客服熱線：
手機版
二維碼
近日一場森林大火摧毀了美國加州，它迫使洛杉磯西部和東部大約數萬居民撤離。許多人希望利用AI來預測或確定火災位置和蔓延路徑。但機器學習和新數據收集工具的結合是否可以提前警告消防員火災，幫助應急人員更有效地撤離地區，甚至挽救生命，這仍需很長的時間來進行探索檢驗。
今年加州的野火已經蔓延了數十萬英畝，當地居民被迫疏散，迅速蔓延的火勢已致數十人死亡，超過300人下落不明。
野火已經燒毀了上萬座建筑物，成為該州現代歷史上毀滅性最強、規模最大的火災。
但如果早先發現致命火災的苗頭，并且官員能夠給予更多關注，一些居民可能已經能夠避免陷入如此困境，甚至可能避免死亡。
那么，技術能在多大程度上幫助自動檢測甚至預測野火呢?計算機科學家們和研究人員都希望相關技術能夠進一步發展。
利用機器學習和新數據收集工具的結合，預測和定位野火
根據加州相關部門的政府官員Jim Crawford的說法，在近年來野火情況愈發糟糕的情況下，早期檢測是關鍵，他曾有過26年的消防員生涯。
消防機構大多發現的火災是通過接到911電話才得知，當地時間11月8日早上6點29分首次報道了這起火災，但當地消防部門表示并不知道這場大火到底燃燒了多長時間，因為它始于一個難以找到的區域。
消防機構還攝像監控著整個加州，包括那些未開放的灣區山頂。專家說，有些攝像機是由檢測算法和衛星輔助的，但系統不是很實時，分辨率可能更好。
圣何塞州立大學氣象與氣候科學系火災天氣研究實驗室副教授Craig Clements說：“許多人正在研究如何使用人工智能來確定火災位置和蔓延路徑。”
GOES-15
例如，地球同步運行環境衛星(GOES)的早期火災探測系統是加州大學戴維斯分校空間技術與遙感中心(CSTARS)和美國林務局之間的合作。它使用國家海洋和大氣管理局的氣象衛星和火災探測算法。
CSTARS的科學家Alex Koltunov擁有博士學位。過去幾年來，他一直在遠程傳感方面研究和制定系統的算法——編程規則以執行或計算某些任務，其目標是優化數據處理，實現更早地發現火災位置。
他和他的同事一直在使用GOES-15，這是一顆于2010年發射的衛星，使用過去的圖像和其他州的火災報告進行測試，以幫助微調算法。他希望有一天能夠應用來自GOES -16和GOES-17的數據。Koltunov說，在過去幾年中發射的這些衛星，可以“每5分鐘或每分鐘一次”提供高分辨率的圖像。高分辨率的圖像可以幫助消防員更快、更準確地檢測到野火的位置。
在火災惡化的情況下，目前沒有一種方法能成為萬靈藥
Alex Koltunov是加州大學戴維斯分校的研究人員，他設計的算法解析了氣象衛星的數據以標記可能發生的火災。然而，他表示盡管近年來技術驅動的火災探測方法取得了巨大進步，但并沒有達到真正理想的效果。
“每種方法都有其局限性，”他說，“數據有多好?有些檢測到的卻是后院的篝火和燒烤。”
專家和消防員一致認為溝通是關鍵，最好的火災探測系統優先考慮所有相關方之間的數據共享，無論是人類、算法、政府機構還是其他相關人員。
有時，所謂的技術突破只是針對消費者進行更新的項目而已。一位加州消防隊員稱，該州最有價值的滅火工具之一其實是不起眼的手機，它可以讓普通人在發現火災時撥打緊急服務電話。
與此同時，弗吉尼亞州NASA Goddard的一名計算機工程師測試了一種神經網絡：一種用于模擬人類大腦的機器學習工具，可以使用MODIS探測野火，MODIS是一種基于衛星的系統，可拍攝地球照片并傳輸用于天氣預報等事項的數據。研究人員希望該系統最終可以實現野火的自動檢測。
他在一次電話采訪中表示，他發現該系統使用了來自世界各地的一年的火災數據，在檢測火災方面準確率接近98%。他希望未來將以用于火災探測為唯一目的的廉價衛星發送到太空，并將其與“非常適合檢測模式”的神經網絡相結合，但這一模式的實現可能需要數年時間。
