В последние несколько лет США пострадали от разрушительных пожаров, поскольку глобальные температуры повышаются и меняются погодные условия, что делает природное явление особенно непредсказуемым и серьезным. Чтобы помочь, исследователи из Стэнфорда нашли способ отслеживать и прогнозировать засушливые, подверженные риску зоны с помощью машинного обучения и спутниковых снимков.
В настоящее время леса и кустарники проверяются на подверженность лесным пожарам путем ручного сбора веток и листвы и проверки их содержания в воде. Он точный и надежный, но, очевидно, также довольно трудоемкий и трудно масштабируемый.
К счастью, недавно появились другие источники данных. Спутники Sentinel и Landsat Европейского космического агентства накопили множество изображений поверхности Земли, которые, при тщательном анализе, могут обеспечить вторичный источник для оценки риска лесных пожаров – и никто не должен рисковать для получения осколков.
Это не первая попытка сделать такой вид наблюдения с помощью орбитальных изображений, но предыдущие усилия в значительной степени основывались на визуальных измерениях, которые «чрезвычайно специфичны для конкретного участка», что означает, что метод анализа сильно отличается в зависимости от местоположения. Нет осколков, но все еще трудно масштабировать. Прогресс, достигнутый командой Стэнфорда, – это «радар с синтезированной апертурой» спутников Sentinel, который может проникать сквозь полог леса и отображать поверхность под ним.
«Одним из наших больших достижений было изучение нового набора спутников, использующих гораздо более длинные волны, что позволяет наблюдениям быть чувствительными к воде намного глубже в пологе леса и непосредственно представлять содержание влаги в топливе», – сказал старший Автор статьи, Стэнфордский экоидролог Александра Конингс, в пресс-релизе.
Команда представила эти новые изображения, регулярно собираемые с 2016 года, модели машинного обучения вместе с ручными измерениями, проведенными Лесной службой США. Это позволяет модели «узнать», какие особенности изображения соотносятся с измерениями истинности.
Затем они проверили итогового агента ИИ (этот термин используется свободно), заставив его делать прогнозы на основе старых данных, ответы на которые они уже знали. Он был точным, но в основном в кустарниках, один из самых распространенных биомов на западе США, а также один из наиболее подверженных лесным пожарам.
Вы можете увидеть результаты проекта на этой интерактивной карте, показывающей прогноз модели сухости в разные периоды по всей западной части страны. Это не столько для пожарных, сколько для проверки подхода – но та же модель, учитывая последние данные, может делать прогнозы о предстоящем сезоне пожаров, которые могут помочь властям принимать более обоснованные решения о контролируемых ожогах, опасных зонах и безопасности. предупреждения.
Работа исследователей была опубликована в журнале Remote Sensing of Environment.