از سال ۱۴۰۰، مدل LightningCast AI به ابزاری موفق برای کمک به دانشمندان در پیشبینی حوادث آتشسوزی در مناطق طبیعی تبدیل شده است.
پیشبینی آب و هوای آتشسوزی کار سادهای نیست و با چالشهای متعددی روبرو است. این آتشها میتوانند در هر زمان و مکان شعلهور شوند. برای تخمین سرعت شیوع آتشسوزی و تأثیر آن بر زندگی و جوامع، لازم است عوامل مختلفی را در نظر بگیریم.
هیث هاکنبری، مدیر برنامه ملی آب و هوای آتشسوزی در سرویس ملی هواشناسی، گفت: “بزرگترین چالشها شامل پیشبینی در زمینهای پیچیده، ارزیابی سوخت و انتقال پیام خطر است.” زمینهای پیچیده شامل شیبهای تند و درههای متقاطع است که باعث تغییرات محلی در آب و هوا میشود. هواشناسان هنوز نیاز دارند مدلهای آب و هوایی پیچیدهتری را تفسیر و بهبود بخشند.
آب و هوا نقش کلیدی در توسعه و دوام آتشسوزیهای جنگلی ایفا میکند، بهویژه در مورد رعد و برق.
میلیونها حمله رعد و برق سالانه در ایالات متحده رخ میدهد که علاوه بر صدها مجروح و کمتر از دوجین تلفات، میتواند بهسرعت آتشسوزیهای جنگلی را برانگیزد. رعد و برق بهخصوص در شرایطی که باران وجود نداشته باشد، خطرناک است و میتواند آتشهای بزرگی را ایجاد کند.
به همین دلیل، هوش مصنوعی به کمک پیشبینیکنندگان آمده تا بلایای ناشی از تغییرات آب و هوایی را پیشبینی کند.
هاکنبری گفت: “بهترین نوع پیشرفتهایی که هوش مصنوعی میتواند به ارمغان بیاورد، کمک به انسانها در تشخیص موارد غیرعادی و استثنایی است.” هر سال بیش از ۸۰,۰۰۰ آتشسوزی جنگلی رخ میدهد که بیشتر از تعداد گردبادها یا طوفانها در یک سال است.
هوش مصنوعی و دیگر روشهای یادگیری ماشین میتوانند به کاهش این آتشسوزیها که بیشترین خطر را بههمراه دارند، کمک کنند.
استفاده از تکنیکهای هوش مصنوعی برای پیشبینی آب و هوای شدید، توسعه طوفان، و کمک به نظارت بر شرایط ابر در جامعه هوانوردی رایج شده است. یکی از نمونهها، ProbSevere است که به پیشبینیکنندگان در سرویس آب و هوای ملی (NWS) کمک میکند.
هاکنبری توضیح داد: “هوش مصنوعی وظایف فکری را که معمولاً توسط انسان انجام میشود، اتوماسیون میکند.” متخصصان انسانی در استخراج اطلاعات از تصاویر ماهوارهای مهارت دارند، اما تنها میتوانند بخش کمی از دادههای محیطی را تجزیه و تحلیل کنند. بنابراین، اتوماسیونی که به مهارتهای متخصص انسانی نزدیک باشد، ضروری است.
مدل LightningCast به طور مداوم بهروز میشود و اکنون بهطور معمول توسط پیشبینیکنندگان NWS برای پیشبینی آتشسوزیها و طوفانهای تندری استفاده میشود.
مدل هوش مصنوعی چگونه کار میکند؟ این مدل با دو ماهواره GOES-R NOAA همکاری میکند و هر روز دادههای حاصل از بیش از ۶۶۰۰ تصویر را پردازش میکند. الگوریتم آموزشدیده این دستگاه میتواند الگوهای مشابه و پیچیده را شناسایی کند و احتمال وقوع صاعقه در یک ساعت آینده را پیشبینی کند.
این فناوری به دانشمندان کمک میکند تا پیشبینیهای دقیقتری ارائه دهند و منابع را بهطور مؤثرتری مدیریت کنند، همانطور که در مثال قبلی از واشنگتن دی سی در ۱۶ تیر ۱۴۰۰ مشاهده شد.
پاولونیس گفت: “ابزارهای هوش مصنوعی به تصمیمگیرندگان انسانی اجازه میدهند تا تصمیمهای آگاهانهتری بگیرند.” این ابزارها همچنین به تشخیص زودهنگام آتشسوزی، پیشبینی صاعقه، و ارزیابی خطر آتشسوزی کمک میکنند.
با حمایت مستمر از قانون زیرساخت دو حزبی، پیشبینیکنندگان به دنبال ادامه ترکیب هوش مصنوعی با دادههای ماهوارهای برای توسعه الگوریتمهای جدید در پیشبینی آتشسوزی هستند.
پاولونیس افزود: “NESDIS در حال آزمایش یک الگوریتم هوش مصنوعی جدید است که بخشی از سیستم آتشنشانی نسل بعدی (NGFS) است.” این سیستم میتواند آتشها را بهطور خودکار ردیابی کند و امکان نظارت مداوم بر شدت و تولید دود را فراهم کند.
سوالات متداول
۱. LightningCast AI چه کارکردی دارد؟
LightningCast AI به پیشبینی حوادث آتشسوزی در مناطق طبیعی کمک میکند و نقش مهمی در مدیریت بحران دارد.
۲. چگونه هوش مصنوعی به پیشبینی آتشسوزیها کمک میکند؟
هوش مصنوعی با تجزیه و تحلیل دادههای محیطی و تصاویر ماهوارهای، الگوهای آتشسوزی را شناسایی و پیشبینی میکند.
۳. بزرگترین چالشها در پیشبینی آتشسوزی چیست؟
چالشها شامل پیشبینی در زمینهای پیچیده، ارزیابی سوخت و انتقال پیام خطر هستند.
۴. چه تعداد آتشسوزی در هر سال رخ میدهد؟
هر سال بیش از ۸۰,۰۰۰ آتشسوزی جنگلی در ایالات متحده رخ میدهد.
۵. چگونه دادههای ماهوارهای به پیشبینی کمک میکنند؟
دادههای ماهوارهای به پیشبینیکنندگان اجازه میدهند تا اطلاعات دقیقتری از وضعیت جوی و شرایط محیطی به دست آورند.