联系我们

人工神经网络

用于绘制森林干燥状况,预测野火的AI模型

mm

更新

 on

一个新的 深度学习 由斯坦福大学研究人员设计的模型利用了12个不同州的水分含量,以帮助预测野火并帮助消防管理团队提前解决潜在的破坏性野火。

消防管理小组的目的是预测最可能发生大火的地方,以便可以执行规定的烧伤等预防措施。预测野火的起源点和蔓延方式要求有关目标区域的燃料量和水分含量的信息。收集12博下载app并以对野火管理团队有用的速度对其进行分析是困难的,但是深度学习模型可以帮助实现这些关键过程的自动化。

正如《 Futurity》最近报道的那样斯坦福大学的研究人员收集了气候12博下载app并 设计一个模型 目的是绘制12个西部州的详细水分含量图,包括太平洋海岸州,德克萨斯州,怀俄明州,蒙大拿州和西南部州。根据研究人员的说法,尽管该模型仍在进行完善,但它已经能够揭示森林火灾高风险地区的异常干燥情况。

收集有关目标区域的燃油和水分含量12博下载app的典型方法是,将苦干的植被与更湿润的植被进行比较。具体来说,研究人员从树木中收集植被样品并称重。之后,将植被样品干燥并重新称重。比较干样品和湿样品的重量,以确定植被中的水分含量。这个过程是一个漫长而复杂的过程,仅在某些地区和某些植被物种中可行。但是,从该过程的数十年中收集的12博下载app已用于创建国家燃油水分12博下载app库,该12博下载app库包含超过200,000条记录。众所周知,该地区的燃料水分含量与野火的风险有关,尽管仍不清楚它在生态系统之间以及从一种植物到另一种植物之间所起的作用。

斯坦福大学地球系统科学博士学位的克里希纳·拉奥(Krishna Rao)是该研究的主要作者或新研究。 机器学习 使研究人员能够测试有关不同生态系统的活燃料水分和天气之间联系的假设。 Rao及其同事使用国家燃油水分12博下载app库中的12博下载app训练了递归神经网络模型。然后通过基于空间传感器收集的测量值估算燃料湿度来测试该模型。12博下载app包括来自合成孔径雷达(SAR)的信号,该信号是穿透表面的微波雷达信号,以及从地球表面弹起的可见光。从2015年开始,该模型的训练和验证12博下载app包括美国西部约240个站点​​的三年12博下载app。

研究人员对各种类型的土地覆盖率进行了分析,包括稀疏的植被,草地,灌木丛,针叶常绿森林和阔叶落叶林。该模型的预测在灌木丛地区是最准确,最可靠的NFMD测量值。这很幸运,因为灌木丛约占美国西部整个生态系统的45%。灌木丛,特别是丛林灌木丛,通常很容易受到火灾的影响,这在最近几年加州各地发生的许多大火中都可以看到。

该模型生成的预测已用于创建 互动地图 消防管理机构有一天可以用来对消防区域进行优先排序并辨别其他相关模式。研究人员认为,通过进一步的培训和完善,该模型可以实现。

正如斯坦福大学地球系统科学助理教授Alexandra Konings所说, 对未来的解释:

“创建这些地图是了解此新燃料水分12博下载app如何影响火灾风险和预测的第一步。现在,我们正在尝试真正确定使用它来改善火灾预测的最佳方法。”