Hawaii Und Viele Andere Orte Auf Der Ganzen Welt Sind Vom „Weltuntergangsfeuer“ erfasst. Kann KI-Überwachung in Kritischen Momenten Waldbrände Übertreffen?

Die Erde erlebt eine irreversible globale Erwärmung. Laut dem Copernicus Climate Change Service (C3S) der Europäischen Union**Der Juli 2023 war weltweit der wärmste Monat seit 1940; die Temperaturen lagen etwa 1,5 °C über dem vorindustriellen Durchschnitt.****,**Überschreitung des im Pariser Abkommen festgelegten kritischen Werts.

Das unmittelbarste Gefühl, das die globale Erwärmung mit sich bringt, sind hohe Temperaturen.In Gebieten mit dichten Wäldern ist die Gefahr heißer und trockener Klimazonen sehr groß, dass es zu Waldbränden kommt. Am 8. August brach auf der Insel Maui in Hawaii, USA, ein Waldbrand aus. Der vom Taifun Dora getragene Waldbrand fegte rasch durch den Wald und griff auf das örtliche Kulturzentrum Lahaina über, wodurch Zehntausende Menschen obdachlos wurden.

Unterdessen wüten im trockenen Westen Nordamerikas Waldbrände. Die Feuerkarte des Fire Information for Resouce Management System US/Canada (FIRMS) zeigt, dassIn der vergangenen Woche haben sich Waldbrände mit einer Brandfläche von mehr als 1.000 Acres über den Westen Kanadas ausgebreitet, und auch im Osten der USA gibt es eine große Anzahl von Brandherden.

Waldbrände breiten sich schnell und unerbittlich aus und es ist für die Menschen schwierig, rechtzeitig zu reagieren, wenn sie mit plötzlichen Waldbränden konfrontiert werden. Aber jetzt,Mithilfe von KI können wir Waldbrände in Echtzeit überwachen und vorhersagen und die durch Waldbrände verursachten Verluste minimieren.

Vorhersage des Wildfire Trident

Geografische Daten: Australische Universität entwickelt XAI

Im Mai 2023 werden Abolfazl Abdollahi von der Australian National University und Biswajeet Pradhan von der University of Technology Sydney**Mithilfe von Explainable AI (XAI) haben wir eine umfassende Analyse verschiedener geografischer Faktoren in Gippsland, Australien, durchgeführt und eine Karte der lokalen Waldbrandwahrscheinlichkeitsverteilung erstellt.**und bietet eine neue Methode zur Vorhersage des Auftretens von Waldbränden.

**Zu den geografischen Merkmalen, die einen größeren Einfluss auf die Wahrscheinlichkeit von Waldbränden haben, zählen Umweltfaktoren, geologische Faktoren, Vegetationsfaktoren und meteorologische Faktoren.**In dieser Studie verwendeten die Forscher hauptsächlich die folgenden 11 Merkmale, darunter Niederschlag, Windgeschwindigkeit, Temperatur, Luftfeuchtigkeit, Vegetationsverteilung, Vegetationsfläche, Brennstoffstickstoff in Pflanzen, Feuchtigkeit sowie Höhe, Neigung und Ausrichtung des Gebiets.

Für die Studie wurden 521 Waldbrandgebiete in der Stadt Gippsland ausgewählt und mithilfe von MODIS-Daten (Moderate Resolution Imaging Spectroradiometer), Daten zu thermischen Anomalien und Daten zur Brandgeschichte von 2019 bis 2020 trainiert.**Der Trainingssatz wird durch Kreuzvalidierung und Beibehaltung von Datensätzen verarbeitet.**Stellen Sie die Genauigkeit des Trainingsprozesses sicher.

Zunächst teilt die Kreuzvalidierungstechnik den Trainingssatz zufällig in 5 Teilmengen auf, von denen 4 für das Modelltraining und 1 Teilmenge als Validierungssatz verwendet werden.

Nach Abschluss des Trainings werden die ökologischen, geologischen, vegetationsbezogenen und meteorologischen Merkmale von Gippsland in das Modell eingegeben und es kann eine vollständige Karte der Waldbrandwahrscheinlichkeit für die Region erstellt werden, wie in der Abbildung dargestellt.Die Ergebnisse der Modellvorhersage stimmen grundsätzlich mit den historischen Waldbrandgebieten in der Region überein, was darauf hindeutet, dass XAI das Auftreten von Waldbränden auf der Grundlage geografischer Merkmale effektiv vorhersagen kann.

**A:**Karte der vom XAI-Modell vorhergesagten Waldbrandwahrscheinlichkeit;

**B:**Karte der historischen Waldbrandgebiete in Gippsland.

Papieradresse:

https://www.sciencedirect.com/science/article/pii/S0048969723016224

Videodaten: Brandherde anhand von Rauch identifizieren

Auf geografischen Daten basierende Waldbrandvorhersagen können lediglich das Bewusstsein der Bevölkerung schärfen, das Auftreten von Waldbränden jedoch nicht in Echtzeit beobachten. Zu diesem Zweck hat das California Department of Forestry and Fire Protection in Zusammenarbeit mit der University of California, San Diego (UCSD) ein auf KI basierendes Waldbrandpräventionsprojekt namens ALERTCalifornia entwickelt.**Bei diesem Projekt werden über 1.000 über ganz Kalifornien verteilte Kameras eingesetzt, um das Gebiet zu überwachen und mithilfe von KI ungewöhnliche Zustände zu erkennen.**Senden Sie einen Alarm an die Notrufzentrale und benachrichtigen Sie das diensthabende Personal, um zu bestätigen, ob möglicherweise ein Waldbrand ausgebrochen ist.

Das Projekt wurde im Juli 2023 offiziell in Betrieb genommen und erwies sich bald als nützlich. Um 3 Uhr morgens registrierte eine Kamera ein Feuer im Cleveland National Forest, 80 Kilometer östlich von San Diego. Da sich der Vorfall spät in der Nacht ereignete, war der Rauch schwer zu erkennen und der Brandherd mit bloßem Auge schwer zu identifizieren, was die Ausbreitung des Feuers sehr leicht machte. Doch die KI alarmierte den Feuerwehrchef rechtzeitig und half der Feuerwehr, den Waldbrand innerhalb von 45 Minuten zu löschen.

Allerdings ist diese Technologie im Entwicklungsprozess auch mit zahlreichen Herausforderungen konfrontiert. Einer davon ist,**Wie man KI in die Lage versetzt, Waldbrände präzise von anderen Störfaktoren zu unterscheiden und präzise Urteile zu fällen.**Im Wald gibt es viele Faktoren, die Fehlalarme auslösen können, darunter Wolken unterschiedlicher Form, Staub in der Luft und sogar Abgase vorbeifahrender Lastwagen. Dank der gemeinsamen Anstrengungen von mehr als hundert Experten konnte die Genauigkeit der KI nach mehreren Wochen Training und Iteration deutlich verbessert werden.

ACHTUNG: Adresse in Kalifornien:

https://cameras.alertcalifornia.org

Satellitendaten: Nahezu Echtzeit-Waldbrandüberwachung mit Sekundärscreening

In bestimmten Gebieten können Kameras Waldbrände wirksam überwachen. Allerdings ist es schwierig, diese Methode im großen Maßstab zu fördern, insbesondere in einigen Gebieten mit ausgedehnten Flächen und komplexem Gelände, wo die Kosten für die Bereitstellung und Wartung der Kameras erheblich steigen würden. daher,Echtzeit-Satellitendaten können auch als Waffe für die KI eingesetzt werden, um Waldbrände in Echtzeit zu überwachen.

He Binbins Forschungsgruppe an der University of Electronic Science and Technology of China,**Durch die Kombination des Random-Forest-Modells und des Spatial Contextual Algorithm wurde ein maschinelles Lernmodell erstellt.**Satellitendaten ermöglichen eine nahezu Echtzeitüberwachung von Waldbränden.

Herkömmliche KI-Systeme zur Waldbranderkennung verwenden häufig nur einen einzigen Algorithmus, was zu Datenauslassungen oder Fehlalarmen führt. In dieser Studie**Die Daten werden zunächst mithilfe des Random-Forest-Modells streng geprüft, um Auslassungen zu vermeiden. Anschließend wird ein räumlicher Kontextalgorithmus mit einem relativ niedrigen Schwellenwert für das sekundäre Screening verwendet, um Fehlalarme auszuschließen.**Dadurch wird die Genauigkeit des Überwachungsmodells verbessert.

Die Forscher trainierten das Modell mithilfe von Waldbranddaten, die von der Japan Aerospace Exploration Agency (JAXA) und der NASA aufgezeichnet wurden, als Trainingssatz. Anschließend wurden Satellitendaten der Waldbrandorte aus den Jahren 2020 bis 2022 als Validierungsdaten für das Modell verwendet, um Urteile zu fällen.

Wie in der Abbildung zu sehen ist,Bei den meisten Bränden kann dieses Modell die Quelle des Waldbrands genau lokalisieren und rechtzeitig Warnungen ausgeben. Das KI-Modell zur Waldbranderkennung nutzt Echtzeit-Satellitendaten als Datenquelle und kombiniert diese mit einem Random-Forest-Modell und einem Algorithmus für den räumlichen Kontext, um die Anzahl verpasster und falscher Alarme des Modells zu verringern und eine Waldbrandwarnung nahezu in Echtzeit zu ermöglichen.

Papieradresse:

https://www.mdpi.com/2272228

Waldbrandbekämpfung: Ein Wettlauf gegen die Zeit

**Die Hauptursache für Waldbrände sind menschliche Aktivitäten.**Etwa unbeaufsichtigte Lagerfeuer, achtlos weggeworfene Zigarettenstummel oder unsachgemäßer Umgang mit der Ausrüstung. Als mögliche Ursache der Waldbrände auf Hawaii gelten Schäden an Elektrizitätsanlagen. Aufgrund der durch die globale Erwärmung und den Taifun Dora verursachten Hitze und Trockenheit breitete sich das Feuer rasch aus und verursachte enorme Verluste unter der Bevölkerung.

**Die Bekämpfung von Waldbränden ist ein Wettlauf gegen die Zeit.**Schätzungen zufolge können sich Waldbrände mit etwa 23 Kilometern pro Stunde ausbreiten und die verbrannte Fläche wird sich innerhalb von vier Stunden vervierfachen. Der Waldbrand Thomas in Kalifornien im Jahr 2017 breitete sich pro Sekunde auf eine Fläche von einem Fußballfeld aus und brannte schließlich mehr als drei Monate lang.

Daher ist bei der Waldbrandüberwachung und -bekämpfung häufig der Einsatz mehrerer Technologien erforderlich, um den Brandherd in kürzester Zeit zu erkennen, den Waldbrand schnellstmöglich zu löschen und seine Ausbreitung zu verhindern.Derzeit verfügt mein Land über sechs Verteidigungslinien zur Überwachung von Waldbränden, nämlich Satellitenüberwachung, Überwachung und Patrouille aus Flugzeugen, Aussichtstürme in Wäldern, Videoüberwachungssysteme, Bodenpatrouillen und Online-Meinungsbildung.

Mithilfe verschiedener Technologien konnte die Zahl der Waldbrände in meinem Land von 7.723 im Jahr 2010 auf 709 im Jahr 2022 gesenkt werden. Allerdings forderten sowohl der Waldbrand im Kreis Muli in der Provinz Sichuan im Jahr 2019 als auch der Waldbrand in der Stadt Xichang in der Provinz Sichuan im Jahr 2020 zahlreiche Opfer, und die Überwachung und Verhütung von Waldbränden ist nach wie vor eine Herausforderung.

Derzeit können geografische Daten, Videodaten und Satellitendaten als Rohdaten für die KI verwendet werden, um Waldbrände frühzeitig zu erkennen und das Feuer im Keim zu ersticken. Obwohl mein Land eine riesige Fläche hat und Klima und Topographie von Ort zu Ort sehr unterschiedlich sind, ist es schwierig, Waldbrände vollständig zu verhindern.Aber****Ich bin überzeugt, dass wir mit Hilfe der KI den Rückstand aufholen und die Waldbrandgefahr minimieren können.

Referenzlinks:

[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