За последнее десятилетие частота и масштабы лесных пожаров резко возросли, нанося широкомасштабный ущерб экосистемам и населенным пунктам. Инновации в прогностической аналитике, дистанционном зондировании и интеграции данных позволяют получать более точные и ранние предупреждения, смягчая последствия стихийных бедствий.
Фото предоставлено Che Media/Shutterstock.com
По оценкам Европейского космического агентства, лесные пожары затронули примерно четыре миллиона квадратных километров суши по всему миру. Только в Соединенных Штатах Национальный межведомственный противопожарный центр сообщил о 50 крупных лесных пожарах в период с 1 января по 29 июня прошлого года, что превысило средний показатель за 10 лет и выгорело примерно 192 016 акров.1
Хотя полное предотвращение невозможно, потенциальный ущерб, причиняемый лесными пожарами, может быть значительно уменьшен благодаря раннему обнаружению и точной геолокации на начальных стадиях.
Проблемы, связанные с обнаружением лесных пожаров
Обнаружение лесных пожаров на ранних стадиях является сложной задачей. Районы, подверженные лесным пожарам, часто состоят из удаленных, пересеченных участков с ограниченной связью и обзорностью.
Зарождающиеся пожары на небольших высотах могут оставаться незамеченными в течение значительного периода времени, поскольку они могут приводить к ограниченным наблюдаемым признакам, таким как небольшие столбы дыма или незначительные скачки температуры и газов. Традиционное обнаружение лесных пожаров также в значительной степени зависит от случайных сообщений очевидцев.
Таким образом, для более эффективного и точного мониторинга обширных и отдаленных территорий требуются автоматизированные подходы, не зависящие от участия человека.
Последние инновации в системах раннего обнаружения лесных пожаров
Интеллектуальные сенсорные сети
Взаимосвязанные сети наземных датчиков обеспечивают эффективное решение для мониторинга лесных пожаров на больших географических территориях. Эти сети обнаруживают лесные пожары на ранних стадиях путем мониторинга температуры, влажности, частиц воздуха и газов. Они по беспроводной сети оповещают централизованные системы управления о появлении открытого огня или видимого дыма.
Dryad Networks, немецкий стартап, разработал датчики на солнечной энергии, которые действуют как "электронные носы", обнаруживая химические вещества, выделяющиеся в дыму на самых ранних стадиях пожара. Датчики обучены с помощью искусственного интеллекта (ИИ) отличать дым от других источников, таких как транспортные средства.
В Бранденбургском лесу Германии установлено около 400 датчиков, которые в случае обнаружения дыма в течение 10-15 минут передают оповещения властям — значительно быстрее, чем люди, реагирующие на пожары.2 Это быстрое оповещение позволяет своевременно реагировать, пока пожары все еще небольшие и управляемые.
Однако датчики ограничены прямой видимостью, поэтому для комплексного мониторинга необходимо несколько распределенных сетей.
Системы воздушного обнаружения
Воздушные системы, такие как беспилотные летательные аппараты и спутники, позволяют с высоты птичьего полета обнаруживать развивающиеся лесные пожары.
В ответ на высокую частоту лесных пожаров в Калифорнии исследователи из Калифорнийского университета в Дэвисе предложили новый подход к раннему обнаружению лесных пожаров с использованием беспилотных летательных аппаратов (БПЛА).
Этот метод включает наземную сеть датчиков, расположенную на нескольких объектах, для мониторинга температуры, влажности и скорости ветра. Беспилотные летательные аппараты Octocopter используются для проверки, когда эти датчики обнаруживают условия, способствующие возникновению лесных пожаров, такие как жаркая, сухая погода и сильный ветер.
Фото предоставлено: Bilanol/Shutterstock.com
Дроны оснащены специализированными упаковочными трубками для сбора проб дыма и химическими датчиками для получения данных о CO2 и частицах дыма в режиме реального времени. Это позволяет составлять карту химических признаков возгорания в сложных ландшафтах до видимого обнаружения.4
"Химическое зондирование более чувствительно, чем визуальное. Если вы гуляете по своему району и видите, что кто-то сжигает дрова в камине, вы ничего не видите, но чувствуете запах ", говорит Энтони Векслер, директор Центра исследований качества воздуха Калифорнийского университета в Дэвисе.3
Мобильность и дальность действия воздушных систем обеспечивают видимость на обширной границе между дикой местностью и городом. Однако погода, продолжительность полета и проблемы автономности остаются препятствиями для комплексного развертывания.
Искусственный интеллект и компьютерное зрение
Для автоматического раннего обнаружения лесных пожаров используются все более сложные алгоритмы искусственного интеллекта и компьютерного зрения. Модели глубокого обучения обучаются на тысячах изображений огня и дыма распознавать высоконадежные визуальные индикаторы. Они также постоянно совершенствуют свои возможности путем переподготовки на основе новых данных.
Пожарное агентство Калифорнии, Cal Fire, использует программное обеспечение искусственного интеллекта для анализа изображений с более чем 1000 камер на вершинах гор по всему штату. Модели глубокого обучения обнаруживают визуальные сигнатуры дыма, уведомляя пожарных о возникающих пожарах в режиме реального времени. В ходе испытаний система искусственного интеллекта выявила 77 пожаров до звонков в службу 911, что позволило быстрее реагировать, пока пожары были небольшими.5
Однако технология ограничена областями, видимыми камерам, и требует проверки человеком, чтобы свести к минимуму ложные предупреждения.
Пожарные часы Pano AI с поддержкой 5G
Технология 5G обеспечивает более быструю передачу данных и подключение, позволяя использовать передовые датчики, беспилотные летательные аппараты и искусственный интеллект для обнаружения лесных пожаров в режиме реального времени. Высокоскоростные возможности 5G с низкой задержкой улучшают связь между службами экстренного реагирования и улучшают общую координацию во время действий по реагированию на чрезвычайные ситуации.
Pano AI использует камеры сверхвысокой четкости, 360-градусный обзор и искусственный интеллект в сети 5G для быстрого выявления лесных пожаров и мониторинга. Интеграция 5G улучшает передачу данных и подключение, обеспечивая более быстрое реагирование в удаленных местах и оповещение населения поблизости посредством передачи видео в режиме реального времени.
С более чем 100 системами, развернутыми в США и Австралии, технология обнаружила и помогла локализовать более 50 000 пожаров с момента ее запуска в 2020 году.6
Искусственный интеллект - интегрированное обнаружение лесных пожаров в меняющихся условиях
В исследовании, опубликованном в Дистанционном зондировании окружающей среды, предложена новая модель обнаружения лесных пожаров на основе искусственного интеллекта, которая объединяет спутниковые данные с данными численной модели, используемой при прогнозировании погоды, обеспечивая более адаптируемый и комплексный подход к мониторингу лесных пожаров и реагированию на них.7
Модель глубокого обучения двухмодульной сверточной нейронной сети (DM CNN) оценивает несколько переменных одновременно, включая относительную влажность, температуру поверхности и угол наблюдения со спутника. Такой подход повышает точность обнаружения, несмотря на изменения условий окружающей среды, обеспечивая значительное преимущество перед существующими технологиями.
Более широкий пространственный диапазон технологии компенсирует более низкое разрешение спутника, что делает ее многообещающим достижением в глобальной технологии обнаружения лесных пожаров, которая остается эффективной, несмотря на различия в условиях наблюдения и факторах окружающей среды.
Проблемы и перспективы на будущее
Несмотря на использование передовых систем, таких как спутники и сторожевые вышки, обнаружение лесных пожаров на ранней стадии остается сложной задачей. Эти системы могут не своевременно выявлять зарождающиеся пожары, что приводит к ложным срабатываниям, которые истощают ресурсы служб экстренного реагирования.
Однако постоянные инновации в методах обнаружения и аналитике позволят использовать более интеллектуальные технологии раннего предупреждения для смягчения растущих угроз лесных пожаров.
Ссылки и дальнейшее чтение
- Мохапатра А., Тринь Т. (2022). Технологии раннего обнаружения лесных пожаров на практике —обзор. Устойчивость. doi.org/10.3390/su141912270.
- Min, R. (2023). Эти электронные "носы" могут обнаруживать лесные пожары и оповещать пожарные службы с помощью искусственного интеллекта. [Онлайн] Euronews. Доступно по адресу: https://www.euronews.com/next/2023/07/20/these-electronic-noses-can-sniff-out-wildfires-and-alert-fire-authorities-using-ai .
- Хит Дж. (2023). Новые исследования беспилотных летательных аппаратов улучшают мониторинг лесных пожаров. [Онлайн] Калифорнийский университет в Дэвисе. Доступно по адресу: https://www.ucdavis.edu/climate/news/new-drone-research-advances-wildfire-monitoring.
- Рагбир П., и др.. (2023). Сбор и анализ данных о токсичности воздуха при лесных пожарах на базе беспилотных летательных аппаратов. Датчики. doi.org/10.3390/s23073561.
- Смит, Х. (2023). Может ли искусственный интеллект прийти на помощь по мере усиления пожаров в Калифорнии? [Онлайн] Los Angeles Times. Доступно по адресу: https://www.latimes.com/california/story/2023-08-24/can-ai-fight-wildfires-california-is-counting-on-it .
- Слоут, С. (2023). Инструмент обнаружения лесных пожаров на базе 5G помогает службам экстренного реагирования быстрее локализовывать пожары. [Онлайн] Business Insider. Доступно по адресу: https://www.businessinsider.com/pano-ai-5g-wildfire-detection-tool-contains-fires-faster-2023-9.
- Кан Ю., Сун Т., Им Дж. (2023). К адаптируемой модели глубокого обучения для спутникового мониторинга лесных пожаров с учетом условий окружающей среды. Дистанционное зондирование окружающей среды. doi.org/10.1016/j.rse.2023.113814.
