Hawaï Et De Nombreux Autres Endroits Dans Le Monde Sont Pris Dans Le « Feu De L’apocalypse ». La Surveillance Par IA peut-elle Surpasser Les Incendies De Forêt À Des Moments Critiques ?

La Terre connaît un réchauffement climatique irréversible. Selon le service Copernicus sur le changement climatique (C3S) de l'Union européenne,**Juillet 2023 a été le mois le plus chaud à l’échelle mondiale depuis 1940, avec des températures en hausse d’environ 1,5 °C au-dessus de la moyenne préindustrielle.****,**Dépasser la valeur critique fixée par l’Accord de Paris.

Le sentiment le plus direct provoqué par le réchauffement climatique est la température élevée.Dans les zones où les forêts sont denses, les climats chauds et secs sont très susceptibles de provoquer des incendies de forêt. Le 8 août, un incendie de forêt s'est déclaré sur l'île de Maui à Hawaï, aux États-Unis. L'incendie, porté par le typhon Dora, a rapidement ravagé la forêt et s'est propagé jusqu'au centre culturel local, Lahaina, laissant des dizaines de milliers de personnes sans abri.

Pendant ce temps, des incendies de forêt font rage dans la partie sèche de l’ouest de l’Amérique du Nord. La carte des incendies du Système d'information sur les incendies pour la gestion des ressources États-Unis/Canada (FIRMS) montre queAu cours de la semaine dernière, des incendies de forêt d'une superficie de plus de 1 000 acres se sont propagés dans l'ouest du Canada, et il existe également un grand nombre de foyers d'incendie dans l'est des États-Unis.

Les incendies de forêt sont rapides et implacables, et il est difficile pour les gens de réagir à temps lorsqu’ils sont confrontés à des incendies soudains. Mais maintenant,Nous pouvons utiliser l’IA pour surveiller et prévoir les incendies de forêt en temps réel et minimiser les pertes causées par les incendies de forêt.

Prédire le trident des feux de forêt

Données géographiques : une université australienne développe XAI

En mai 2023, Abolfazl Abdollahi de l'Université nationale australienne et Biswajeet Pradhan de l'Université de technologie de Sydney,À l’aide de l’IA explicable (XAI), nous avons mené une analyse complète de différents facteurs géographiques dans le Gippsland, en Australie, et obtenu une carte de distribution de probabilité d’incendie de forêt locale., fournissant une nouvelle méthode pour prédire l’occurrence des incendies de forêt.

**Les caractéristiques géographiques qui ont un impact plus important sur la probabilité d’incendies de forêt comprennent les facteurs environnementaux, les facteurs géologiques, les facteurs liés à la végétation et les facteurs météorologiques.**Dans cette étude, les chercheurs ont principalement utilisé les 11 caractéristiques suivantes, notamment les précipitations, la vitesse du vent, la température, l'humidité, la répartition de la végétation, la superficie de végétation, l'azote combustible dans les plantes, l'humidité, ainsi que l'altitude, la pente et l'aspect de la zone.

L'étude a sélectionné 521 sites d'incendies de forêt dans la ville de Gippsland et les a formés à l'aide de données de spectroradiomètre imageur à résolution moyenne (MODIS), de données d'anomalies thermiques et de données d'historique des incendies de 2019 à 2020.**L'ensemble d'entraînement est traité par validation croisée et conservation des ensembles de données.**Assurer l’exactitude du processus de formation.

Tout d’abord, la technique de validation croisée divise aléatoirement l’ensemble d’apprentissage en 5 sous-ensembles, dont 4 sont utilisés pour l’apprentissage du modèle et 1 sous-ensemble est utilisé comme ensemble de validation.

Une fois la formation terminée, les caractéristiques environnementales, géologiques, végétales et météorologiques du Gippsland sont saisies dans le modèle et une carte complète de probabilité d'incendie de forêt pour la région peut être obtenue, comme le montre la figure.Les résultats de prédiction du modèle sont fondamentalement cohérents avec les zones historiques d’incendies de forêt dans la région, ce qui indique que XAI peut prédire efficacement l’occurrence d’incendies de forêt en fonction des caractéristiques géographiques.

**un:**Carte de probabilité d’incendie de forêt prédite par le modèle XAI ;

**b:**Carte des zones historiques d'incendies de forêt dans le Gippsland.

Adresse du document :

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

Données vidéo : Identification des points d'incendie en fonction de la fumée

Les prévisions d’incendies de forêt basées sur des données géographiques ne peuvent que sensibiliser la population, mais ne permettent pas d’observer l’apparition des incendies de forêt en temps réel. À cette fin, le Département des forêts et de la protection contre les incendies de Californie, en collaboration avec l’Université de Californie à San Diego (UCSD), a développé un projet de prévention des incendies de forêt appelé ALERTCalifornia basé sur l’IA.**Ce projet utilise plus de 1 000 caméras réparties dans toute la Californie pour surveiller la zone et utiliser l'IA pour identifier les conditions anormales.**Envoyez une alarme au centre de commandement d’urgence, alertant le personnel en service pour confirmer si un incendie de forêt a pu se produire.

Le projet a été officiellement mis en service en juillet 2023 et s’est rapidement révélé utile. À 3 heures du matin, une caméra a détecté un incendie dans la forêt nationale de Cleveland, à 80 kilomètres à l'est de San Diego. Comme l’incident s’est produit tard dans la nuit, la fumée était difficile à détecter et le point d’incendie était difficile à identifier à l’œil nu, ce qui a facilité la propagation du feu. Mais l'IA a alerté le chef des pompiers à temps et a aidé les pompiers à éteindre l'incendie de forêt en 45 minutes.

Cependant, cette technologie est également confrontée à de nombreux défis au cours du processus de développement. L'un d'eux est,**Comment permettre à l’IA de distinguer avec précision les incendies de forêt des autres facteurs d’interférence et de porter des jugements précis.**De nombreux facteurs présents dans la forêt peuvent provoquer de fausses alarmes, notamment des nuages de formes variées, de la poussière dans l’air et même les gaz d’échappement des camions qui passent. Grâce aux efforts conjoints de plus d’une centaine d’experts, la précision de l’IA a été considérablement améliorée après plusieurs semaines de formation et d’itération.

ALERTE Adresse de Californie :

https://cameras.alertcalifornia.org

Données satellite : surveillance des feux de forêt en temps quasi réel avec filtrage secondaire

Dans certaines zones spécifiques, les caméras peuvent surveiller efficacement les incendies de forêt, mais cette méthode est difficile à promouvoir à grande échelle, en particulier dans certaines zones aux vastes étendues et au terrain complexe, où le coût de déploiement et de maintenance des caméras augmentera considérablement. donc,Les données satellites en temps réel peuvent également être utilisées comme une arme par l’IA pour surveiller les incendies de forêt en temps réel.

Le groupe de recherche de He Binbin à l'Université des sciences et technologies électroniques de Chine,**Un modèle d’apprentissage automatique a été construit en combinant le modèle Random Forest et l’algorithme contextuel spatial.**La surveillance des incendies de forêt en temps quasi réel est rendue possible grâce aux données satellitaires.

Les systèmes traditionnels d’identification des feux de forêt par IA utilisent souvent un seul algorithme, ce qui entraîne des omissions de données ou des faux positifs. Dans cette étude,**Les données sont d’abord rigoureusement filtrées par le modèle de forêt aléatoire pour éviter les omissions. Ensuite, un algorithme de contexte spatial avec un seuil relativement bas est utilisé pour le filtrage secondaire afin d'éliminer les fausses alarmes.**Cela améliorera la précision du modèle de surveillance.

Les chercheurs ont formé le modèle en utilisant les données sur les incendies de forêt enregistrées par l'Agence japonaise d'exploration aérospatiale (JAXA) et la NASA comme ensemble d'entraînement. Par la suite, les données satellitaires sur les emplacements des incendies de forêt de 2020 à 2022 ont été utilisées comme données de validation pour le modèle afin de porter des jugements.

Comme on peut le voir sur la figure,Pour la plupart des incendies, ce modèle peut localiser avec précision la source du feu de forêt et fournir des avertissements en temps opportun. Le modèle d'identification des feux de forêt par IA utilise des données satellites en temps réel comme source de données, combinées à un modèle de forêt aléatoire et à un algorithme de contexte spatial, pour réduire le taux d'alarme manquée et le taux de fausses alarmes du modèle et obtenir une alerte d'incendie de forêt en temps quasi réel.

Adresse du document :

https://www.mdpi.com/2272228

Lutte contre les feux de forêt : une course contre la montre

**La principale cause des incendies de forêt est l’activité humaine.**Comme des feux de camp sans surveillance, des mégots de cigarettes jetés négligemment ou une mauvaise utilisation de l’équipement. La cause possible des incendies de forêt à Hawaï était les dommages causés aux installations électriques. L'incendie s'est propagé rapidement sous l'influence combinée de l'environnement chaud et sec provoqué par le réchauffement climatique et le typhon Dora, causant d'énormes pertes aux résidents locaux.

**La lutte contre les incendies de forêt est une course contre la montre.**On estime que les incendies de forêt peuvent se propager à environ 23 kilomètres par heure et que la zone brûlée peut quadrupler en quatre heures. L'incendie de forêt de Thomas en Californie en 2017 s'est propagé sur une superficie équivalente à celle d'un terrain de football par seconde et a finalement brûlé pendant plus de trois mois.

Par conséquent, la surveillance et la lutte contre les incendies de forêt nécessitent souvent l’utilisation de diverses technologies pour détecter le point d’incendie dans les plus brefs délais, éteindre l’incendie le plus rapidement possible et empêcher sa propagation.Actuellement, mon pays dispose de six lignes de défense pour la surveillance des incendies de forêt, à savoir la surveillance par satellite, la surveillance et les patrouilles aériennes, les tours de surveillance forestière, les systèmes de vidéosurveillance, les patrouilles terrestres et la sensibilisation de l’opinion publique en ligne.

Grâce à diverses technologies, le nombre d'incendies de forêt dans mon pays est passé de 7 723 en 2010 à 709 en 2022. Cependant, l'incendie de forêt du comté de Muli, province du Sichuan en 2019 et l'incendie de forêt de la ville de Xichang, province du Sichuan en 2020 ont tous deux causé des pertes importantes, et la surveillance et la prévention des incendies de forêt restent confrontées à des défis.

Actuellement, les données géographiques, les données vidéo et les données satellites peuvent toutes être utilisées comme données brutes par l’IA pour détecter les incendies de forêt à un stade précoce et les éteindre dans l’œuf. Bien que mon pays dispose d’un vaste territoire et que le climat et la topographie varient considérablement d’un endroit à l’autre, il est difficile de prévenir complètement les incendies de forêt.mais****Je crois qu’avec l’aide de l’IA, nous pourrons éventuellement rattraper notre retard et minimiser le danger des incendies de forêt.

Liens de référence :

[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