Key takeaways
- En nyligen genomförd studie fann att artificiell intelligens kunde förutsäga blixtnedslag och skydda människor från skogsbränder.
- AI kan också hjälpa till att behandla data som tas emot från satellitsystem och peka ut falska larm.
- En stad i Colorado använder ett AI-drivet program som övervakar rökrapporter över 90 kvadratkilometer.
De senaste framstegen inom artificiell intelligens (AI) kan hjälpa till att skydda människor från skogsbränder.
En ny studie visar maskininlärning - datoralgoritmer som förbättrar sig själva utan direkt programmering av människor - kan förbättra blixtprognoser. En bättre förståelse för var blixten kan slå ner kan hjälpa till att förutsäga bränder som startas av bultar från himlen.
"Genom att kombinera fjärravkänd data med information, såsom marksanning från tidigare bränder, växtlighet och torrhet, kan AI erbjuda möjligheten att förbättra övervakningen av skogsbränder och prognoser för spridning av skogsbränder", Scott Mackaro, vice vd för vetenskap, innovation och utveckling hos väderprognosföretaget AccuWeather, som inte var inblandad i studien, berättade för Lifewire i en e-postintervju.
Förutsäga fara
Förbättrade blixtprognoser kan hjälpa till att förbereda sig för potentiella skogsbränder och förbättra säkerhetsvarningarna för blixtar.
"De bästa ämnena för maskininlärning är saker som vi inte helt förstår. Och vad är något inom atmosfärsvetenskapsområdet som fortfarande är dåligt förstådd? Blixt, säger Daehyun Kim, professor i atmosfärsvetenskap vid University of Washington som var involverad i den senaste studien, sa i ett pressmeddelande. "Vad vi vet är vårt arbete det första som visar att maskininlärningsalgoritmer kan fungera för blixtar."
Den nya tekniken kombinerar väderprognoser med en maskininlärningsekvation baserad på analyser av tidigare blixthändelser. Studiens författare sa att hybridmetoden kunde förutsäga blixtar över sydöstra USA två dagar tidigare än den befintliga ledande tekniken.
Forskare tränade systemet med blixtdata från 2010 till 2016, vilket lät datorn upptäcka samband mellan vädervariabler och blixtar. Sedan testade de tekniken på väder från 2017 till 2019, jämförde den AI-stödda processen och en befintlig fysikbaserad metod, med hjälp av faktiska blixtobservationer för att utvärdera båda.
AI kan hjälpa till att behandla data som tas emot från satellitsystem, peka ut falska larm och ta bort dem, sa väderexperten Yuri Shpilevsky från appen Clime till Lifewire i en e-postintervju.
"Dessutom kan AI hjälpa till att spåra väderparametrarna i olika regioner och upptäcka de mindre områdena där väderförhållandena är de 'mest gynnsamma' för att en brand ska starta", tillade han. Detta kan hjälpa oss att automatiskt fokusera på de torraste och därmed mest brandbenägna platserna och bedriva brandförebyggande aktiviteter där."
Putting Theory Into Practice
Artificiell intelligens används redan för att hjälpa till att övervaka risken för skogsbrand.
Aspen Fire Protection District använder ett AI-drivet program som använder kameror för att övervaka rökrapporter över 90 kvadratkilometer i Colorado. Programmet är gjort av ett Kalifornien-baserat företag som heter Pano AI och använder högupplösta kameror som kan vridas 360 grader.
"Vi vet att minuterna är viktiga när det kommer till svar på en löpeld", säger Arvind Satyam, Pano AI:s kommersiella chef, i ett pressmeddelande. "Vår vision är att skapa ett nätverk av banbrytande kameror, samt integrera befintliga videoflöden, som utnyttjar vår artificiella intelligens och vår intuitiva mjukvara för att ge snabba och exakta varningar för situationsmedvetandeteam för att förhindra att små flare-ups blir stora infernos."
Många företag använder AI för att förbättra väderprognoser. Till exempel använder Weather Stream AI för att övervaka nederbörd från globala satellitdata, vilket indikerar torkaregioner.
"AI- och satellitdata kan användas i flera stadier av löpeldscykeln", sa Richard Delf, en fjärranalysforskare vid Weather Stream, till Lifewire i en e-postintervju. "Vi kan använda AI för att tolka satellitdata för att fastställa regionala bränslenivåer, nivåer av fukt vid ytan och nivåer av kapell, som tillsammans med det lokala klimatet är nyckelindikatorer på risken för skogsbrand i en region."
Framtida framsteg inom AI kommer att göra skogsbränder ännu mer exakta, förutspådde Shpilevsky. Datormodeller kommer att göra förutsägelser baserade på väderförhållanden och andra data, såsom en skogs vegetationstyp, vindmönster, förhållanden som är gynnsamma för blixtnedslag.
"Detta kommer att bidra till att ge re altidsprognoser om hur en löpeld kommer att sprida sig, förutsäga den förväntade brandintensiteten, utvärdera möjliga skador, uppskatta de resurser som krävs för att lokalisera branden", tillade han.
