人工智能:國外學生用機器學習預測森林火災

人工智能:國外學生用機器學習預測森林火災

每當我有機會,我就會拿起相機,花上幾個小時捕捉大盆地紅木州立公園的完美美景。這是我多年來最喜歡的消遣。巨型紅杉,這是世界上最大的單一樹木和數量最大的生物,總能幫助我理解我們與比我們更大的事物的聯繫。

在去年,那些高聳的樹木被野火燒成了灰燼。 2017年是加利福尼亞州有史以來最具破壞性的野火季節,超過9,000場火災燃燒了約2,200平方英里的森林。看著百年古樹破壞,我向自己提出了一個挑戰,尋找解決方案來阻止這種巨大的損失。

人工智能:國外學生用機器學習預測森林火災

當我15歲時,我開辦了一個非營利組織Raindrop US,以幫助提高對加州乾旱的認識。我還在我的學校蒙塔維斯塔高中創建了“綠色社會”,以提高對全球變暖的認識。去年四月在這個社會的會議上,我開始與朋友和同學Sanjana Shah合作,為野火預防創造一個永久的解決方案。 Sanjana分享我對環境問題的熱情,並在環境領域獲得多項國內和國際獎項,其中包括2016年的美國總統獎。

我們決定開發一種能夠識別和預測易受野火影響的森林地區的設備,並向消防部門提供預警。可用的工具測量大部分造成野火的因素,如風速,風向,溼度,溫度。然而,由多年下降的樹枝和樹木所產生的生物量,難以估計和測量。使用Google的開源機器學習工具TensorFlow,我們可以分析生物質圖像並估計其含水量和大小,以確定死燃料的數量。

人工智能:國外學生用機器學習預測森林火災

當森林中倒下的樹枝和葉子的含水量為0%時,它被歸類為死燃料。當燃料含水量較高時,火焰不易點燃,或者完全不點燃,因為大部分火焰的熱能會耗盡,試圖蒸發並驅動工廠中的水分燃燒。當燃料含水量低時,火焰更容易發生並迅速傳播,因為所有熱能直接進入燃燒的火焰本身。

我們的智能野火傳感器設備可用於傳感器網絡,無需消防人員到森林地區實地訪問,以收集死燃料樣品並手動分類。它也能夠預測在100平方米粒度級別的森林中發生野火的可能性。對生物量積累的完美估計可能會極大地阻礙這些火災蔓延的速度和兇狠程度,從而降低與之鬥爭的成本並保護家庭和生命。

人工智能:國外學生用機器學習預測森林火災

去年夏天,機器識別並捕獲積聚在森林地面上的死燃料的圖像,對我們是一個重大挑戰。在三個縣的消防隊的幫助下,我們在最有可能發生火災的森林中,捕獲收集必要的圖像來訓練機器學習模型。我們計劃在今年夏天使用地面和空中無人機進一步測試我們的設備,以在野火易發區捕獲更多生物量圖像,以進一步提高我們的預測精度。

即使在破壞性的野火中,我們決心防止巨型紅杉樹遭到破壞。我們決心充分有效地使用高分辨率相機和TensorFlow等可用機器學習工具來精確預測和防止我們最寶貴的性質不可挽回的損失。


分享到:


相關文章: