人工知能
AIと拡大する「発生データベース」の間で、山火事の脅威が軽減されるかもしれない
Securities.io を Google の優先ソースに追加
現在、カナダ・ロッキー山脈にある古い山岳都市ジャスパーの一部が、急速に進行する山火事により破壊されています。ジャスパーの被害は「言葉では言い表せず、理解を超えている」と表現され、すでに25,000人が避難を余儀なくされています。
大規模な山火事により、歴史的なカナダの町ジャスパーの半分までが破壊されました。同時に、隣接するブリティッシュコロンビア州やカリフォルニア州、ユタ州でも数百件の火災が発生しています。
毎年、何千人もの人々が山火事の被害を受け、町が炎に焼き尽くされています。米国では過去5年間で、344件の大規模山火事が発生し、178人が死亡しました。一方、1980年代以降、年間平均約7万件の火災が発生しています。米国国家間消防センター（NIFC）によると、1983年以降に総計270万件の山火事が起きています。
火災件数が増加し続けるにつれ、消火にかかる費用も上昇しています。米政府は2021年だけで山火事の消火に約44億ドルを費やしました。1件の山火事を消す平均費用は約7万4千ドルです。しかしそれだけではなく、住宅所有者の保険料も上昇しています。
山火事は世界的に頻度だけでなく、規模や継続時間も増加しています。山火事のリスクは、強風、干ばつ、熱波といった極端に乾燥した条件で主に高まります。これは人間と野生動物の健康に対する悪影響が拡大していることを意味します。
火災自体による破壊に加えて、山火事の煙にはNO2、オゾン、芳香族炭化水素、鉛、またはPM2.5などの有害な大気汚染物質が含まれます。PM2.5は直径2.5ミクロン以下の微粒子で、呼吸器系の奥深くまで到達し健康に影響を及ぼします。
山火事の煙に含まれるPM2.5は、一般人口における早死と関連しています。肺、腎臓、心臓、皮膚、腸、目、鼻、肝臓の疾患を引き起こし、悪化させることがあります。また、認知機能障害や記憶喪失をもたらすことが示されています。
山火事は有毒な汚染物質で大気を汚染するだけでなく、大量のCO2やその他の温室効果ガスを大気中に放出することで気候にも影響を与えます。温室効果ガスの排出は地球を覆い、太陽熱を閉じ込めて居住不可能にします。過剰な排出は気候変動を引き起こし、乾燥した条件をもたらし、火災シーズンの期間を長くする要因となります。結果としてフィードバックループが生じます。
山火事がますます激しさと被害を拡大するにつれ、通信、交通、電力供給、ガスサービス、水供給といったインフラが混乱します。さらに、人口密集地域では、財産、家畜、人命、環境に重大な影響を及ぼします。
昨年、メリーランド大学の研究者による研究で、森林火災が2001年と比べて年間300万ヘクタール以上の樹木被覆損失をもたらすことが算出されました。2021年は世界で930万ヘクタールの樹木被覆が失われ、最悪の年の一つとなりました。
火災が森林の機能にとって自然な一部でないわけではありません。実際、北欧、ロシア、アラスカ、カナダに広がる広大なタイガ森林は火災に適応しています。火災は様々な景観を生み出し、古い森林を除去して新しい森林を誕生させます。
しかし、これらの地域でも火災に起因する樹木被覆の喪失は加速しています。タイガ森林は世界有数の清浄水供給源であり、豊かな野生動物の生息地であり、重要な炭素吸収源でもあるため、山火事の継続的な増加は懸念すべき事態であり、対策が必要です。
地球温暖化対策に取り組むバイオテクノロジー企業のリストはこちらをご覧ください。
AIモデルと衛星画像の組み合わせの活用
山火事の問題に取り組む方法の一つは、人工知能（AI）の活用です。この新技術はチャットボットやバーチャルアシスタントだけでなく、先進的なリモートセンシングを通じて環境支援にも利用されています。
最近、AIはカリフォルニア州ベイエリアの遠隔地で山火事に迅速に対応する消防士を支援しました。AI搭載カメラが煙を検知し、火災が拡大し制御が困難になる前に消防隊に情報を提供したことで、山火事は拡大する前に止められました。
保険会社さえもAIに転向しています。サンフランシスコ拠点のDelos Insurance Solutionsは、他社が拒否した住宅所有者向けに1万7千件以上の保険を販売しました。これは同社の山火事モデルにより可能となり、Delosは大学教授と協力して山火事モデリングの独自データセットを取得し、さらにAIアルゴリズムを追加してデータを統合しています。共同創業者のShanna McIntyreによれば、Delosは植生、地形、温度を含む200以上の変数を考慮しています。
火災の拡大を予測する高解像度の山火事挙動モデルの開発に対する関心が明らかに高まっています。
これは衛星と組み合わせて火災位置を検出することで行われています。LANDSAT、VHRS、MODISなどの衛星はすでに植生の分布や乱れの監視に使用されていますが、山火事の予測は依然として困難です。AIと機械学習は、山火事を予測・管理する信頼できる手段を提供できます。
例えば、AIは煙の発生、火災発生、植生の乱れなどの要因を分析する画像衛星と連携できます。すべてのデータを統合することで、AIアルゴリズムは継続的な学習を通じて山火事を予測できます。AI技術はさらに、ビデオカメラを搭載した消火器や巡回車両の管理を可能にします。
1年前、フィンランドのアルト大学の研究チームは、山火事の拡大を予測できるFireCNNというAIモデルの開発を開始しました。このモデルは2002年から2019年までの衛星画像と気象データで訓練され、高リスク地域を特定します。FireCNNは植生や土地被覆などを含む31の変数を分析します。
しかし、利用可能なすべてのデータを相関させ、世界各地のさまざまな地形に適した現実的なモデリング手法を提供できるAIアルゴリズムは不足しています。
新しい研究によると、新モデルは山火事の拡大を正確に予測できるとされています。このモデルは衛星画像とAIを組み合わせ、山火事管理と緊急対応における大きな進歩をもたらします。
NASA、陸軍研究局、Viterbi CURVEプログラムの資金提供を受けたこの研究は、USCの研究者によって実施され、Earth System Science Dataに掲載されました。
この新しいモデルでは、衛星データがリアルタイムで山火事の進行を追跡するために活用されます。この情報は高度なコンピュータアルゴリズムに入力され、火災の予想経路、強度、成長速度を正確に予測できます。
「このモデルは、山火事と戦う能力における重要な前進を示しています。より正確でタイムリーなデータを提供することで、私たちのツールは最前線で山火事と戦う消防士や避難チームの取り組みを強化します。」
– ブライアン・シャディー、研究の共同執筆者でUSC Viterbi School of Engineeringの博士課程学生
研究は高解像度衛星画像から過去データを収集することから始まりました。その後、過去の山火事の挙動分析を通じて、研究者は火災の発生、拡大、そして最終的に抑制された経過を追跡しました。
この綿密な研究は、地形、天候、樹木や低木などの燃料といった要因によって影響を受けるパターンを明らかにしました。
研究者は次に、これらの要因が山火事の時間的進化に与える影響をシミュレートするために、生成AI搭載モデルを訓練しました。そのモデルは、衛星画像における山火事拡大と一致するパターンを認識するように訓練されました。
このモデルは条件付きWasserstein生成対向ネットワーク（cWGAN）と呼ばれ、2020年から2022年の2年間にカリフォルニアで実際に起きた4件の山火事でテストされ、火災拡大予測の有効性が検証されています。WRF-SFIREシミュレーションで訓練されたcWGANは、衛星のアクティブファイアデータから火災到達時間を算出するために使用されます。
cWGANの結果は印象的でした。単方向風や平坦な地形といった理想的条件下の単純データで訓練されたにもかかわらず、実際のカリフォルニア山火事で良好に機能しました。
モデルの成功は、AIモデルと衛星画像を組み合わせて実際の山火事データを提供したことに起因しています。
しかし、これは容易ではありませんでした。研究の共同執筆者でUSC Viterbiの航空宇宙・機械工学教授であるAssad Oberaiは、山火事のモデリングはその「複雑なプロセス」ゆえに最も困難な課題の一つであると述べました。
樹木や低木といった燃料が燃えるだけでなく、複雑な化学反応を引き起こし熱や風流を生み出すだけでなく、天候や地形さえも火災の挙動に影響します。Assadは次のように述べました：
「これらは極めて複雑で、カオス的かつ非線形なプロセスです。正確にモデル化するには、これらすべての要因を考慮する必要があります。高度なコンピューティングが必要です。」
AIモデル向けの強化データ
AI技術の進歩に加えて、これらのモデルを訓練するためのデータも、火災の発火と拡大に影響する数百の追加要因をカバーすることで改善されています。これにより、野生動物管理者や科学者は山火事がどこでいつ起こるかをより正確に予測できるようになります。
最近、米国で最も包括的なジオリファレンスされた火災発火データ源であるFire Program Analysis Fire-Occurrence Database（FPA FOD）が大幅に強化されました。2013年に米国森林局が最初に開発し、現在までに5回更新されています。このデータベースは、地方、州、連邦の防火・報告責任機関からの火災報告を統合しています。
このモデルは、発火地点、発見日、最終的な山火事の規模といった基本情報で構成されています。しかし、改訂されたデータベースは、さらに多くの社会的・環境的要因もカバーします。オレゴン州立大学のErica Fleishman教授によれば：
「山火事の発火要因とそれを防止するために何ができるかに対する関心は非常に高いです。このデータベースは関連情報へのアクセス能力を高め、山火事の備えと予防に貢献します。」
この強化されたデータベースは、現場の消防士や管理者が火災と戦うのに役立つだけでなく、短期的な電力リスクの評価にも活用できます。電力会社は公共安全のための停電実施に関してより情報に基づいた判断が可能になります。さらに、土地管理機関は季節に応じて公共土地へのアクセスを制限すべきかどうかを判断できます。
Fleishmanによれば、多くの政策は膨大な証拠ではなく感情に導かれています。彼女は「このデータベースは、意思決定時に考慮すべき客観的証拠を増やす一つの方法を提供する」と述べました。
Earth System Science Data誌に掲載されたこのデータベースに関する研究はJoint Fire Science Programの支援を受けました。研究は、生物学的、社会的、物理的属性を概説し、山火事の理解と予測の向上を目指しています。
全体として、オレゴン気候変動研究所を指揮するFleishmanを含む研究チームは、ボーイズ州立大学の准教授Mojtaba Sadeghと博士課程学生Yavar Pourmohamadが率い、約270の追加属性を加えました。現在、このデータベースは1992年から2020年までの米国での230万件の火災情報を含んでいます。
改訂されたデータベースでは、各山火事に天候、気候、地形、インフラといった物理的属性、植生指数や土地被覆といった生物学的属性、国家・地域の備えレベルや管轄を含む行政属性、そして社会的脆弱性指数や人口密度といった社会属性が付与されています。
FPA FODの第6版は、発火点の周囲の時間的・空間的バッファ内の要約統計と、発火前年の月次衛星データから得られた植生指数でさらに拡充されました。「この豊富な表形式データセットは、仮説主導やデータ探索型のさまざまな応用に利用できる」と研究は述べています。
このような大規模データベースは、属性が山火事の発火と規模に与える個別および複合的な影響をはるかに深く理解するのに役立つと、Pourmohamadは述べ、次のように付け加えました：
「それは、山火事が異なる人間集団や生態系に及ぼす不平等な影響も特定し、格差是正の取り組みを促すことができます。」
このデータベースは、過去の火災を駆動する要因、将来の火災の可能性、将来の火災の影響を説明するAIや機械学習モデルにも組み込むことができます。彼女は次のように述べました：
「計算能力とこの膨大な情報があれば、何が推測できるかは驚くべきことです。さまざまな場所で異なる行動を導く多くの質問を投げかけ、山火事の発火や火災効果に関連する要因を理解することができます。」
最終的な考察
森林や草原といった野生地域は人類の繁栄に不可欠です。これらは炭素を蓄え、野生生物の生息地を保護し、景観の回復力を高めることで気候変動を緩和します。野生地域は常に山火事の対象でしたが、ここ数十年で山火事が脅威となるほど増加しています。
このような大規模で計画外の火災は世界中の土地を荒廃させており、過去の火災の理解、評価、分析、予防と緩和策の改善が求められています。山火事を防止するだけでなく、火災計画、対応、適応、コスト効果の高い緩和、そして悪影響の抑制を向上させる必要があります。
前述のように、当局はデータベースを継続的に強化しており、これらはAIモデルに組み込んで火災の発生確率や将来の影響を説明できます。これらの実証済みAIモデルは衛星画像と組み合わせて、将来の山火事を正確に予測・防止することが可能です。これにより、野生地域を保護し、生物多様性を守り、次世代の生活を豊かにすることができます。
