Syväoppiminen nostaa Amazonin metsäpalojen havaitsemistarkkuutta 93%:iin

Universidade Federal do Amazonas -laitoksessa toimiva tutkimusryhmä on kehittänyt keinotekoisen neuroverkon (ANN) -mallin, joka hyödyntää satelliittikuvia ja syväoppimistekniikoita Amazonin sademetsän metsäpalojen havaitsemiseen erittäin korkealla onnistumisprosentilla.

“Kyky havaita ja reagoida metsäpaloihin on ratkaisevan tärkeä näiden elintärkeiden ekosysteemien herkän ekologisen tasapainon säilyttämiseksi, ja Amazonin tulevaisuus riippuu päättäväisestä ja nopeasta toiminnasta.”

– Pääkirjoittaja professori Cíntia Eleutério, Universidade Federal do Amazonas

Vaikka Amazonin valvonta tarjoaa tänä päivänä reaaliaikaisia tietoja, sen tarkkuus on keskitasoa, eikä se pysty havaitsemaan pienempiä tulipaloja tai syrjäisiä alueita tarkasti.

Siksi malli edustaa tehokasta ratkaisua metsäpalojen automaattiseen havaitsemiseen, merkittävästi lyhentäen aikaa, joka kuluu niiden tuhoavien vaikutusten lieventämiseen.

Julkaistu International Journal of Remote Sensing -lehdessä, tutkimuksen tulokset raportoivat jopa 93 %:n onnistumisprosentin mallin kouluttamisessa Amazonin sademetsän kuviin, joissa on sekä metsäpaloja että ilman niitä. Co‑kirjoittaja professori Carlos Mendesin mukaan:

“CNN‑malli voi toimia arvokkaana lisänä, mahdollistaen tarkemman analyysin tietyillä alueilla. Yhdistämällä nykyisten antureiden laajan ajallisen kattavuuden mallimme spatiaaliseen tarkkuuteen voimme merkittävästi parantaa metsäpalojen seurantaa kriittisillä ympäristönsuojelualueilla.”

Tutkimus totesi, että satelliittikuvien ja tekoälyn yhdistäminen tarjoaa proaktiivisen lähestymistavan kasvaviin metsäpalojen haasteisiin ja samalla edistää kaukokartoituksen ja syväoppimisen alaa. 

Teknologia tarjoaa erityisesti mahdollisuuden parantaa varoitusjärjestelmiä ja tehostaa metsäpalojen reagointistrategioita, auttaen kriittisten ekosysteemien, kuten Amazonin, säilyttämisessä. Integrointi olemassa oleviin valvontajärjestelmiin voisi helposti kestää 1–3 vuotta, riippuen lisävalidoinnista ja käyttöönotosta. Mutta tarkastellaanpa syvemmin, mitä uudet edistysaskeleet maailmalle tarjoavat.

Maan keuhkot kohtaavat vakavan uhan

Amazonin sademetsä on maailmanlaajuisesti merkittävä omaisuus, sisältäen miljoonia lintulajeja, hyönteisiä, kasveja ja muita elämänmuotoja. Se on maailman rikkain ja monimuotoisin biologinen varasto.

Ihmiset ympäri maailmaa ovat riippuvaisia tästä sademetsästä ei vain ruoan, veden, puun ja lääkkeiden, vaan myös ilmaston vakauttamisessa, sillä se varastoi valtavat 150–200 miljardia tonnia hiiltä.

Amazonin sademetsä vaikuttaa voimakkaasti sosio‑ympäristöllisesti ja taloudellisesti Brasiliaan, kattaen noin 40 % maan kokonaisalueesta. Brasilian lisäksi sademetsä ulottuu kahdeksaan muuhun Etelä-Amerikan maahan.

Sen merkittävä rooli biologisen monimuotoisuuden säilyttämisessä ja globaalin ilmaston säätelyssä tekee Amazonin sademetsästä ekologisesti erittäin tärkeän.

Kuitenkin se kohtaa kasvavan kriisin laajamittaisen metsäkadon, kestämättömien maankäyttötapojen ja lähestyvän metsäpalauhan muodossa.

Viimeisen puolen vuosisadan aikana lämpötilan nousu on johtanut kuivuuskausien voimistumiseen alueella. Tilanne pahenee entisestään, sillä useimmat mallit ennustavat kuivuuskauden intensiteetin kasvavan 2000‑luvun aikana Amazonin sademetsässä. 

Tämä kiihtyminen johtuu säteilysvoimista ja aerosolituotannon vähenemisestä, mikä aiheuttaa poikkeavia vaihteluita merenpinnan lämpötilassa (SST) ja siten sademäärän vaihteluita Amazonin alueella.

Jos tämä uusi ilmastokonfiguraatio vahvistuu, tutkimuksen mukaan sademetsä voi muuttua vahvistetuksi järjestelmäksi, joka on altis metsäpaloille. Tämä altistaa Maan keuhkot kasvavalle uhalle metsäpalojen määrän lisääntyessä. 

Näiden tulipalojen ympäristövaikutukset eivät rajoitu pelkästään alueellisiin rajoihin; ne vaikuttavat globaaleihin ilmastomalleihin ja biologiseen monimuotoisuuteen. Tämä tekee metsäpalojen havaitsemisesta ja niihin reagoimisesta Amazonissa äärimmäisen tärkeää. 

Tämän ympäristökriisin seuraamiseksi ja siihen puuttumiseksi satelliittikuvien avulla toteutettu kaukokartoitus on noussut elintärkeäksi työkaluksi tämän elintärkeän ekosysteemin herkän tasapainon säilyttämisessä.

Klikkaa tästä oppiaksesi, miksi paloturvallisuus on tärkeämpää kuin koskaan.

Metsäpalojen pahentavan vaikutuksen kasvava uhka

National Institute for Space Research (INPE) -laitoksen TerraBrasilis‑verkkopalvelun data‑aineiston perusteella metsäpalot tammikuusta kesäkuuhun pysyivät alhaisina vuosina 1999–2023. Kuitenkin heinäkuusta marraskuuhun tapausten määrä kasvoi merkittävästi ennen kuin joulukuussa se laski.

Metsäpalojen määrä oli alhainen koko vuoden 1999–2001 aikana. Palojen intensiteetti kasvoi merkittävästi vuodesta 2002 alkaen, saavuttaen paikallisen huipun vuonna 2005. 

Lasku kesti vuoteen 2011 asti, jonka jälkeen lukumäärät alkoivat jälleen tasaisesti nousta, ja tämä nouseva trendi jatkuu edelleen. Viimeiset viisi vuotta ovat tuoneet eniten metsäpaloja. Vuonna 2023 Amazonissa syttyi 98 639 metsäpaloa.

Amazonin sademetsä vastaa myös merkittävästä osasta (yli puoli) Brasilian biomejen metsäpaloista.

Amazonin lisäksi Brasilian isännöimät ekosysteemit sisältävät Cerradon, joka vastasi 26,70 % kaikista metsäpaloista, sekä Caatingan, Atlantin metsän, Pantanalin ja Pampasin, joista viimeiset kaksi kärsivät vähiten metsäpaloista vuonna 2023.

Jokaisella näistä ekosysteemeistä on oma ainutlaatuinen lajiston monimuotoisuutensa ja ominaisuutensa. Nämä biomeet ovat olennaisia ilmastonmuutoksen hillitsemisessä, toimivat hiilinieluina ja suojaavat uhanalaisia lajeja. Kuitenkin metsäpalot aiheuttavat merkittävää vahinkoa kaikille näille ekosysteemeille. 

Alueellisesti suurin metsäpalojen keskittymä Amazonas‑osavaltiossa on Lábrean, Apuín ja Novo Aripuanã:n kunnissa, jotka rekisteröivät eniten tapauksia.

Metsäpalot ovat äärimmäisen haitallisia ja niillä on tuhoisia seurauksia monilla tasoilla. 

Ensinnäkin ne tuhoavat kasvillisuutta, mikä voi johtaa peruuttamattomaan kotoperäisten lajien sukupuuttoon. Osa tästä kasvillisuudesta omaa ainutlaatuisia lääkinnällisiä ominaisuuksia ja esiintyy vain Amazonin alueella.

Metsäpalot heikentävät myös maaperän hedelmällisyyttä, tehden siitä karua ja estäen luonnollisen toipumisen. Lisäksi metsäpalojen aiheuttama Amazonin metsäkato lisää vesivirtausta, nostaa jokien vesitasoja. Tämä johtuu kasvillisuuden peitteen vähenemisestä, mikä heikentää veden tunkeutumista maaperään ja vähentää evapotranspiraatiota.

Sitten on eläin- ja kasvilajiston menetykset, jotka ovat yhtä huolestuttavia. Metsäpalot tuhovat elintärkeitä elinympäristöjä, aiheuttaen merkittäviä epätasapainoja paikallisessa ravintoketjussa. 

Intensiiviset CO₂‑päästöt ilmakehään pahentavat kasvihuoneilmiötä ja ilmaston lämpenemistä. Tämä lisää globaaleja ilmastohaasteita ja tekee suurista paloista entistä yleisempiä Amazonin sademetsässä.

Syväoppimisen hyödyntäminen automatisoidussa metsäpalojen havaitsemisessa

Ongelman ratkaisemiseksi tutkimus hyödynsi uutta teknologiaa, konvoluutiohermoverkkoa (CNN), metsäpalojen luokitteluun alueella. 

CNN on erikoistunut alajoukko, joka on optimoitu kuvien analysointiin ja visuaalisten mallien tunnistamiseen, ja siitä on tullut voimakas työkalu tietokonenäössä. 

Esimerkiksi CNN‑mallia on käytetty COVID‑19:n luokitteluun ja diagnosointiin. Lisäksi sitä on käytetty keuhkokuumeen havaitsemiseen röntgenkuvista, älykkääseen jätteen tunnistamiseen ja kierrätykseen, törmäysten analysointiin hiukkasfysiikassa sekä solutyyppien tunnistamiseen kantasolukuvasissa.

Sitä käytetään myös metsäkadon muutosten havaitsemiseen Brasilian Amazonissa Landsat‑aineiston avulla, metsäpalojen havaitsemiseen ja savun tunnistamiseen miehittämättömien ilma-alusten (UAV) kuvissa.

CNN hyödyntää syväoppimista, tekoälyn (AI) ja koneoppimisen alajoukkoa, jossa algoritmit paranevat ajan myötä altistuessaan yhä enemmän dataa.

Tässä tutkimuksessa hyödynnettiin keinotekoisten neuroverkkojen (ANN) algoritmia, joka jäljittelee ihmisaivojen toimintaa ja mahdollistaa laskennallisten mallien tunnistaa monimutkaisia kuvioita ja ratkaista haasteita, jotka voivat olla ihmisen ymmärryksen ulottumattomia. 

Se pinottaa useita kerroksia peräkkäin helpottaakseen tiedon omaksumista ja työskennelläkseen laajojen aineistojen kanssa koulutusvaiheessa. 

Tämä teknologinen sinergia käyttää tilastollisia menettelyjä auttaakseen koneita suorittamaan tehtäviä, kuten metsäpalojen tunnistamista kokemuksellisen oppimisen avulla. 

Hyödyntämällä syväoppimistekniikoiden suurta potentiaalia verkko tarjoaa tehokkaan ratkaisun metsäpalojen automatisoituun havaitsemiseen. Automaattinen tunnistus mahdollistaa ajoissa tapahtuvan reagoinnin, mikä lieventää metsäpalojen tuhoisia vaikutuksia. 

Viimeisimmässä tutkimuksessa tutkijat laajensivat neuroverkkorakennetta keskittyen CNN:ään, jota käytetään erityisesti Python‑kirjastoissa TensorFlow ja Keras – laajasti käytetyissä tietokonenäön sovelluksissa kuvien ominaisuuksien poimintaan. 

Tavoitteena on ollut käyttää CNN:ää metsäpalojen havaitsemiseen Amazonin alueella hyödyntäen Landsat 8‑ ja Landsat 9‑satelliittikuvia.

Klikkaa tästä oppiaksesi, miten lämpöaktivoituvat biomimetiset hydrogeelit torjuvat metsäpaloja

Edistynyt ja paikallinen lähestymistapa metsäpalojen havaitsemiseen

Tiimi käytti Landsat 8‑ ja Landsat 9‑satelliittien kuvia mallin kouluttamiseen. 

Nämä satelliitit on varustettu kehittyneillä instrumenteilla, jotka tallentavat kuvia eri spektrikaistoilla, mikä on välttämätöntä metsäpalojen havaitsemiselle ja luokittelulle. Satelliittien monispektri‑ ja lämpöominaisuudet mahdollistavat lämpöpoikkeamien tunnistamisen sekä kasvillisuuden ja palaneiden alueiden erottelun. 

Molemmissa satelliiteissa on Operational Land Imager (OLI) –sensorit, jotka tallentavat kuvia näkyvässä valossa, lähinäköisessä infrapunasäteilyssä (NIR) ja lyhytaaltoisessa infrapunasäteilyssä (SWIR), mikä on keskeistä kasvillisuuden muutosten havaitsemisessa.

Palaneilla alueilla NIR‑heijastus on alhainen, kun taas terveessä kasvillisuudessa se on voimakas. Lyhytaaltoinen infrapuna (SWIR) auttaa puolestaan havaitsemaan kosteutta maaperässä ja kasvillisuudessa, mikä on hyödyllistä palaneiden alueiden tunnistamisessa.

Molemmissa satelliiteissa on myös Thermal Infrared Sensor (TIRS), joka toimii kahdessa lämpö‑infrapunasäteilykaistassa ja tarjoaa arvokasta tietoa lämmönlähteistä ja pinnan lämpötilasta. TIRS:n spatiaalinen tarkkuus on 100 m, kun OLI‑kaistat tarjoavat 30 m tarkkuuden. Näin ne ovat erityisen relevantteja metsäpalojen valvonnassa ja mahdollistavat tarkemman kasvillisuuden terveyden kartoituksen. 

Tiimi koulutti CNN:n käyttäen 200 tuoretta kuvaa, jotka on haettu EarthExplorer‑palvelusta ja jotka näyttävät metsäpaloja Amazonin sademetsässä. Samassa määrässä kuvia ilman metsäpaloja käytettiin tasapainoisen oppimisen varmistamiseksi. 

Aineisto oli pieni, mutta riittävä, jotta CNN saavutti 93 %:n tarkkuuden koulutusvaiheessa. Testattaessa 40 kuvaa, joita ei ollut mukana koulutuksessa, malli luokitteli tarkasti 23 / 24 kuvaa, joissa oli metsäpaloja, sekä kaikki 16 kuvaa ilman metsäpaloja.

Tämä erittäin tyydyttävä suorituskyky osoittaa mallin vahvuuden ja yleistämiskyvyn.

Tiimin mukaan tämä lähestymistapa tarjoaa suuren potentiaalin metsäpalojen havaitsemiseen ja sitä voidaan käyttää täydentämään vakiintuneita laajamittaisia valvontajärjestelmiä, kuten Moderate Resolution Imaging Spectroradiometer (MODIS) ja Visible Infrared Imaging Radiometer Suite (VIIRS), joita Brasilia käyttää laajamittaiseen, jatkuvaan palojen seurantaan.

Lisätyökaluna CNN:tä voidaan käyttää yhdessä MODIS:n ja VIIRS:n kanssa parantamaan varoitusjärjestelmiä ja tehostamaan metsäpalojen reagointistrategioita.

Tutkijat korostivat, että menetelmä ulottuu Amazonin ekosysteemin ulkopuolelle ja sillä on potentiaalia käyttää myös muilla maailman alueilla. Se voi todellisuudessa auttaa viranomaisia taistelemaan ja hallitsemaan tällaisia tapahtumia, “tarjoten edistyneen ja paikallisemman lähestymistavan metsäpalojen havaitsemiseen”, tutkimus totesi.

CNN:tä voitaisiin myös tutkia metsäkadon valvonnassa ja hallinnassa, tutkijat ehdottivat. Seuraava askel on kasvattaa koulutuskuvien määrää, jotta “mallista saataisiin entistä vahvempi”.

Klikkaa tästä oppiaksesi, miten tekoäly ja kasvava tapahtumatietokanta voivat auttaa vähentämään metsäpalojen riskiä.

Innovatiivinen yritys

Palantir Technologies Inc. (PLTR )

AI‑pohjaisten paikkatietoanalytiikka- ja katastrofivaste ratkaisujen ansiosta Palantir on vahva toimija ympäristön valvonnassa ja metsäpalojen havaitsemisessa.

Vuonna 2003 Alex Karp, Peter Thiel, Stephen Cohen ja Joe Lonsdale perustivat Palantirin, joka tarjoaa ohjelmistoja Gotham‑, Foundry‑, Apollo‑ ja AIP‑ (Artificial Intelligence Platform) -alustoilla. Markkina‑arvo on 186,6 miljardia $, ja Palantirin osakkeet kaupankäynnissä hintaan 81,25 $, +5,28 % YTD. EPS (TTM) on 0,19 ja P/E (TTM) 421,05.

Helmikuun alussa yhtiö julkaisi Q4 2024 -tuloksensa, raportoiden 828 miljoonaa $ liikevaihtoa, mikä kasvoi 36 % YoY ja 14 % QoQ. Asiakasmäärä nousi 43 % YoY ja 13 % QoQ.

Palantirin Yhdysvaltain liikevaihto oli 558 miljoonaa $, kasvaen 52 % YoY ja 12 % QoQ, ja Yhdysvaltain kaupallinen liikevaihto 214 miljoonaa $, mikä ylitti Yhdysvaltain hallituksen 343 miljoonaa $ liikevaihdon.

Tänä aikana yhtiö sulki 32 sopimusta, joiden arvo oli vähintään 10 miljoonaa $, 58 sopimusta vähintään 5 miljoonaa $ ja 129 sopimusta vähintään 1 miljoona $. Lisäksi se sulki ennätyksellisen 803 miljoonaa $ Yhdysvaltain kaupallisen kokonaiskontraktin arvon (“TCV”) ja Yhdysvaltain kaupallisen jäljellä olevan sopimusarvon (“RDV”) 1,79 miljardia $.

Palantir raportoi 460 miljoonaa $ kassavirtaa toiminnasta ja 79 miljoonaa $ GAAP‑nettotulosta, kun GAAP‑osakekohtainen tulos oli 0,03 $ ja korjattu EPS 0,14 $. Yhtiö päätti vuoden 5,2 miljardia $ käteisellä, käteistähteillä ja lyhytaikaisilla Yhdysvaltain valtion velkakirjoilla.

Koko vuoden 2024 aikana Palantirilla oli 2,87 miljardia $ liikevaihtoa, 1,90 miljardia $ Yhdysvaltain liikevaihtoa ja 1,15 miljardia $ kassavirtaa toiminnasta. Nyt Q1 2025:lle yhtiö odottaa liikevaihdon olevan 858–862 miljoonaa $ ja korjatun vapaan kassavirran koko vuodelle 2025 olevan 1,5–1,7 miljardia $.

“Liiketoimintatuloksemme jatkavat hämmästyttämistään, osoittaen syvenevän roolimme tekoälyvallankumouksen ytimessä. Varhaiset näkemyksemme suurten kielimallien kaupallistumisesta ovat kehittyneet teoriasta faktaksi.”

– Toimitusjohtaja Karp

Viimeisimmistä kehityksistä puhuttaessa, kuukauden alussa Palantir ilmoitti ensimmäisten kahden AI‑pohjaisen järjestelmän käyttöönotosta Yhdysvaltain armeijalle. Palantir USG:n CTO Akash Jain kutsui tätä “hyppysuunnaksi” Yhdysvaltain armeijalle. Yhtiö voitti 178 miljoonaa $ sopimuksen vuosi sitten, ohittaen puolustusjätti RTX Corporation (RTX ) , mikä merkitsee merkittävää virstanpylvästä Palantirille, joka tunnetaan data‑analytiikkapalveluistaan.

Sopimus koskee 10 Targeting Access Node (TITAN) -järjestelmää, jotka hyödyntävät AI:ta kerätäkseen dataa avaruusantureista auttaakseen sotilaita tarkemmassa kohdistamisessa ja tarkkuudessa. Mobiilina maastotukiasemana nämä järjestelmät edistävät sotilaiden sodankäyntistrategiaa. Palantir teki yhteistyötä L3Harris (LHX ), Northrop Grumman (NOC ) ja Anduril Industries -yritysten kanssa kehittääkseen joitakin kyvykkyyksiä.

Tällä viikolla Palantir julkaisi listan uusista asiakkaista, jotka osallistuivat sen AI‑tapahtumaan, ja paljasti Walgreens , Heineken, Ripcord ja RaceTrac muiden joukossa uusina asiakkaina. 

Se on myös solminut kumppanuuden Archer Aviation (ACHR ) kanssa rakentaakseen AI‑perustan tulevaisuuden seuraavan sukupolven ilmailuteknologioille ja auttaakseen laajentamaan lentokoneteollisuuden valmistuskapasiteettia. Suunnitelmana on hyödyntää AIP‑ ja Foundry‑alustoja AI‑pohjaisen ohjelmiston kehittämiseen, joka edistää ilmailujärjestelmiä, kuten lentoliikenteen ohjausta, reittisuunnittelua ja liikkumisen hallintaa.

“Palantirin kumppanuus Archerin kanssa määrittelee uudelleen lentämisen tulevaisuuden, tehden siitä paitsi tehokkaampaa myös saavutettavampaa”, Karp totesi, lisäten että tämä integraatio luo “vaiheen mullistavalle läpimurrolle tehokkuudessa, turvallisuudessa ja kestävyydessä”.

Uusimmat tiedot Palantir Technologies Inc.:stä

Yhteenveto

Amazon (AMZN ), jonka rikas biologinen monimuotoisuus ja laajat resurssit vaikuttavat globaaliin talousmaisemaan, on tärkeä osa maailman taloutta. Siksi näiden alueiden suojelu ja kestävä hallinta hyödyttävät paitsi Brasiliaa myös koko planeettamme terveyttä.

Amazonin sademetsä kohtaa kuitenkin metsäpalauhan, mikä asettaa vakavan haasteen sen vakaudelle. Tämä tarkoittaa, että alueen tulevaisuus riippuu päättäväisestä ja nopeasta toiminnasta. 

Tässä syväoppimiseen perustuva metsäpalojen havaitsemismalli edustaa merkittävää läpimurtoa tämän kriisin ratkaisemisessa. Saavuttaen 93 %:n tarkkuusasteen, malli tarjoaa tehokkaan työkalun metsäpalojen varhaiseen havaitsemiseen ja nopeaan reagointiin, mikä voi auttaa estämään katastrofaalista ympäristövahinkoa ja ylläpitämään Amazonin sademetsän pitkän aikavälin terveyttä ja vakautta.