Användningen av artificiell intelligens (AI) för att upptäcka och tidig varning för skogsbränder utvecklas globalt i takt med att klimatförändringarna dramatiskt ökar risken för skogsbränder i länder runt om i världen .
Nyligen har Kaliforniens brandkår (USA) använt AI för att upptäcka och kontrollera skogsbränder tidigt. Programmet heter ALERTCalifornia. Syftet med programmet är att upptäcka bränder tidigare och minska falsklarm tack vare AI-teknik. Plattformen, som utvecklats av ingenjörer vid University of California San Diego, drar nytta av 1 036 befintliga kameror, installerade av myndigheter och elbolag över hela delstaten.
[bildtext-id="attachment_428056" align="aligncenter" width="768"]"Vårt jobb är att hålla bränder inom ett område på 0,6 hektar, så med hjälp av AI-kameror kan vi komma till bränderna och kontrollera dem snabbare", säger Suzann Leininger, specialist på artificiell intelligens vid Kaliforniens brandkår.
Enligt professor Neal Driscol, som studerar geologi och fysik vid University of California San Diego, behövde man för 5–6 år sedan skicka flygplan eller en hel grupp för att kontrollera bränder. Men nu kan man upptäcka bränder genom att bara slå på en kamera. De kan visa om röken är långt borta, om omgivningen är mörk eller inte... Dessa saker hjälper oss att bedöma brandens omfattning och snabbt släcka den utan att behöva ringa 112.
Tekniksajten Alert California har avslöjat hur denna AI fungerar och säger att den använder LiDAR-skanningar tagna från flygplan och drönare för att skapa "samma exakta, tredimensionella information om de skannade ytorna".
Genom att kombinera detta med trädens fysiska egenskaper kan du lära dig mer om biomassan och kolhalten i Kaliforniens skogar. Kaliforniens brandkår säger att maskininlärningsmodellen använde petabyte av kameradata för att skilja mellan rök och andra luftburna partiklar.
Vid World Economic Forum (WEF) årsmöte i januari 2023 publicerades en rapport med titeln The Next Frontier in Fighting Wildfires: FireAId Pilot and Scaling. Enligt rapporten har FireAId-initiativet, som använder artificiell intelligens för att effektivt hantera skogsbränder, testats framgångsrikt sedan WEF lanserade det i januari 2022.
Projektet genomförs i Turkiets regioner i södra Egeiska havet och västra Medelhavsområdet. Regionen valdes enligt uppgift eftersom en fjärdedel av landets skogsbränder inträffade där mellan 2010 och 2021, och stod för 75 % av den totala areal som brann ner under den perioden. Mellan juli och augusti 2021 upplevde Turkiet några av sina värsta skogsbränder, som totalt brände ner 139 503 hektar.
Här använde forskare statiska och meteorologiska data för att kartlägga områden där bränder kunde starta, förutsäga intensitet och planera den logistik som behövdes för att reagera effektivt.
Enligt Weforum är noggrannheten i skogsbränderprognoser 24 timmar i förväg upp till 80 % tack vare framgångsrik tillämpning i Turkiet. Informationen hjälper myndigheterna att förbereda sig och reagera proaktivt. Pilotprogrammets framgång visar hur effektiv AI är för att stödja förvaltningsmyndigheter och rädda människor, skydda egendom, skydda miljön och avsevärt minska skador orsakade av skogsbränder.
[bildtext-id="attachment_428070" align="aligncenter" width="768"]Klimatförändringarna har ökat svårighetsgraden och frekvensen av skogsbränder de senaste åren, vilket orsakar exempellösa förluster av biologisk mångfald, koldioxidutsläpp och ekonomiska förluster över hela världen.
WEF-statistik visar: Den genomsnittliga årliga kostnaden för skogsbränder globalt är cirka 50 miljarder USD, medan globala skogsbränder släppte ut cirka 6 450 megaton koldioxid i atmosfären år 2021.
Samtidigt förutspår Världsmeteorologiska organisationen att antalet extrema skogsbränder globalt kommer att öka med 30 % fram till 2050 och fördubblas i slutet av detta århundrade.
AI-drivna system för att upptäcka skogsbränder använder en mängd olika sensorer som kameror, satelliter och drönare för att upptäcka bränder i realtid, vilket möjliggör tidiga insatser och snabba åtgärder. Dessa system har visat sig vara effektiva, kostnadseffektiva och exakta när det gäller att upptäcka bränder, vilket minimerar skogsbrändernas påverkan på miljön och lokalsamhällena.
Minh Thai
Kommentar (0)