Mellan AI och en växande ‘Händelsedatabas’ kan hotet från skogsbränder minska

För närvarande förstör en snabbt spridd skogsbrand en del av den gamla bergsstaden Jasper i de kanadensiska Klippbergen. Skadorna i Jasper beskrivs som “bortom beskrivning och förståelse”, och 25 000 personer har redan tvingats fly.

Stora skogsbränder har förstört upp till hälften av den historiska kanadensiska staden Jasper. Samtidigt är hundratals bränder aktiva i grannprovinsen British Columbia samt i Kalifornien och Utah.

Varje år får tusentals människor bära den största bördan av skogsbränder, där städer bränns ner av elden. I USA har 344 betydande skogsbränder under de senaste fem åren dödat 178 personer. Samtidigt har landet sedan 1980-talet haft i genomsnitt cirka 70 000 bränder per år. Enligt National Interagency Fire Center (NIFC) har totalt 2,7 miljoner skogsbränder inträffat sedan 1983.

När antalet bränder fortsätter att öka har även kostnaden för att bekämpa dem stigit. Den amerikanska regeringen spenderade nästan 4,4 miljarder dollar på att släcka skogsbränder enbart år 2021. I genomsnitt kostar det omkring 74 000 dollar att släcka varje skogsbrand. Men det är inte allt; försäkringspremier för husägare ökar också.

Skogsbränder har ökat globalt, inte bara i frekvens utan också i allvarlighet och varaktighet. Risken för skogsbrand är främst i extremt torra förhållanden som starka vindar, torka och värmeböljor. Detta innebär en växande negativ påverkan på mänsklig och djurlivshälsa.

Förutom förstörelsen som själva elden orsakar består röken från skogsbränder av farliga luftföroreningar såsom NO2, ozon, aromatiska kolväten, bly eller PM2,5, vilket är partiklar med en diameter på 2,5 mikrometer eller mindre. PM2,5 är så fin att den kan tränga djupare in i våra luftvägar och orsaka hälsoeffekter.

PM2,5 från skogsbränder är faktiskt kopplat till förtida dödsfall i den allmänna befolkningen. Den kan orsaka och förvärra sjukdomar i lungor, njurar, hjärta, hud, tarm, ögon, näsa och lever. Dessutom har den visat sig leda till kognitiv försämring och minnesförlust.

Skogsbränder förorenar inte bara luften med giftiga föroreningar, utan de påverkar också klimatet genom att släppa ut stora mängder CO2 och andra växthusgaser i atmosfären. Genom att täcka jorden fångar växthusgasutsläppen solens värme och gör den obeboelig. För mycket av detta leder till klimatförändringar, vilket i sin tur ger torrare förhållanden och förlänger brandsäsongernas varaktighet. Detta skapar en återkopplingsslinga.

När skogsbränder blir allt mer extrema i intensitet och skada kan de störa infrastrukturen för kommunikation, transport, elförsörjning, gasleveranser och vattenförsörjning. Dessutom påverkar de i närheten av befolkade områden avsevärt egendom, boskap, mänsklig dödlighet och miljön.

Förra året beräknade en studie av forskare vid University of Maryland att skogsbränder nu resulterar i 3 miljoner fler hektar förlust av trädäckning per år jämfört med 2001. Genom att orsaka 9,3 miljoner hektar förlust av trädäckning globalt blev 2021 ett av de värsta åren.

Det är inte så att bränder inte är en naturlig del av hur skogar fungerar. Faktum är att boreala skogar, som täcker stora områden i norra Europa, Ryssland, Alaska och Kanada, är anpassade till eld. Eld skapar en variation av landskap och tar bort gamla skogar, vilket ger upphov till nya.

Dock sker förlust av trädäckning relaterad till eld, även i dessa områden, i en accelererad takt. Eftersom boreala skogar är bland världens främsta leverantörer av rent vatten, hyser betydande djurlivspopulationer och är en viktig kolsänka, är den pågående trenden med skogsbränder oroande och måste åtgärdas.

Klicka här för en lista över bioteknikföretag som arbetar med lösningar för att bekämpa den globala uppvärmningen.

Utnyttja AI-modeller i kombination med satellitbilder 

Ett av sätten att tackla problemet med skogsbränder är genom användning av artificiell intelligens (AI). Denna nya teknik används inte bara för chatbots och virtuella assistenter utan även för att hjälpa miljön genom avancerad fjärranalys.

Nyligen hjälpte AI brandmän att snabbt svara på en skogsbrand i ett avlägset område i Bay Area, Kalifornien. Branden stoppades innan den spred sig med hjälp av en AI-drivet kamera som upptäckte rök och informerade brandbesättningen innan lågorna kunde växa och bli svåra att kontrollera.

Till och med försäkringsleverantörer vänder sig till AI. Det San Francisco-baserade företaget Delos Insurance Solutions har sålt över 17 000 försäkringar till husägare, som andra företag har avvisat. Detta har möjliggjorts genom företagets modeller för skogsbränder, där Delos samarbetar med universitetsprofessorer för att få proprietära datamängder om brandmodellering och sedan lägger till en AI-algoritm för att införliva mer data. Enligt medgrundaren Shanna McIntyre beaktar Delos över 200 variabler som täcker vegetation, topografi och temperatur.

Det finns tydligt ett växande fokus på utvecklingen av högupplösta modeller för brandbeteende för att förutsäga brandens spridning.

Detta görs i samarbete med satelliter för att upptäcka brandplatser. Medan satelliter som LANDSAT, VHRS och MODIS redan används för att övervaka fördelning och störning av vegetation, förblir förutsägelse av skogsbränder en utmanande uppgift. AI och maskininlärning kan hjälpa till att erbjuda ett pålitligt sätt att förutsäga och hantera skogsbränder.

Till exempel kan AI kopplas till bildsatelliter som analyserar olika faktorer såsom rökutveckling, brandhändelser och vegetationens störning. Genom att kombinera all data kan AI-algoritmer hjälpa till att förutsäga skogsbränder genom kontinuerligt lärande. AI-teknik kan dessutom möjliggöra hantering av brandbekämpningsutrustning och patrullfordon med videokameror.

För ett år sedan började ett forskarteam från Aalto-universitetet i Finland utveckla en AI-modell kallad FireCNN som kan förutsäga spridningen av skogsbränder. Modellen tränas på satellitbilder och väderdata som registrerats mellan 2002 och 2019 för att identifiera högriskområden. FireCNN analyserar 31 variabler, inklusive faktorer som vegetation och marktäcke.

Det finns dock en brist på AI-algoritmer som kan korrelera all tillgänglig data samt realistiska modelleringsmetoder som passar behoven i olika landskap världen över.

Enligt en ny studie kan en ny modell exakt förutsäga spridningen av skogsbränder. Modellen kombinerar satellitbilder och AI för att erbjuda ett betydande framsteg inom brandhantering och nödsituationer.

Studien, finansierad av NASA, Army Research Office och Viterbi CURVE-programmet, utfördes av forskare vid USC och publicerades i Earth System Science Data.

Under denna nya modell utnyttjas satellitdata för att spåra skogsbrändernas utveckling i realtid. Informationen matas in i en sofistikerad datoralgoritm som kan exakt förutsäga brandens sannolika bana samt dess intensitet och tillväxthastighet.

“Denna modell representerar ett viktigt steg framåt i vår förmåga att bekämpa skogsbränder. Genom att erbjuda mer exakt och snabb data stärker vårt verktyg insatserna från brandmän och evakueringsgrupper som bekämpar skogsbränder på frontlinjen.

– Bryan Shaddy, medförfattare till studien och doktorand vid USC Viterbi School of Engineering

Studien började med att samla in historisk data från högupplösta satellitbilder. Därefter, genom beteendeanalys av tidigare skogsbränder, spårade forskarna hur branden startade, spred sig och så småningom släcktes.

Denna noggranna studie avslöjade mönster som påverkas av faktorer såsom terräng, väder och bränsle, som träd och buskar.

Forskarna tränade sedan en generativ AI-driven modell för att simulera hur dessa faktorer påverkar skogsbrändernas utveckling över tid. Modellen tränades sedan för att känna igen mönster i satellitbilderna som matchade brandens spridning i deras modell.

Modellen kallas ett villkorligt Wasserstein Generative Adversarial Network eller cWGAN, som redan har testats på fyra verkliga skogsbränder i Kalifornien under två år, mellan 2020 och 2022, för att se hur effektiv den är i att förutsäga brandens spridning. Tränad med WRF-SFIRE-simuleringar används cWGAN för att beräkna brandens ankomsttid från satellitens aktiva branddata.

Resultaten från cWGAN var imponerande. Tränad på enkel data under idealiska förhållanden, såsom envägsvind och plan terräng, presterade modellen väl i verkliga skogsbränder i Kalifornien.

Modellens framgång tillskrivs användningen av AI-modellen tillsammans med satellitbilder, vilket gav faktiska branddata istället för att enbart förlita sig på modellen.

Det har dock inte varit enkelt. Studien medförfattare Assad Oberai, professor i rymd- och maskinteknik vid USC Viterbi, uttalade att modellering av skogsbränder var bland de mest utmanande på grund av deras “komplexa processer”.

Inte bara bränsle, såsom träd och buskar, antänds, vilket leder till komplexa kemiska reaktioner, producerar värme och vindströmmar, utan även väder och topografi påverkar brandens beteende. Assad sade:

“Detta är mycket komplexa, kaotiska och icke-linjära processer. För att modellera dem exakt måste du ta hänsyn till alla dessa olika faktorer. Du behöver avancerad datorkraft.”

Förbättrad data för AI-modeller

Förutom framsteg inom AI-teknik förbättras även data för att träna dessa modeller genom att täcka hundratals ytterligare faktorer som påverkar antändning och spridning av brand. Detta kommer att hjälpa viltförvaltare och forskare att göra mer exakta förutsägelser om var och när skogsbränder kan inträffa.

Nyligen har Fire Program Analysis Fire-Occurrence Database (FPA FOD), som är den mest omfattande källan till data om georefererade brandantändningar i USA, förbättrats avsevärt. Först utvecklad 2013 av US Forest Service har modellen uppdaterats fem gånger. Den samlar brandrapporter från lokala, statliga och federala enheter med ansvar för brandskydd och rapportering.

Modellen innehåller grundläggande information såsom antändningsplats, upptäcktsdatum och storleken på den slutliga skogsbranden. Den reviderade databasen kommer dock att omfatta ännu fler sociala och miljömässiga faktorer. Enligt Erica Fleishman, professor vid Oregon State University:

“Det finns ett enormt intresse för vad som möjliggör brandantändningar och vad som kan göras för att förhindra dem. Denna databas ökar möjligheten att få tillgång till relevant information och bidra till beredskap och förebyggande av skogsbränder.”

Denna förbättrade databas kommer inte bara att hjälpa brandmän och förvaltare på marken att bekämpa branden, utan kan också hjälpa till att bedöma kortsiktig risk för elnätet. Elbolag kan fatta mer informerade beslut om att genomföra en offentlig säkerhetsavstängning av el. Dessutom kan markförvaltningsmyndigheter besluta om de bör begränsa tillgången till offentliga områden under vissa tider på året.

Enligt Fleishman styrs många policyer av känslor snarare än en omfattande evidensbas. Databasen presenterar “ett sätt att öka den objektiva evidensen att beakta när man fattar sådana beslut,” sade hon.

Publicerad i tidskriften Earth System Science Data, forskningen som beskriver databasen stöddes av Joint Fire Science Program. Den redogjorde för biologiska, sociala och fysiska egenskaper för att få en förbättrad förståelse av skogsbränder samt förutsägelser.

Totalt lade forskarteamet, som inkluderade Fleishman, som leder Oregon Climate Change Research Institute, och leddes av Mojtaba Sadegh och Yavar Pourmohamad, en lektor respektive doktorand vid Boise State University, till nästan 270 ytterligare attribut. Nu innehåller databasen information om 2,3 miljoner bränder i USA från 1992 till 2020.

I den reviderade databasen har varje skogsbrand nu fysiska attribut såsom väder, klimat, topografi och infrastruktur; biologiska attribut som vegetationsindex och marktäckning; administrativa attribut som omfattar nationell och regional beredskapsnivå samt jurisdiktion; och sociala attribut inklusive socialt sårbarhetsindex och befolkningstäthet.

Den sjätte versionen av FPA FOD förstärktes ytterligare med sammanfattande statistik inom en tidsmässig och rumslig buffert kring antändningspunkten samt vegetationsindex som erhållits månadsvis från satelliter under ett år före antändningen. “Denna rika, tabulära datamängd kan användas i en mängd hypotesdrivna eller datautforskningsapplikationer,” sade studien.

En så massiv databas kommer att hjälpa till att ge en betydligt djupare förståelse för den individuella och sammansatta påverkan av attributen på brandantändningar och storlek, sade Pourmohamad och tillade:

“Den identifierar också de ojämlika effekterna av skogsbränder på olika mänskliga populationer och ekosystem, vilket i sin tur kan informera insatser för att minska ojämlikheter.”

Databasen kan också integreras i AI- och maskininlärningsmodeller som förklarar faktorerna bakom tidigare bränder, sannolikheten för framtida bränder och effekterna av framtida bränder. Hon sade:

“Det är fantastiskt vad du kan dra för slutsatser när du har den beräkningskapacitet och så mycket information. Du kan ställa många frågor som informerar olika åtgärder på olika platser och för att förstå vad som är förknippat med brandantändningar och brandeffekter.”

Avslutande tankar

Vildmarker såsom skogar eller gräsmarker är avgörande för mänskligt välstånd. De motverkar nämligen klimatförändringar genom att lagra kol, bevara djurlivets livsmiljöer och stärka landskapets motståndskraft. Dessa vildmarker har alltid varit utsatta för skogsbränder, men under de senaste decennierna har de ökat så mycket att skogsbränder har blivit ett hot.

Dessa massiva, oplanerade bränder härjar över land över hela världen och kräver en bättre förståelse, bedömning och analys av tidigare bränder, deras framgångsrika förebyggande och mildrande strategier för att inte bara förhindra skogsbränder utan också förbättra brandplanering, respons, anpassning, kostnadseffektiv lindring och begränsning av de negativa effekterna.

Som vi nämnde ovan förbättrar myndigheter ständigt databaser, som sedan kan integreras i AI-modeller för att förklara brandrisker och deras framtida effekter. Dessa vältestade AI-modeller kan sedan användas i kombination med satellitbilder för att exakt förutsäga och förhindra framtida skogsbränder. På så sätt kan vi skydda våra vildmarker, bevara biologisk mångfald och berika liv för framtida generationer.

Klicka här för att lära dig allt om att investera i artificiell intelligens.