内容概要：現地時間8月8日、アメリカ・ハワイで山火事が発生し、地元住民や観光客は火災を避けるために太平洋に飛び込む必要がありました。8月17日現在、山火事による死者は110人、行方不明者は1,000人以上となっている。同時に、米国、カナダ、フランスなどでも山火事が発生している。山火事は容赦なく発生するため、突然の山火事に直面して人々が迅速に対応することは困難です。現在、AI の助けにより、山火事の検出と予防に新たな進歩が見られます。
キーワード: 山火事人工知能 説明可能性 AI
著者｜
編集者｜山陽
この記事は、HyperAI Super Neural WeChat パブリック プラットフォームで初めて公開されました。
地球は不可逆的な地球温暖化を経験しています。欧州連合のコペルニクス気候変動庁（C3S）の統計によると、2023 年 7 月は、世界の平均気温が 1940 年以来最も高くなる月になります。気温は、2023 年以前の平均気温と比較して約 1.5 ℃上昇しています。パリ協定を超える産業革命》閾値を設定。
図 1: 1940 年から 2023 年 7 月までの地球の平均気温 [1]
地球温暖化によってもたらされる最も直感的な感覚は、気温の高さです。森林が密生した地域では、高温で乾燥した気候により山火事 (山火事) が簡単に発生する可能性があります。8月8日、アメリカ・ハワイ州マウイ島で山火事が発生した。山火事は台風「ドーラ」に乗じて急速に森林を駆け抜け、地元の文化センターであるラハイナに広がり、数万人が家を失った。
一方、北米の乾燥した西部では山火事が猛威を振るっている。米国/カナダ資源管理システム火災情報 (FIRMS、米国/カナダ資源管理システム火災情報) の火災地図によると、過去 1 週間でカナダ西部で 1,000 エーカー以上の山火事が広がり、米国東部には多数の火災地点があります。
図 2: 過去 1 週間の北米の山火事の地図[2]
山火事は急速かつ容赦なく発生するため、突然の山火事に直面して人々がタイムリーに対応することは困難です。しかし今では、AI を使用して山火事の監視と予測をリアルタイムで行うことができ、山火事による損失を最小限に抑えることができます。
山火事のトライデントを予測する
地理データ: オーストラリアの大学が XAI を開発
2023年5月、オーストラリア国立大学のアボルファズル・アブドラヒ氏とシドニー工科大学のビスワジート・プラダン氏は、解釈可能なAI（XAI）を使用して、オーストラリアのギプスランドでさまざまな地理的要因の包括的な分析を実施し、地元の山火事の確率分布を取得しました。山火事の発生を予測する新しい方法を提供します。
図 3:
山火事の確率を予測するための XAI ワークフロー 山火事の確率に大きな影響を与える地理的特徴には、環境、地質、植生、気象要因が含まれます。今回の研究では主に、降水量、風速、気温、湿度、植生分布、植生面積、植物の燃料窒素、水分、その地域の標高、傾き、方位など11の特徴を利用した。
この研究では、ギップスランド市の山火事発生地点 521 か所を選択し、2019 年から 2020 年までの中解像度画像分光計 (MODIS) データ、熱異常データ、火災履歴データ、および相互検証と保持データセットを通じてトレーニングを実施しました。セットはトレーニング プロセスの正確性を保証するために処理されます。
まず、相互検証手法によりトレーニング セットが 5 つのサブセットにランダムに分割され、そのうち 4 つのサブセットがモデルのトレーニングに使用され、1 つのサブセットが検証セットとして使用されます。
図 4: モデルのトレーニング プロセス。青色のデータはトレーニングに使用され、オレンジ色のデータは検証に使用され、
トレーニングの完了後、ギップスランドの環境、地質、植生、気象特性がモデルに入力され、ギップスランドでの山火事発生の完全な確率マップが取得されます。図に示すように、モデルの予測結果は、この地域の歴史的な山火事地域と基本的に一致しており、XAI が地理的特徴に基づいて山火事の発生を効果的に予測できることを示しています。
図 5: モデルの予測結果と過去の山火事地域の比較
a : XAI モデルによって予測された山火事の発生確率マップ。
b : ギップスランドの歴史的な山火事地域の地図。
論文アドレス:
https://www.sciencedirect.com/science/article/pii/S0048969723016224
ビデオデータ: 煙に基づいて火災点を特定
地理データに基づいた山火事の予測は人々の警戒を高めるだけで、山火事の発生をリアルタイムで観察することはできません。この目的を達成するために、カリフォルニア州森林防火局はカリフォルニア大学サンディエゴ校 (UCSD) と協力して、AI に基づく ALERTCalifornia と呼ばれる山火事防止プロジェクトを開発しました。このプロジェクトは、カリフォルニア州に配備された 1,000 台以上のカメラで地域を監視し、AI を使用して異常状況を特定し、緊急指令センターに警報を送信し、山火事の可能性があるかどうかを確認するよう当番職員に通知します。
図 6:ALERTCalifornia のカメラ配信とリアルタイム画像
このプロジェクトは 2023 年 7 月に正式に運用開始され、すぐに役に立ちました。午前3時、サンディエゴの東80キロにあるクリーブランド国有林でカメラが火災を検知した。事件が深夜に発生したこともあり、煙が発生しにくく、肉眼での着火点の特定が難しく、延焼につながりやすい状況だった。しかし、AI は時間内に消防署長に警告を発し、消防署が 45 分以内に山火事の消火に貢献しました。
ただし、このテクノロジーは開発プロセスにおいて多くの課題にも直面しています。その1つは、AIが山火事やその他の妨害要因を正確に識別し、正確に判断できるようにする方法です。森林には、乱暴な形状の雲、空気中の塵、さらには通過するトラックからの排気ガスなど、誤警報を引き起こす可能性のあるものがたくさんあります。100 人以上の専門家の共同の努力により、数週間のトレーニングと反復を経て、AI の精度は大幅に向上しました。
ALERTCaliforniaアドレス： https:
//cameras.alertcalifornia.org/
衛星データ: 二次スクリーニングによるほぼリアルタイムの山火事監視
特定の地域では、カメラで山火事を効果的に監視できますが、この方法を大規模に推進することは難しく、特に広大な面積と複雑な地形を持つ一部の地域では、カメラの配備と維持のコストが大幅に増加します。したがって、リアルタイムの衛星データは、山火事のリアルタイム監視のための AI 兵器としても使用できます。
中国電子科学技術大学のHe Binbin氏の研究グループは、ランダムフォレストと空間コンテキストアルゴリズムを組み合わせた機械学習モデルを構築し、衛星データを通じてほぼリアルタイムの山火事監視を実現しました。
従来の AI 山火事識別システムでは単一のアルゴリズムが使用されることが多く、データの欠落や誤検知が発生します。この研究では、漏れを避けるために、データは最初にランダム フォレスト モデルを通じて厳密にスクリーニングされました。次に、二次スクリーニングに比較的低いしきい値を持つ空間コンテキスト アルゴリズムを使用して誤警報を排除し、それによって監視モデルの精度を向上させます。
図 7: 山火事認識モデルのワークフロー
研究者らは、宇宙航空研究開発機構 (JAXA) と NASA によって記録された山火事データに基づいてモデルをトレーニングしました。次に、2020 年から 2022 年までの山火事の発生場所の衛星データが、判断を行うためのモデルの検証データとして使用されました。
図 8: 山火事識別モデルの衛星データ検証結果
図からわかるように、ほとんどの火災において、このモデルは山火事の発生源を正確に特定し、タイムリーな警告を発することができます。AI山火事認識モデルは、リアルタイムの衛星データをデータソースとして使用し、ランダムフォレストモデルと空間コンテキストアルゴリズムを組み合わせ、モデルの偽陰性率と偽陽性率を低減し、ほぼリアルタイムの山火事の早期発見を実現します。警告。
論文アドレス： https:
//www.mdpi.com/2272228
山火事対策: 時間との競争
山火事の主な原因は、無人のキャンプファイヤー、タバコの吸い殻のポイ捨て、設備の不適切な使用などの人間の活動です。ハワイの山火事の原因として考えられるのは、電気設備の損傷です。地球温暖化による高温・乾燥環境と台風「ドーラ」の影響で火災は急速に拡大し、近隣住民に多大な被害をもたらした。
図 9: 山火事後のラハイナ [3]
山火事との闘いは時間との勝負です。山火事は時速約23キロメートルに広がる可能性があり、焼失面積は4時間以内に4倍になると推定されている。2017年に米国カリフォルニア州で発生したトーマス山火事では、毎秒サッカー場の面積が広がり、最終的には3か月以上燃え続けた。
したがって、山火事の監視と消火では、火災点を最短時間で発見し、できるだけ早く山火事を消し、拡大を回避するために、複数のテクノロジーを使用する必要があることがよくあります。現在、中国には山火事を監視するための6つの防衛線がある。すなわち、衛星監視、航空機監視とパトロール、森林地帯の観測塔、ビデオ監視システム、地上パトロール、そしてネットワークによる国民感情認識である。
さまざまなテクノロジーの支援により、私の国の森林火災の数は、2010 年の 7,723 件から 2022 年には 709 件に減少しました。しかし、2019年の四川省木里県の山火事と2020年の四川省西昌市の山火事ではいずれも多くの死傷者が出ており、山火事の監視と予防は依然として課題に直面している。
現在、地理データ、ビデオデータ、衛星データはすべて、山火事の早期判断のための AI の生データとして使用でき、初期段階で消火することができます。我が国は広大な国土を持っていますが、地域によって気候や地形が大きく異なるため、山火事を完全に防ぐことは困難です。
この記事は、HyperAI Super Neural WeChat パブリック プラットフォームで初めて公開されました。
参考リンク：
[1]https://climate.copernicus.eu/july-2023-warmest-month-earths-recent-history
[2]https://firms2.modaps.eosdis.nasa.gov/
[3]https://www.washingtonpost.com/climate-environment/2023/08/10/hawaii-wildfire-maps/
[4]https://www.bjnews.com.cn/detail/168429261314778.html