Tekoälyn ja kasvavan ‘tapahtumatietokannan’ välillä metsäpalojen uhka saattaa vähentyä

Tällä hetkellä nopeasti leviävä metsäpalo tuhoaa osan vanhasta vuoristokaupungista nimeltä Jasper Kanadan Kalliovuorilla. Jasperin vahinkoja kuvataan sanoin “kuvattavissa ja ymmärrettävissä”, ja 25 000 ihmistä on jo pakotettu pakenemaan.

Suuret metsäpalot ovat tuhonneet jopa puolet historiallisesta kanadalaisesta Jasperista. Samanaikaisesti satoja tulipaloja on aktiivisina naapurissa British Columbiassa sekä Kaliforniassa ja Utahissa.

Joka vuosi tuhannet ihmiset kantavat metsäpalojen raskainta taakkaa, kun kaupungit poltetaan tulessa. Yhdysvalloissa viimeisen viiden vuoden aikana 344 merkittävää metsäpaloa on tappanut 178 ihmistä. Samaan aikaan 1980-luvulta lähtien maassa on keskimäärin noin 70 000 tulipaloa vuodessa. Kansallisen Interagency Fire Centerin (NIFC) mukaan vuodesta 1983 on tapahtunut yhteensä 2,7 miljoonaa metsäpaloa.

Kun tulipalojen määrä jatkaa kasvuaan, myös niiden torjuntaan liittyvät kustannukset nousevat. Yhdysvaltain hallitus käytti lähes 4,4 miljardia dollaria metsäpalojen torjuntaan pelkästään vuonna 2021. Keskimäärin yhden metsäpalon sammuttaminen maksaa noin 74 000 dollaria. Mutta se ei ole kaikki; myös omistajien vakuutusmaksut nousevat.

Metsäpalot ovat lisääntyneet maailmanlaajuisesti paitsi niiden esiintymistiheydessä, myös vakavuudessa ja kestossa. Metspalon riski on enimmäkseen äärimmäisesti kuivuissa olosuhteissa, kuten voimakkaat tuulet, kuivuus ja helleaaltoja. Tämä tarkoittaa kasvavaa haitallista vaikutusta ihmisten ja villieläinten terveyteen.

Tulipalon aiheuttaman tuhon lisäksi metsäpalojen savu sisältää haitallisia ilmansaasteita, kuten NO2:ta, otsonia, aromaattisia hiilivetyjä, lyijyä tai PM2,5:ä, jotka ovat hiukkasia, joiden halkaisija on 2,5 mikronia tai vähemmän. PM2,5 on niin hienoa, että se voi kulkeutua syvemmälle hengitysteihin ja aiheuttaa terveysvaikutuksia.

Metsäpalojen savun PM2,5 on itse asiassa yhteydessä ennenaikaisiin kuolemiin väestössä. Se voi aiheuttaa ja pahentaa sairauksia keuhkojen, munuaisten, sydämen, ihon, suoliston, silmien, nenän ja maksan. Lisäksi on osoitettu, että se johtaa kognitiiviseen heikentymiseen ja muistin menetykseen.

Metsäpalot eivät ainoastaan saastuta ilmaa myrkyllisillä saasteilla, vaan ne vaikuttavat myös ilmastoon vapauttamalla suuria määriä CO2:ta ja muita kasvihuonekaasuja ilmakehään. Maapallon peittämisen kautta kasvihuonekaasupäästöt ansaitsevat itse asiassa auringon lämmön ja tekevät siitä elinkelvottoman. Liiallinen määrä aiheuttaa ilmastonmuutosta, mikä johtaa kuivempiin olosuhteisiin ja edelleen pidempiin palokausien kestoihin. Näin syntyy palautesilmukka.

Kun metsäpalot muuttuvat yhä äärimmäisemmiksi intensiteetin ja vahinkojen suhteen, ne voivat häiritä infrastruktuuria viestinnän, liikenteen, sähkönsyötön, kaasupalveluiden ja vesihuollon osalta. Lisäksi väestötiheäillä alueilla ne vaikuttavat merkittävästi omaisuuteen, karjaan, ihmisten kuolleisuuteen ja ympäristöön.

Viime vuonna Marylandin yliopiston tutkijoiden tekemä tutkimus laskeli, että metsätupakat johtavat nyt 3 miljoonaa hehtaaria puuston menetykseen vuodessa verrattuna vuoteen 2001. Maailmanlaajuisesti 9,3 miljoonaa hehtaaria puuston menetykseen aiheuttaneena vuonna 2021, mikä teki siitä yhden pahimmista vuosista.

Ei ole niin, että tulipalot eivät olisi luonnollinen osa metsien toimintaa. itse asiassa boreaaliset metsät, jotka kattavat laajoja alueita Pohjois-Euroopassa, Venäjällä, Alaskassa ja Kanadassa, ovat sopeutuneet tulipaloihin. Tuli luo monipuolisia maisemia ja poistaa vanhoja metsiä, synnyttäen uusia.

Kuitenkin tulipaloihin liittyvä puuston menetyminen, jopa näillä alueilla, tapahtuu kiihtyvällä tahdilla. Kun boreaaliset metsät ovat maailman johtavia puhtaan veden lähteitä, tarjoavat merkittävän villieläinkannan ja ovat tärkeä hiilivarasto, metsäpalojen jatkuva trendi on huolestuttava ja vaatii puuttumista.

Klikkaa tästä saadaksesi luettelon biotekniikkayrityksistä, jotka työskentelevät ratkaisujen parissa ilmaston lämpenemisen torjumiseksi.

Tekoälymallien hyödyntäminen satelliittikuvien kanssa 

Yksi tapa, jolla metsäpalojen ongelmaa pyritään ratkaisemaan, on tekoälyn (AI) käyttö. Tämä uusi teknologia ei ole vain chatbotien ja virtuaaliavustajien palveluksessa, vaan se auttaa myös ympäristöä kehittyneen kaukokartoituksen avulla.

Äskettäin tekoäly auttoi palomiehiä reagoimaan nopeasti metsäpaloon kaukaisella alueella Bay Area’ssa, Kaliforniassa. Metsäpalo pysäytettiin ennen kuin se levisi tekoälyllä varustetun kameran avulla, joka havaitsi savun ja tiedotti palomiesten ryhmille ennen kuin liekki ehti kasvaa ja tulla hallitsemattomaksi.

Jopa vakuutusyhtiöt kääntyvät tekoälyn puoleen. San Franciscossa toimiva Delos Insurance Solutions on myynyt yli 17 000 vakuutusta kotitalouksille, joita muut yritykset ovat hylänneet. Tämä on mahdollista yhtiön metsäpalo-mallien kautta, joissa Delos tekee yhteistyötä yliopistoprofessorien kanssa saadakseen omia tietoaineistoja metsäpalojen mallintamiseen ja lisää sitten tekoälyalgoritmin, joka sisällyttää enemmän dataa. Co-fondri Shanna McIntyre kertoo, että Delos ottaa huomioon yli 200 muuttujaa, jotka kattavat kasvillisuuden, topografian ja lämpötilan.

On selvää, että korkean tarkkuuden metsäpalojen käyttäytymismallien kehittämiseen keskitytään yhä enemmän tulen leviämisen ennustamiseksi.

Tätä tehdään yhdessä satelliittien kanssa tulipisteiden havaitsemiseksi. Vaikka satelliitteja kuten LANDSAT, VHRS ja MODIS käytetään jo kasvillisuuden jakautumisen ja häiriöiden seurantaan, metsäpalojen ennustaminen on edelleen haastavaa. Tekoäly ja koneoppiminen voivat tarjota luotettavan tavan ennustaa ja hallita metsäpaloja.

Esimerkiksi tekoäly voidaan yhdistää kuvantamissatelliitteihin, jotka analysoivat erilaisia tekijöitä, kuten savun ilmaantumista, tulipaloja ja kasvillisuuden häiriöitä. Yhdistämällä kaikki tiedot yhteen, tekoälyalgoritmit voivat ennustaa metsäpaloja jatkuvan oppimisen avulla. Tekoälyteknologia voi myös mahdollistaa tulentekijöiden ja partioajoneuvojen hallinnan videokameroiden avulla.

Vuosi sitten Aalto-yliopistosta kotoisin oleva tutkijaryhmä aloitti kehittämässä tekoälymallia nimeltä FireCNN, joka pystyy ennustamaan metsäpalojen leviämistä. Malli on koulutettu satelliittikuvilla ja säätiedoilla, jotka on kerätty vuosina 2002–2019, tunnistamaan korkean riskin alueita. FireCNN analysoi 31 muuttujaa, mukaan lukien kasvillisuus- ja maankäyttötekijät.

Kuitenkin tekoälyalgoritmeja, jotka pystyvät yhdistämään kaikki saatavilla oleva data ja realistiset mallinnusmenetelmät, jotka sopivat eri maisemien tarpeisiin maailmanlaajuisesti, on puutteellisesti.

Uuden tutkimuksen mukaan uusi malli voi tarkasti ennustaa metsäpalojen leviämistä. Malli yhdistää satelliittikuvia ja tekoälyä tarjoten merkittävän edistysaskeleen metsäpalojen hallinnassa ja hätätilanteiden reagoinnissa.

Tutkimus, jonka rahoittajina olivat NASA, Army Research Office ja Viterbi CURVE -ohjelma, toteutti USC:n tutkijat ja julkaistiin Earth System Science Data -lehdessä.

Tämän uuden mallin alla satelliittidataa hyödynnetään metsäpalojen etenemisen seuraamiseen reaaliajassa. Tämä tieto syötetään kehittyneeseen tietokonealgoritmiin, joka voi tarkasti ennustaa tulen todennäköisen reitin sekä sen intensiteetin ja kasvunopeuden.

“Tämä malli edustaa tärkeää edistysaskelta kyvyssämme torjua metsäpaloja. Tarjoamalla tarkempaa ja ajantasaista dataa, työkalumme vahvistaa palomiesten ja evakuointitiimien ponnisteluja taistellessa metsäpaloja etulinjassa.

– Bryan Shaddy, tutkimuksen vastaava tekijä ja tohtoriopiskelija USC Viterbi School of Engineeringissä

Tutkimus alkoi keräämällä historiallista dataa korkearesoluutioisista satelliittikuvista. Sitten menneiden metsäpalojen käyttäytymisanalyysin avulla tutkijat seurasivat, miten tuli syttyi, levisi, ja lopulta saatiin hallintaan. 

Tämä tarkka tutkimus paljasti kaavat, joita vaikuttavat tekijät kuten maasto, sää ja polttoaine, kuten puut ja pensaikko.

Tutkijat kouluttivat sitten generatiivisen tekoälypohjaisen mallin simuloimaan, miten nämä tekijät vaikuttavat metsäpalojen kehittymiseen ajan myötä. Malli koulutettiin sen jälkeen tunnistamaan satelliittikuvissa olevia kaavoja, jotka vastaavat metsäpalojen levinneisyyttä heidän mallissaan.

Mallia kutsutaan ehdolliseksi Wasserstein Generative Adversarial Networkiksi tai cWGAN:ksi, jota on jo testattu neljällä todellisella Kalifornian metsäpalolla kahden vuoden aikana, vuosina 2020–2022, jotta voidaan arvioida sen tehokkuutta tulen leviämisen ennustamisessa. WRF-SFIRE-simulaatioilla koulutettu cWGAN käyttää satelliittien aktiivisen tulen dataa tulen saapumisaikojen laskemiseen.

cWGAN:n tulokset olivat vaikuttavia. Yksinkertaisella datalla ihanteellisissa olosuhteissa, kuten yksisuuntaisella tuulella ja tasaisella maastolla koulutettu malli suoriutui hyvin todellisissa Kalifornian metsäpaloissa.

Mallin menestys johtuu tekoälymallin ja satelliittikuvien yhdistämisestä, mikä tarjosi todellista metsäpalojen dataa sen sijaan, että se olisi toiminut yksin.

Tämä ei ole ollut helppoa. Tutkimuksen yhteiskirjoittaja Assad Oberai, USC Viterbi:n avaruus- ja konetekniikan professori, totesi, että metsäpalojen mallintaminen on yksi haastavimmista niiden “monimutkaisten prosessien” vuoksi.

Ei ainoastaan polttoaine, kuten puut ja pensaat, sytytä, mikä johtaa monimutkaisiin kemiallisiin reaktioihin, lämmön ja tuulivirtojen muodostumiseen, vaan myös sää ja topografia vaikuttavat tulen käyttäytymiseen. Assad sanoi:

“Nämä ovat erittäin monimutkaisia, kaoottisia ja epälineaarisia prosesseja. Niiden tarkkaan mallintamiseen on otettava huomioon kaikki nämä erilaiset tekijät. Tarvitaan kehittynyttä laskentatehoa.”

Parannettu data tekoälymalleille

Tekoälyteknologian edistymisen lisäksi myös näiden mallien koulutusdataa parannetaan kattamaan satoja lisätekijöitä, jotka vaikuttavat tulipalon syttymiseen ja leviämiseen. Tämä auttaa villieläinten hallinnoijia ja tutkijoita tekemään tarkempia ennusteita siitä, missä ja milloin metsäpalot saattavat tapahtua.

Äskettäin Fire Program Analysis Fire-Occurrence Database (FPA FOD), joka on Yhdysvalloissa laajin georeferoitujen tulipalon syttymistietojen lähde, päivitettiin merkittävästi. Alun perin vuonna 2013 Yhdysvaltain metsänhoitopalvelun kehittämä malli on päivittynyt viisi kertaa. Se kerää tulipaloilmoituksia paikallisilta, osavaltiollisilta ja liittovaltion tahoilta, joilla on tulipalon suojelu- ja raportointivastuu.

Malliin sisältyy perusinfo, kuten syttymispaikka, havaintopäivämäärä ja lopullisen metsäpalon koko. Kuitenkin päivitetty tietokanta kattaa entistä enemmän sosiaalisia ja ympäristötekijöitä. Oregon State Universityn professorin Erica Fleishmanin mukaan:

“Metsäpalojen syttymiseen vaikuttavista tekijöistä ja niiden ehkäisemiseksi tehtävistä toimenpiteistä on valtava kiinnostus. Tämä tietokanta parantaa mahdollisuutta päästä käsiksi olennaiseen tietoon ja edistää metsäpalojen varautumista ja ehkäisyä.”

Tämä parannettu tietokanta ei ainoastaan auta paikalla olevia palomiehiä ja johtajia taistelemaan tulen kanssa, vaan se voi myös auttaa arvioimaan lyhyen aikavälin sähköriskin. Sähköyhtiöt voivat tehdä paremmin informoituja päätöksiä julkisen turvallisuuden sähkökatkojen toteuttamisesta. Lisäksi maankäyttöviranomaiset voivat päättää, tulisiko julkisten alueiden käyttöä rajoittaa tiettyinä vuodenaikoina.

Fleishmanin mukaan monet politiikat perustuvat tunteisiin eikä laajaan näyttöön. Tietokanta tarjoaa “yksi tapa lisätä objektiivista näyttöä, jota voidaan harkita päätöksiä tehtäessä,” hän sanoi.

Julkaistu lehdessä Earth System Science Data, tietokantaa koskeva tutkimus sai tukea Joint Fire Science Program -ohjelmalta. Se esitteli biologisia, sosiaalisia ja fyysisiä ominaisuuksia, joiden avulla voidaan saada parempi ymmärrys metsäpaloista sekä niiden ennustamisesta.

Kaikkiaan tutkimusryhmä, johon kuului Fleishman, Oregon Climate Change Research Institute -instituutin johtaja, sekä Mojtaba Sadegh ja Yavar Pourmohamad, Boise State Universityn apulaisprofessori ja tohtoriopiskelija, lisäsivät lähes 270 lisäominaisuutta. Nyt tietokanta sisältää tietoa 2,3 miljoonasta Yhdysvaltain tulipalosta vuosilta 1992–2020.

Päivitetyn tietokannan alla jokaisella metsäpalolla on nyt fyysiset ominaisuudet, kuten sää, ilmasto, topografia ja infrastruktuuri; biologiset ominaisuudet, kuten kasvillisuusindeksi ja maankäyttö; hallinnolliset ominaisuudet, jotka kattavat kansallisen ja alueellisen valmiustason sekä toimivalta-alueen; sekä sosiaaliset ominaisuudet, mukaan lukien sosiaalisen haavoittuvuusindeksi ja väestöntiheys.

FPA FOD:n kuudes versio lisättiin edelleen yhteenvetotilastoilla, jotka on kerätty ajallisessa ja spatiaalissa puskurissa syttymispisteen ympärillä sekä satelliiteista kuukausittain kerätyillä kasvillisuusindekseillä vuoden aikana ennen syttymistä. “Tämä rikas, taulukkomainen tietoaineisto voidaan käyttää monenlaisissa hypoteesipohjaisissa tai data-tutkimussovelluksissa,” tutkimus totesi.

Tällainen massiivinen tietokanta auttaa tarjoamaan merkittävästi syvempää ymmärrystä yksittäisten ja yhdistettyjen ominaisuuksien vaikutuksesta metsäpalojen syttymiseen ja laajuuteen, sanoi Pourmohamad, lisäten:

“Se myös tunnistaa metsäpalojen epätasaiset vaikutukset eri ihmispopulaatioihin ja ekosysteemeihin, mikä puolestaan voi ohjata toimia epätasa-arvon vähentämiseksi.”

Tietokanta voidaan myös sisällyttää tekoäly- ja koneoppimismalleihin, jotka selittävät menneitä tulipaloja ohjaavia tekijöitä, tulevien tulipalojen todennäköisyyttä ja niiden vaikutuksia. Hän sanoi:

“On hämmästyttävää, mitä voi päätellä, kun on käytettävissä laskentakapasiteetti ja näin paljon tietoa. Voit esittää monia kysymyksiä, jotka ohjaavat erilaisia toimia eri paikoissa ja ymmärtää, mitkä tekijät liittyvät metsäpalojen syttymiseen ja vaikutuksiin.”

Lopulliset ajatukset

Luonnonalueet, kuten metsät tai niityt, ovat olennaisia ihmiskunnan hyvinvoinnille. Ne lieventävät ilmastonmuutosta sitomalla hiiltä, säilyttämällä villieläinten elinympäristöt ja lisäämällä maiseman resilienssiä. Nämä luonnonalueet ovat aina olleet alttiita metsäpaloille, mutta viime vuosikymmenten aikana niiden määrä on kasvanut niin paljon, että metsäpalot ovat muodostuneet uhkaksi.

Nämä massiiviset, suunnittelemattomat tulipalot riepottelevat maita ympäri maailmaa, mikä vaatii parempaa ymmärrystä, arviointia ja menneiden tulipalojen analysointia, niiden onnistunutta ennaltaehkäisyä ja lieventämisstrategioita, jotta voidaan paitsi estää metsäpaloja myös parantaa palo-ennustamista, reagointia, sopeutumista, kustannustehokasta lieventämistä ja haitallisten vaikutusten rajoittamista.

Kuten yllä mainitsimme, viranomaiset parantavat jatkuvasti tietokantoja, jotka voidaan sitten sisällyttää tekoälymalleihin selittämään tulipalojen todennäköisyyksiä ja niiden tulevia vaikutuksia. Nämä hyvin testatut tekoälymallit voidaan sitten käyttää yhdessä satelliittikuvien kanssa ennustamaan ja estämään tulevia metsäpaloja tarkasti. Näin voimme suojella luonnonalueitamme, turvata biologista monimuotoisuutta ja rikastuttaa tulevien sukupolvien elämää.

Klikkaa tästä oppiaksesi kaiken tekoälyyn sijoittamisesta.