UCLA Samueli Mühendislik Okulu ve işbirlikçilerinden araştırmacılar, orman yangını yakıt kaynaklarını hızlı ve doğru bir şekilde tanımlamak için uydu görüntülerini yapay zeka ile birleştirerek ülke çapında orman yangını hazırlığını artırmaya yardımcı olabilecek yeni bir sistem olan FuelVision geliştirdiler.
Kaliforniya’nın en yoğun iki yangınlarından (2021’deki Dixie ve Caldor yangınları) verileri kullanan validasyon testlerinde, yakışkanların tahminleri, aracın gerçek dünya kullanım potansiyelini gösteren gerçek yakıt haritalarını yakından eşleştirdi. Sistem testlerde% 77 haritalama doğruluğu elde etti. Yeni sistemi açıklayan bir çalışma, yakın zamanda yayınlandı. Uluslararası Uygulamalı Dünya Gözlemi ve Geoinformasyon Dergisi.
UCLA’nın baş yazarı ve araştırma bilimcisi Riyaaz Shaik, “Yerel ajanslardan küresel araştırmacılara kadar herkesin uydu verilerini kullanarak orman yangını yakıt haritalarını oluşturmasına izin veren bir araç kurduk.” Dedi. “Bu, hayati orman yangını risk bilgilerini daha hızlı, daha akıllı tepki için erişilebilir hale getirmeye yardımcı olur.”
Bazı modeller büyük ölçeklerde daha yüksek doğruluk elde etmiş olsa da, daha yavaştır ve uzman analizine güvenirler. Buna karşılık, FuelVision yaygın olarak mevcut verileri kullanarak otonom olarak çalışır.
Global uydu girdilerinden veri aldığından, FuelVision ülke çapında ormanlık alanlara kolayca uyarlanabilir. Sistem, yangın azaltma stratejilerini desteklemek veya acil durum yanıtlarını yönlendirmek için yer anketleri gerektirmez.
Modellerini test etmek ve doğrulamak için araştırmacılar, sistemi ABD Orman Hizmetleri’nin Orman Envanteri ve Analiz Programından gerçek verileri kullanarak eğitti. Ekip ayrıca, veri oluşturmak için bir jeneratör kullanan bir tür makine öğrenimi ve verilerin doğruluğunu değerlendiren, güvenilir sentetik eğitim verileri üretmek ve sistemin eşleme doğruluğunu artırmaya yardımcı olan bir tür makine öğrenimi olan üretken büyüleyici ağlar kullandı.
UCLA Samueli’de ilgili yazar ve sivil ve çevre mühendisliği profesörü olan Ertugrul Taciroglu, “Fuelvision yangınların nereye yayılabileceğini ve nasıl hazırlanacağını tahmin etmeye yardımcı olabilir.” Dedi. Diyerek şöyle devam etti: “Çok yönlü, kolayca uyarlanabilir ve hem acil durum müdahalesini organize etme hem de uzun vadeli risk değerlendirmesi ve yangın azaltma stratejileri geliştirme konusunda ajanslara yardımcı olabilir.”
Araştırmacılar FuelVision’ı iki şekilde erişilebilir hale getiriyor. Temel kodlama deneyimi olan kullanıcıların kendi yakıt haritalarını oluşturmalarını sağlayan python tabanlı bir arayüz yayınlamayı planlıyorlar. Ayrıca, kullanıcı ihtiyaçlarına dayalı isteğe bağlı yakıt haritası üretimi sunacaklar.
