به کار گیری هوش مصنوعی در مبارزه با بحران آتش سوزی جنگل ها

برای آموزش و اعتبار سنجی این مدل ، محققان با شروع سال 2015 ، هنگامی که داده های SAR از ماهواره های Sentinel-1 سه سال از داده های 239 سایت در سراسر غرب آمریکا را تغذیه کردند. آنها پیش بینی رطوبت سوخت آن را در شش نوع پوشش زمینی از جمله جنگل های برگریز برگ ، جنگل های همیشه سبز سوزن برگ ، بوته ها ، چمنزارها و پوشش گیاهی پراکنده بررسی کردند و دریافتند که آنها دقیق ترین هستند - به این معنی که پیش بینی های AI بیشترین اندازه گیری های میدانی را در سوخت ملی انجام می دهند. بانک اطلاعات رطوبت - در بوته ها.

غنی از گیاهان معطر مانند رزماری و پونه کوهی و غالباً توسط درختان کوتاه و دامنه های شیب دار و صخره نشانه گذاری شده ، بوته ها تا حدود 45 درصد از غرب آمریکا را اشغال می کنند. رائو گفت ، آنها نه تنها بزرگترین اکوسیستم منطقه هستند ، "آنها همچنین به سرعت در معرض آتش سوزی های مکرر هستند." در کالیفرنیا ، آتش سوزی هایی که به واسطه بادهای سانتا آنا در ابعاد بسیار زیاد قرار دارند ، در نوعی بوته کوچک معروف به چپارو می سوزند. وی گفت: "این امر باعث شده است كه سازمان های آتش نشانی به طور جدی بر آنها نظارت كنند."

تخمین های این مدل از نقشه تعاملی تغذیه می شوند که در نهایت ممکن است سازمان های آتش نشانی بتوانند از آنها برای شناسایی الگوهای و اولویت بندی اقدامات کنترل استفاده کنند. در حال حاضر ، نقشه شیرجه در طول تاریخ را نشان می دهد ، میزان رطوبت سوخت را از سال 2016 تا 2019 نشان می دهد ، اما از همین روش می توان برای نمایش تخمین های فعلی استفاده کرد. کینگز گفت: "ایجاد این نقشه ها اولین قدم برای درک چگونگی تأثیرگذاری این داده های رطوبت سوخت جدید در خطر آتش سوزی و پیش بینی ها بود." "اکنون ما در تلاش هستیم تا بهترین راه های استفاده از آن را برای پیش بینی آتش سوزی بهتر مشخص کنیم."