HyperAI超神経

地球は不可逆的な地球温暖化を経験しています。欧州連合のコペルニクス気候変動サービス (C3S) によると、2023 年 7 月は、世界の平均気温が 1940 年以来最も高い月となり、産業革命前の平均気温と比較して気温が約 1.5 ℃上昇しました。****、パリ協定で定められた基準を超えています。

地球温暖化によってもたらされる最も直感的な感覚は、高温です。森林が密生した地域では、高温と乾燥した気候により山火事が簡単に発生する可能性があります。 8月8日、アメリカ・ハワイ州マウイ島で山火事が発生した。台風ドーラに乗って、山火事はすぐに森を駆け抜け、地元の文化の中心地であるラハイナに広がり、数万人が家を失いました。

一方、北米の乾燥した西部では山火事が猛威を振るっている。米国/カナダ火災情報管理システム (FIRMS) の火災地図表示、過去1週間で、カナダ西部で山火事が1,000エーカー以上を焼き、米国東部でも多数の火災現場が発生している。

山火事は素早く容赦なく発生するため、突然の山火事に直面した場合、人々がタイムリーに対応することは困難です。しかし今では、AI を使用して山火事をリアルタイムで監視および予測し、山火事による損失を最小限に抑えることができます。

山火事のトライデントを予測する

地理データ: オーストラリアの大学が XAI を開発

2023年5月、オーストラリア国立大学のアボルファズル・アブドラヒ氏とシドニー工科大学のビスワジート・プラダン氏は、Explainable AI (XAI) を使用して、オーストラリアのギップスランドでさまざまな地理的要因の包括的な分析を実施し、地域の山火事の確率分布マップを取得しました。、山火事の発生を予測する新しい方法を提供します。

山火事の発生確率に大きな影響を与える地理的特徴には、環境要因、地質学的要因、植生要因、気象要因が含まれます。この研究では主に、降水量、風速、温度、湿度、植生分布、植生面積、植物の燃料窒素、水分、その地域の標高、傾き、方位など11の特性を利用しました。

この研究では、ギップスランド市の山火事現場 521 か所を選択し、2019 年から 2020 年までの中解像度イメージング分光放射計 (MODIS) データ、熱異常データ、火災履歴データをトレーニングに使用しました。そして、相互検証を通じてトレーニングセットを処理し、データセットを保持します。トレーニングプロセスの正確性を確保します。

まず、相互検証手法によりトレーニングセットが 5 つのサブセットにランダムに分割され、そのうち 4 つのサブセットがモデルのトレーニングに使用され、1 つのサブセットが検証セットとして使用されます。

図 4: モデルのトレーニングプロセス青色のデータはトレーニングに使用され、オレンジ色のデータは検証に使用されます

トレーニングが完了すると、ギップスランドの環境、地質、植生、気象特性がモデルに入力され、図に示すように、この地域での山火事発生の完全な確率マップが取得されます。モデルの予測結果は、この地域の歴史的な山火事地域と基本的に一致しており、XAI が地理的特徴に基づいて山火事の発生を効果的に予測できることを示しています。

**答え:**XAI モデルによって予測される山火事の確率マップ。

b:ギップスランドの歴史的な山火事地域の地図。

用紙のアドレス:

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

動画データ：煙から火災の原因を特定

地理データに基づいた山火事の予測は人々の警戒心を高めるだけで、山火事の発生をリアルタイムで観察することはできません。この目的を達成するために、カリフォルニア州森林防火局はカリフォルニア大学サンディエゴ校 (UCSD) と協力して、AI に基づく ALERTCalifornia と呼ばれる山火事防止プロジェクトを開発しました。このプロジェクトは、カリフォルニア州に配備された1,000台以上のカメラで現地を監視し、AIを活用して異常状態を特定します。警報は緊急指令センターに送信され、山火事の可能性を特定するようオンコール担当者に警告されます。

このプロジェクトは2023年7月に正式に稼働し、すぐに実用化されました。午前3時、サンディエゴの東80キロにあるクリーブランド国有林で発生した火災をカメラが監視していた。事件が深夜に発生したこともあり、煙が発生しにくく、発火点も肉眼で特定することが困難であったため、火災が拡大しやすい状況であった。しかし、AI は時間内に消防署長に警告を発し、消防署が 45 分以内に山火事の消火に貢献しました。

ただし、このテクノロジーは開発中に多くの課題にも直面しています。そのうちの 1 つは、AI に山火事やその他の干渉要因を正確に識別させ、正確な判断をさせるにはどうすればよいか。森林には、さまざまな形の雲、空気中の塵、さらには通過するトラックからの排気ガスなど、誤警報を引き起こす可能性のある要因がたくさんあります。 100 人を超える専門家の共同の努力により、数週間のトレーニングと反復を経て AI の精度が大幅に向上しました。

警告カリフォルニアの住所:

https://cameras.alertcalifornia.org

衛星データ: 二次スクリーニングによるほぼリアルタイムの山火事監視

特定の地域では、カメラで山火事を効果的に監視できますが、特に広大な領土と複雑な地形を持つ地域では、この方法を大規模に推進するのは難しく、カメラの設置と維持のコストが大幅に増加します。したがって、リアルタイムの衛星データは、山火事のリアルタイム監視のための AI の武器としても使用できます。

中国電子科学技術大学の何斌彬氏の研究グループは、機械学習モデルは、ランダムフォレストモデル (ランダムフォレスト) と空間コンテキストアルゴリズムを組み合わせて構築されました。衛星データを通じて、ほぼリアルタイムの山火事の監視が可能になります。

従来の AI 山火事識別システムは単一のアルゴリズムを使用することが多く、データの欠落や誤警報が発生します。この研究では、データは、漏れを避けるために、まずランダムフォレストモデルを通じて厳密にスクリーニングされました。次に、比較的低いしきい値を持つ空間コンテキストアルゴリズムを 2 次スクリーニングに使用して、誤報を排除します。これにより、監視モデルの精度が向上します。

研究者らは、宇宙航空研究開発機構（JAXA）とアメリカ航空宇宙局（NASA）が記録した山火事のデータをトレーニングセットとして使用してモデルをトレーニングした。その後、2020年から2022年にかけての山火事発生地の衛星データをモデルの検証データとして用いて判定を行った。

写真でわかるように、ほとんどの火災において、このモデルは山火事の原因を正確に特定し、タイムリーに警告を発することができます。 AI 山火事識別モデルは、リアルタイムの衛星データをデータソースとして使用し、ランダムフォレストモデルと空間コンテキストアルゴリズムを組み合わせて、モデルの偽陰性率と誤警報率を削減し、ほぼリアルタイムの山火事の発生を実現します。早期の警告。

用紙のアドレス:

https://www.mdpi.com/2272228

山火事との闘い: 時間との闘い

山火事の主な原因は人間の活動です。無人のキャンプファイヤー、不注意に投げられたタバコの吸い殻、または機器の不適切な使用など。今回のハワイの山火事の原因として考えられるのは、電気設備の損傷です。地球温暖化による高温乾燥環境と台風ドーラの影響で火災は急速に拡大し、地元住民に多大な被害をもたらした。

山火事との闘いは時間との勝負です。山火事は時速約２３キロメートルに広がる可能性があり、火災範囲は４時間で４倍に拡大すると試算されている。 2017年に米国カリフォルニア州で起きたトーマス山火事では、毎秒フットボール場ほどの面積が広がり、最終的には3カ月以上燃え続けた。

したがって、山火事の監視と消火では、火災点を最短時間で発見し、できるだけ早く山火事を消し止め、その拡大を回避するために、さまざまなテクノロジーの使用が必要になることがよくあります。現在、我が国には山火事を監視するための6つの防衛線があり、それは衛星監視、航空機監視とパトロール、森林観測塔、ビデオ監視システム、地上パトロール、そしてオンライン世論センシングである。

さまざまなテクノロジーの支援により、私の国の森林火災の数は、2010 年の 7,723 件から 2022 年には 709 件に減少しました。しかし、2019年の四川省木里県の森林火災と2020年の四川省西昌市の森林火災ではいずれも多くの死傷者が発生しており、森林火災の監視と予防は依然として課題に直面している。

現在、地理データ、ビデオデータ、衛星データはすべて、山火事や火災の芽を摘む際の早期判断を行うための AI の生データとして使用できます。我が国は国土が広く、気候や地形も場所によって大きく異なりますが、山火事の発生を完全に防ぐことは困難です。しかし****AI の助けにより、私たちは最終的に時間に追いつき、山火事の危険を最小限に抑えることができると信じています。

参考リンク:

[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