أصبحت هاواي والعديد من الأماكن الأخرى حول العالم محاصرة في "حريق يوم القيامة". هل يمكن للذكاء الاصطناعي التفوق على حرائق الغابات في اللحظات الحرجة؟
تشهد الأرض ظاهرة الاحتباس الحراري غير القابلة للعكس. وفقًا لخدمة كوبرنيكوس لتغير المناخ (C3S) التابعة للاتحاد الأوروبي،كان شهر يوليو/تموز 2023 الشهر الأكثر دفئًا على مستوى العالم منذ عام 1940، حيث ارتفعت درجات الحرارة بنحو 1.5 درجة مئوية فوق متوسط ما قبل الصناعة.،تجاوز القيمة الحرجة التي حددتها اتفاقية باريس.
إن الشعور الأكثر مباشرة الناتج عن ظاهرة الاحتباس الحراري هو ارتفاع درجة الحرارة.في المناطق ذات الغابات الكثيفة، من المرجح جدًا أن تتسبب المناخات الحارة والجافة في اندلاع حرائق الغابات. في 8 أغسطس، اندلع حريق هائل في جزيرة ماوي في هاواي، الولايات المتحدة الأمريكية. انتشرت حرائق الغابات، التي اجتاحت إعصار دورا، بسرعة عبر الغابة وامتدت إلى المركز الثقافي المحلي في لاهينا، مما أدى إلى تشريد عشرات الآلاف من الأشخاص.
في هذه الأثناء، تستمر حرائق الغابات في الجزء الغربي الجاف من أمريكا الشمالية. تُظهر خريطة الحرائق لنظام معلومات الحرائق لإدارة الموارد في الولايات المتحدة وكندا (FIRMS) أنوفي الأسبوع الماضي، انتشرت حرائق الغابات التي امتدت على مساحة تزيد عن 1000 فدان في غرب كندا، كما يوجد عدد كبير من بؤر الحرائق في شرق الولايات المتحدة.
تندلع حرائق الغابات بسرعة ولا هوادة فيها، ومن الصعب على الناس الاستجابة في الوقت المناسب عندما يواجهون حرائق غابات مفاجئة. ولكن الآن،يمكننا استخدام الذكاء الاصطناعي لمراقبة حرائق الغابات والتنبؤ بها في الوقت الفعلي وتقليل الخسائر الناجمة عنها.
التنبؤ بحرائق الغابات
البيانات الجغرافية: جامعة أسترالية تطور الذكاء الاصطناعي
في مايو 2023، التقى أبو الفضل عبد الله من الجامعة الوطنية الأسترالية وبيسواجيت برادان من جامعة التكنولوجيا في سيدني،باستخدام الذكاء الاصطناعي القابل للتفسير (XAI)، أجرينا تحليلًا شاملاً للعوامل الجغرافية المختلفة في جيبسلاند، أستراليا، وحصلنا على خريطة محلية لتوزيع احتمالية حرائق الغابات.، مما يوفر طريقة جديدة للتنبؤ بحدوث حرائق الغابات.
تشمل السمات الجغرافية التي لها تأثير أكبر على احتمالية اندلاع حرائق الغابات العوامل البيئية والعوامل الجيولوجية وعوامل الغطاء النباتي والعوامل الجوية.وفي هذه الدراسة استخدم الباحثون بشكل رئيسي الخصائص الـ 11 التالية، بما في ذلك هطول الأمطار، وسرعة الرياح، ودرجة الحرارة، والرطوبة، وتوزيع الغطاء النباتي، ومساحة الغطاء النباتي، ونيتروجين الوقود في النباتات، والرطوبة، والارتفاع، والمنحدر، وجانب المنطقة.
اختارت الدراسة 521 موقعًا لحرائق الغابات في مدينة جيبسلاند وقامت بتدريبها باستخدام بيانات مقياس الطيف التصويري متوسط الدقة (MODIS)، وبيانات الشذوذ الحراري، وبيانات تاريخ الحرائق من عام 2019 إلى عام 2020.تتم معالجة مجموعة التدريب عن طريق التحقق المتبادل والاحتفاظ بمجموعات البيانات.ضمان دقة عملية التدريب.
أولاً، تقوم تقنية التحقق المتبادل بتقسيم مجموعة التدريب بشكل عشوائي إلى 5 مجموعات فرعية، 4 منها تُستخدم لتدريب النموذج ومجموعة فرعية واحدة تُستخدم كمجموعة تحقق.
يتم استخدام البيانات الزرقاء للتدريب ويتم استخدام البيانات البرتقالية للتحقق.
بعد الانتهاء من التدريب، يتم إدخال الخصائص البيئية والجيولوجية والنباتية والأرصاد الجوية لجيبسلاند في النموذج، ويمكن الحصول على خريطة كاملة لاحتمالية حرائق الغابات في المنطقة، كما هو موضح في الشكل.إن نتائج التنبؤ بالنموذج تتوافق بشكل أساسي مع مناطق حرائق الغابات التاريخية في المنطقة، مما يشير إلى أن XAI يمكنه التنبؤ بشكل فعال بحدوث حرائق الغابات بناءً على الخصائص الجغرافية.
أ:خريطة احتمالية اندلاع حرائق الغابات التي تنبأ بها نموذج XAI؛
ب:خريطة مناطق حرائق الغابات التاريخية في جيبسلاند.
عنوان الورقة:
https://www.sciencedirect.com/science/article/pii/S0048969723016224
بيانات الفيديو: تحديد نقاط إطلاق النار بناءً على الدخان
إن التنبؤات بحرائق الغابات المبنية على البيانات الجغرافية لا يمكنها إلا أن تزيد من وعي الناس، ولكنها لا تستطيع مراقبة حدوث حرائق الغابات في الوقت الحقيقي. ولتحقيق هذه الغاية، قامت إدارة الغابات والحماية من الحرائق في كاليفورنيا، بالتعاون مع جامعة كاليفورنيا، سان دييغو (UCSD)، بتطوير مشروع للوقاية من حرائق الغابات يسمى ALERTCalifornia ويعتمد على الذكاء الاصطناعي.يستخدم هذا المشروع أكثر من 1000 كاميرا موزعة في جميع أنحاء كاليفورنيا لمراقبة المنطقة واستخدام الذكاء الاصطناعي لتحديد الظروف غير الطبيعية.إرسال إنذار إلى مركز قيادة الطوارئ، لتنبيه الموظفين المناوبين للتأكد من وقوع حريق غابات.
تم تشغيل المشروع رسميًا في يوليو 2023 وسرعان ما أصبح مفيدًا. وفي الساعة الثالثة فجرا، رصدت إحدى الكاميرات حريقا في غابة كليفلاند الوطنية، على بعد 80 كيلومترا شرق سان دييغو. وبما أن الحادث وقع في وقت متأخر من الليل، كان من الصعب اكتشاف الدخان وكان من الصعب تحديد نقطة الحريق بالعين المجردة، مما جعل من السهل جدًا انتشار الحريق. لكن الذكاء الاصطناعي نبه رئيس الإطفاء في الوقت المناسب وساعد إدارة الإطفاء في إخماد حرائق الغابات خلال 45 دقيقة.
ومع ذلك، تواجه هذه التكنولوجيا أيضًا العديد من التحديات أثناء عملية التطوير. واحد منهم هو،كيفية تمكين الذكاء الاصطناعي من التمييز بدقة بين حرائق الغابات وعوامل التدخل الأخرى وإصدار أحكام دقيقة.هناك العديد من العوامل في الغابة التي يمكن أن تسبب إنذارات كاذبة، بما في ذلك السحب ذات الأشكال المختلفة، والغبار في الهواء، وحتى عوادم الشاحنات المارة. بفضل الجهود المشتركة لأكثر من مائة خبير، تم تحسين دقة الذكاء الاصطناعي بشكل كبير بعد عدة أسابيع من التدريب والتكرار.
تنبيهعنوان كاليفورنيا:
https://cameras.alertcalifornia.org
بيانات الأقمار الصناعية: مراقبة حرائق الغابات في الوقت الفعلي تقريبًا مع الفحص الثانوي
وفي مناطق محددة، يمكن للكاميرات مراقبة حرائق الغابات بشكل فعال، ولكن من الصعب الترويج لهذه الطريقة على نطاق واسع، وخاصة في بعض المناطق ذات المساحات الشاسعة والتضاريس المعقدة، حيث سترتفع تكلفة نشر الكاميرات وصيانتها بشكل كبير. لذلك،يمكن أيضًا استخدام بيانات الأقمار الصناعية في الوقت الفعلي كسلاح للذكاء الاصطناعي لمراقبة حرائق الغابات في الوقت الفعلي.
مجموعة أبحاث هي بينبين في جامعة العلوم والتكنولوجيا الإلكترونية في الصين،تم بناء نموذج التعلم الآلي عن طريق الجمع بين نموذج الغابة العشوائية والخوارزمية السياقية المكانية.يتم تمكين مراقبة حرائق الغابات في الوقت الفعلي تقريبًا من خلال بيانات الأقمار الصناعية.
غالبًا ما تستخدم أنظمة التعرف على حرائق الغابات التقليدية التي تعتمد على الذكاء الاصطناعي خوارزمية واحدة، مما يؤدي إلى إغفال البيانات أو الحصول على نتائج إيجابية خاطئة. في هذه الدراسة،يتم أولاً فحص البيانات بدقة بواسطة نموذج الغابة العشوائية لتجنب الإغفالات. بعد ذلك، يتم استخدام خوارزمية السياق المكاني ذات عتبة منخفضة نسبيًا للفحص الثانوي للقضاء على الإنذارات الكاذبة.سيؤدي هذا إلى تحسين دقة نموذج المراقبة.
قام الباحثون بتدريب النموذج باستخدام بيانات حرائق الغابات التي سجلتها وكالة استكشاف الفضاء اليابانية (JAXA) ووكالة ناسا كمجموعة تدريبية. وبعد ذلك، تم استخدام بيانات الأقمار الصناعية لمواقع حرائق الغابات من عام 2020 إلى عام 2022 كبيانات للتحقق من صحة النموذج لإصدار الأحكام.
كما هو واضح في الشكل،بالنسبة لمعظم الحرائق، يمكن لهذا النموذج تحديد مصدر حرائق الغابات بدقة وتقديم تحذيرات في الوقت المناسب. يستخدم نموذج تحديد حرائق الغابات بالذكاء الاصطناعي بيانات الأقمار الصناعية في الوقت الفعلي كمصدر للبيانات، جنبًا إلى جنب مع نموذج الغابات العشوائية وخوارزمية السياق المكاني، لتقليل معدل الإنذارات الفائتة ومعدل الإنذارات الكاذبة في النموذج، وتحقيق تحذير من حرائق الغابات في الوقت الفعلي تقريبًا.
عنوان الورقة:
مكافحة حرائق الغابات: سباق مع الزمن
السبب الرئيسي لحرائق الغابات هو الأنشطة البشرية.مثل إشعال النيران في المخيمات دون مراقبة، أو التخلص من أعقاب السجائر بلا مبالاة، أو الاستخدام غير السليم للمعدات. من المحتمل أن يكون السبب وراء حرائق الغابات في هاواي هو الأضرار التي لحقت بمرافق الطاقة. انتشرت الحرائق بسرعة تحت التأثير المشترك للبيئة الحارة والجافة الناجمة عن الاحتباس الحراري وإعصار دورا، مما تسبب في خسائر فادحة للسكان المحليين.
إن مكافحة حرائق الغابات بمثابة سباق مع الزمن.وتشير التقديرات إلى أن حرائق الغابات يمكن أن تنتشر بسرعة تصل إلى نحو 23 كيلومترا في الساعة، وستزداد المساحة المحروقة أربعة أضعاف في أربع ساعات. انتشر حريق الغابات توماس في كاليفورنيا عام 2017 على مساحة ملعب كرة قدم في الثانية الواحدة، واستمر اشتعاله في النهاية لأكثر من ثلاثة أشهر.
لذلك، فإن مراقبة حرائق الغابات ومكافحتها تتطلب في كثير من الأحيان استخدام تقنيات متعددة لاكتشاف نقطة الحريق في أقصر وقت ممكن، وإطفاء حرائق الغابات في أسرع وقت ممكن، ومنع انتشارها.يوجد لدى بلدي حاليا ستة خطوط دفاع لمراقبة حرائق الغابات، وهي المراقبة عبر الأقمار الصناعية، ومراقبة الطائرات والدوريات، وأبراج مراقبة الغابات، وأنظمة المراقبة بالفيديو، والدوريات الأرضية، والتوعية بالرأي العام عبر الإنترنت.
بفضل التقنيات المختلفة، انخفض عدد حرائق الغابات في بلدي من 7723 حريقًا في عام 2010 إلى 709 حرائق في عام 2022. ومع ذلك، تسبب حريق الغابات في مقاطعة مولي بمقاطعة سيتشوان في عام 2019 وحريق الغابات في مدينة شيتشانغ بمقاطعة سيتشوان في عام 2020 في خسائر بشرية كبيرة، ولا تزال مراقبة حرائق الغابات والوقاية منها تواجه تحديات.
في الوقت الحالي، يمكن استخدام البيانات الجغرافية وبيانات الفيديو وبيانات الأقمار الصناعية كبيانات خام للذكاء الاصطناعي للكشف عن حرائق الغابات في وقت مبكر وإخماد الحريق في مهدها. على الرغم من أن بلدي لديه مساحة شاسعة وأن المناخ والتضاريس يختلفان بشكل كبير من مكان إلى آخر، فمن الصعب منع حرائق الغابات بشكل كامل.لكنأعتقد أنه بمساعدة الذكاء الاصطناعي، يمكننا في نهاية المطاف اللحاق بالركب وتقليل خطر حرائق الغابات.
روابط مرجعية:
[1]https://climate.copernicus.eu/july-2023-warmest-month-earths-recent-history
[2]https://firms2.modaps.eosdis.nasa.gov/
[3]https://www.washingtonpost.com/climate-environment/2023/08/10/hawaii-wildfire-maps/
[4]https://www.bjnews.com.cn/detail/168429261314778.html