用AI扑灭火灾：使用深度学习来帮助预测美国的野火

根据NASA的数据，在1950年至2017年之间记录的西方山火中，有超过60％发生在2000年之后。这些火灾不仅越来越频繁，而且规模还在扩大。

“Megafires，”因为它们是已知的，是燃烧更十万余亩森林大火。相比之下，2018年的加州营地大火燃烧了超过153,000英亩。1970年以前，没有记载在美国megafires。

在野火活动的突然增加中，气候变化无疑将发挥重要作用。气温升高使火灾季节在一年中更早开始，并且持续的时间比过去几十年更长。为了提供帮助，斯坦福大学的研究人员正在利用深度学习在野火发生之前进行预测。

有关创新的更多信息

在冠状病毒爆发期间，RaspberryPi的销售量猛增

波士顿动力公司开放了该机器人技术，以帮助解决COVID-19

商业增强现实：备忘单

野生物互联网：技术与对抗生物多样性丧失和气候变化的斗争（PDF）

衡量野火风险

当前在不同位置测量植被干燥度的方法是一个艰苦的过程。首先，团队被派往给定区域的草料分支机构并称重物料。接下来，他们使用烤箱烘烤植被以去除水分，然后重新称量植物材料。烘烤过程中损失的水分是这两个重量之间的差异。这将确定一个称为“活燃料水分含量”的指标，以帮助评估该地区的野火风险。

美国森林服务局按分支机构和区域进行收集，并将这些信息存储在国家燃油水分数据库中。该数据库包括过去半个世纪记录的数十万次测量。

SEE：在企业中管理AI和ML2020：技术领导者增加项目开发和实施（TechRepublicPremium）

利用人工智能

新方法的核心是循环神经网络，以协助美国各地的消防局。这种特定的AI旨在筛查大量数据以查明模式。国家燃油水分数据库信息用于训练系统。接下来，研究小组应用了额外的卫星观测来估算燃油湿度。

亚历山德拉说：“我们的重大突破之一是研究使用更长波长的一组新卫星，这使得观测结果对林冠更深处的水敏感，并可以直接代表燃料的水分含量。”斯坦福大学生态水文学家，论文的高级作者Konings。

研究人员使用与美国西部239个站点有关的三年数据，对模型进行了训练。然后，研究人员研究了该系统在一系列常见土地覆盖物（包括灌木丛，草地，阔叶落叶林等）上的预测燃料水分含量。这些预测与国家燃油水分数据库的现场测量结果进行了比较，以评估系统的准确性。

SEE：在企业中管理AI和ML2020：技术领导者增加项目开发和实施（TechRepublicPremium）

总体而言，最准确地预测灌木丛的燃料水分。灌木丛是西部最大的生态系统，约占该地区土地覆盖的一半（45％）。这些生态系统很快就会重新生长，并且极易受到常规野火的影响。因此，加深对这些生态系统的了解是减少野火风险的关键。

当前，交互式地图作为对燃料水分含量的历史观察而存在。但是，研究人员希望这些模型可以用于查明未来的高风险区域，并协助消防机构展开灭火工作。该研究小组的一位成员说，在未来的几年中，这些信息可以用来查明可以使用规定的焚烧降低野火风险的区域。

Konings说：“创建这些地图是了解这种新的燃油水分数据可能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。”