vindmønstre, forhold som er gunstige for lynnedslag.
"Dette vil bidra til å gi sanntidsprognoser for hvordan en skogbrann kommer til å spre seg, forutsi forventet brannintensitet, evaluere mulig skade, estimere ressursene som er nødvendige for å lokalisere brannen," la han til.
