Um novo modelo de aprendizagem que mapas da floresta secura em 12 estados ocidentais poderia pavimentar o caminho para uma melhor wildfire previsões, relatório dos investigadores.
Como a Califórnia e o Oeste Americano, a cabeça em fogo temporada, em meio a coronavírus pandemia, os cientistas estão aproveitando a inteligência artificial e novos dados de satélite para ajudar a prever o fogo arde em toda a região.
Antecipando onde um incêndio inflamar-se e como ele pode se espalhar requer informações sobre a quantidade de inflamável material vegetal existe na paisagem e a sua secura. Ainda assim, esta informação é surpreendentemente difícil reunir na escala e velocidade necessárias para auxiliar os fogos de gestão.
O novo deep-learning modelo de mapas de combustível, níveis de umidade em detalhes finos em 12 estados ocidentais, a partir do Colorado, Montana, Texas e Wyoming para a Costa do Pacífico.
O novo conjunto de dados pode “massively melhorar fogo estudos”, diz Alexandra Konings, um professor assistente de ciência do sistema terrestre, na Universidade de Stanford e autor sênior do papel do trabalho na Sensoriamento remoto do Ambiente.
O modelo precisa de mais testes para descobrir em gestão de incêndios decisões que colocam vidas e lares na linha, diz o autor principal, Krishna Rao, um estudante de Doutorado em ciência do sistema terrestre. Mas ele já está iluminando anteriormente invisível padrões. Apenas ser capaz de ver a floresta secura desdobrar pixel por pixel ao longo do tempo, diz ele, pode ajudar a revelar as áreas de maior risco e a “carta fora do candidato locais para prescrito queimaduras.”
O trabalho vem em um momento de crescente urgência para este tipo de visão, como a mudança do clima se estende e se intensifica o fogo época—e como o curso COVID-19 pandemia complica os esforços para evitar grandes incêndios através de queima controlada, preparar-se para evacuações em massa, e mobilizar os socorristas.
Contents
Wildfire verificações de combustível
Fogo agências hoje normalmente medir a quantidade de secas, inflamáveis vegetação em uma área, com base nas amostras a partir de um pequeno número de árvores. Pesquisadores cortar e pesar ramos de árvore, secá-las no forno, e, em seguida, pesa-se novamente.
“Se você olhar para a quantidade de massa que foi perdido no forno, e essa é toda a água que estava lá”, diz Konings. “Isso é, obviamente, muito trabalhoso, e você só pode fazer isso em um par de diferentes lugares, para só algumas das espécies em uma paisagem.”
O Serviço Florestal dos estados unidos meticulosamente recolhe esta planta conteúdo de água de dados em centenas de locais em todo o país e adiciona-los para o Nacional de Combustível, Umidade do Banco de dados, que acumulou cerca de 200.000 tais medições desde a década de 1970. Conhecido como live combustível conteúdo de umidade, a métrica é bem estabelecido como um fator que influencia o risco de fogo. No entanto, pouco é conhecido sobre como ela varia ao longo do tempo a partir de uma planta para outra ou de um ecossistema para outro.
Por décadas, os cientistas têm estimado de combustível teor de umidade indiretamente, a partir informado, mas sem comprovação suposições sobre as relações entre a temperatura, a precipitação, a água, plantas mortas, e a secura dos viventes.
“Agora, estamos em uma posição onde podemos ir e voltar a testar o que temos vindo a assumir por tanto tempo—a ligação entre o tempo e viver de combustível de umidade em diferentes ecossistemas do oeste dos Estados Unidos,” Rao diz.
AI com um ser humano ajudar
O novo modelo usa o que os pesquisadores chamam de um recurrent neural network, um sistema de inteligência artificial que podem aprender a reconhecer padrões em vastas montanhas de dados. Os cientistas treinados seu modelo usando dados de campo do Nacional de Combustível, Umidade do Banco de dados e, em seguida, colocá-lo para trabalhar a estimativa de combustível de umidade a partir de dois tipos de medições coletadas pelo espaço de origem sensores.
Um envolve medições de luz visível saltando para fora da Terra. O outro, conhecido como radar de abertura sintética (SAR), mede o retorno de radar de micro-ondas sinais, que podem penetrar através de ramos de folhas por todo o caminho para a superfície do solo.
“Um dos nossos grandes descobertas foi a de olhar para um novo conjunto de satélites que estão usando muito mais comprimentos de onda, o que permite que as observações a serem sensíveis a água, muito mais profundo para a copa da floresta e ser directamente representante do combustível conteúdo de umidade”, diz Konings, também um centro de colegas, por cortesia, em Stanford Madeiras Instituto para o meio Ambiente.
Para treinar e validar o modelo, os pesquisadores alimentados de três anos de dados para 239 sites em todo o oeste Americano, a partir de 2015, quando SAR de dados da Agência Espacial Europeia Sentinela-1 de satélites tornaram-se disponíveis.
Eles verificada a sua combustível umidade previsões em seis tipos comuns de cobertura do solo, incluindo folhosas caducifólias florestas, needleleaf florestas verdes, shrublands, pastagens e vegetação escassa, e achei o máximo possível de precisão, o que significa que o AI previsões mais combinam com medições de campo no Nacional de Combustível, Umidade do Banco de dados—em shrublands.
Rico com ervas aromáticas como alecrim e orégano, e, muitas vezes, marcado por árvores baixas e íngremes encostas rochosas, shrublands ocupar o máximo de 45% do Oeste Americano. Eles não são apenas a região de maior ecossistema, Rao diz, “eles também são extremamente suscetíveis a queimadas freqüentes, pois eles voltam a crescer rapidamente”.
Na Califórnia, incêndios chicoteado para o tamanho enorme por Santa Ana marais gravar em um tipo de mato conhecido como chaparral. “Isso tem levado fogo agências de monitorá-los intensamente”, diz ele.
O modelo de estimativas de alimentação em um mapa interativo que o fogo agências podem, eventualmente, ser capaz de a utilizar para identificar padrões e priorizar medidas de controle. Por agora, o mapa oferece um mergulho ao longo da história, mostrando combustível conteúdo de umidade, a partir de 2016 a 2019, mas os pesquisadores poderiam usar o mesmo método para exibir as estimativas atuais.
“A criação destes mapas foi o primeiro passo na compreensão de como esse novo combustível de dados de umidade pode afetar o risco de incêndio e previsões,” Konings, diz. “Agora estamos tentando realmente definir os melhores maneiras de usá-la para melhor fogo de previsão.”
Adicionais são coautores do Lamont-Doherty Earth Observatory da Universidade de Columbia. A Amazon Web Services (AWS) Nuvem de Créditos para a Investigação, a NASA Terra e do Espaço Ciências da Comunhão, a UPS Fundo de investimento em Stanford, Stanford Madeiras Instituto do meio Ambiente e o Zegar Family Foundation apoiou o trabalho.
Fonte: A Universidade De Stanford