EPagi itu, petugas pemadam kebakaran California menghabiskan pagi hari dengan melihat prakiraan cuaca hari itu dalam kaitannya dengan kebakaran hutan: kapan angin akan berubah arah, seberapa kering tanah, dan berbagai faktor lain yang dapat menyebabkan atau menyebarkan kebakaran akan mengetahui unsur-unsurnya.
Rutinitas terkini telah menambahkan langkah tambahan untuk memeriksa opini mesin.
“Jika kita mengetahui aktivitas kebakaran meningkat atau cuaca kebakaran meningkat di suatu wilayah, kita dapat menggunakan (program dengan AI) untuk memverifikasi bahwa ya, wilayah tersebut berwarna ungu. Artinya tingkat kewaspadaan tertinggi,” Dirjen kata Philip Selig. .
Jika AI menyetujui hal ini, “setiap respons yang kami lakukan akan memperkuat respons tersebut dengan sumber daya tambahan.”
Bagaimana AI dapat mengubah operasi pemadaman kebakaran secara dramatis sudah terlihat jelas dalam respons terhadap kebakaran hutan. Pada awal Juli, Selig sedang memadamkan api di Hutan Nasional Los Padres di utara Los Angeles.
Bertahun-tahun yang lalu, ketika panggilan 911 datang untuk melaporkan kebakaran yang mulai atau menyebar, para analis akan “dengan panik mencoba memprediksi jalurnya untuk masuk ke sana dan mengekstrak semua atribut yang berbeda. Bagaimana? Seperti apa cuacanya?” kata SeLegue , mengutip enam faktor berbeda. Ini memakan waktu “beberapa jam hingga beberapa jam”, tergantung pada orang yang bertanggung jawab.
Sekarang seluruh proses sudah otomatis. Setelah panggilan 911, SeLegue mengatakan, prediksi AI dihasilkan dalam “sekitar 18 hingga 20 detik” dan laporan baru dibuat berdasarkan permintaan tanpa batas.
“Saya mungkin menggunakannya 12 hingga 14 kali pagi ini,” katanya suatu hari dari kebakaran Los Padres.
Setelah musim kebakaran hutan yang dahsyat dalam beberapa tahun terakhir, terdapat tekanan untuk tetap selangkah lebih maju dalam mengatasi kebakaran. Memprediksi penyebaran kebakaran menjadi semakin penting, namun memprediksi sebelumnya kapan kebakaran besar akan terjadi juga menjadi semakin sulit.
Pertama, Anda perlu mengetahui seberapa banyak tumbuhan mudah terbakar yang terdapat pada lahan yang luas, dan kedua, seberapa kering lahan tersebut. Faktor ketiga dan yang paling sulit diprediksi adalah percikan api. Ini bisa jadi buatan manusia, seperti puntung rokok atau sambaran petir. Selain itu, semua data harus dihitung ulang setiap hari seiring perubahan ramalan cuaca.
Manusia bisa melakukan ini. Namun AI tampaknya mampu melakukannya dengan lebih baik, dengan mencerna kumpulan data yang sangat besar dan memprediksi kebakaran hutan dengan cukup akurat hingga seminggu atau bahkan 10 hari sebelum kebakaran terjadi.
“Anda tidak dapat menjalankan algoritma umum untuk melakukan analisis semacam ini. Jumlah datanya sangat besar… memerlukan lebih banyak daya,” kata Adrian Caldir.
Tuan Cardil adalah seorang ilmuwan di Technosylva. Technosylva menyediakan program berbasis AI yang digunakan oleh SeLegue di California, serta versi serupa di negara bagian AS lainnya, termasuk Chili, Spanyol, dan Belanda.
Timnya pertama-tama perlu mendapatkan gambaran akurat tentang semak dan hutan California. Lidar, sensor beresolusi sangat tinggi yang dioperasikan oleh pesawat dan drone, menyediakan peta 3D seluas ribuan hektar dengan sebanyak 500 titik data per meter persegi. “Sungguh menakjubkan,” kata Cardil. “Kamu juga bisa melihat dedaunan musim gugur.”
AI telah memetakan 60-70% wilayah negara bagian yang tersisa. Menganalisis lahan yang ditunjukkan oleh LIDAR membantu mereka memahami jenis vegetasi apa yang ada di tempat lain, namun hanya pada gambar berkualitas rendah. TechnoSilva kemudian menggunakan proses validasi yang ketat untuk memastikan AI melakukannya dengan benar.
Dari sana, mereka dapat menggabungkan data cuaca dan menjalankan model setiap hari untuk menghitung kelembapan vegetasi, kata Cardil. “Tumbuhan kering mempermudah terjadinya kebakaran dan penyebaran api.”
Pekerjaan Technosylva adalah bagian dari gelombang baru pemodelan kebakaran di seluruh dunia yang memanfaatkan AI dan menggunakan tiga elemen yang sama: bahan bakar, cuaca, dan pengapian, namun pendekatan setiap proyek berbeda. Banyak di antaranya yang belum beroperasi, namun pembuatnya memperkirakan akan bisa beroperasi dalam dua tahun ke depan.
Misalnya, Badan Pemadam Kebakaran AS ditugaskan untuk memelihara peta bahan bakar Amerika Serikat dengan ukuran 30 kali 30 meter, seukuran dua lapangan basket.
Dengan menggunakan citra AI dan Google Earth, sebuah proyek dapat mencapai resolusi hingga puluhan sentimeter, memungkinkan para ilmuwan untuk mencatat tanah kosong dan bebatuan di antara tanaman yang berfungsi sebagai alat pemadam kebakaran alami Masu.
“Bahkan jika itu hanya segumpal rumput, kita memerlukan informasi beresolusi tinggi mengenai pola spasialnya,” kata Marsekal Pemadam Kebakaran Greg Dillon.
“Dan semakin banyak data yang Anda peroleh, semakin Anda memerlukan pembelajaran mesin dan pengklasifikasi tipe AI untuk memahaminya.”
Faktor ketiga, pengapian, menyebabkan masalah lain karena alasan yang jelas. “Salah satu hal yang paling sulit diprediksi adalah kebakaran yang disebabkan oleh sambaran petir,” kata Piyush Jain, ilmuwan pemerintah Kanada.
Banyak ilmuwan, termasuk beberapa lembaga federal AS seperti NASA, National Oceanic and Atmospheric Administration (NOAA), dan Badan Pemadam Kebakaran AS, serta akademisi dan perusahaan swasta di sekitarnya, sedang melakukan eksperimen untuk memprediksi petir menggunakan AI. dunia.
Banyak dari proyek mereka meminta mesin untuk memproses catatan cuaca selama bertahun-tahun, bahkan puluhan tahun, untuk menemukan petunjuk tentang tren yang terkait dengan sambaran petir.
Misalnya, salah satu model berbasis AI NOAA memperkirakan petir akan terjadi di seluruh Amerika Serikat dalam satu jam ke depan. Atas dasar tersebut, kami membangun proyek baru yang bertujuan untuk memprediksi petir yang berisiko menimbulkan kebakaran hutan, terutama petir “kering” yang tidak disertai hujan.
Model Dinas Pemadam Kebakaran menggunakan model statistik berdasarkan data petir per jam selama 25 tahun untuk memprediksi sambaran petir yang memicu kebakaran satu minggu sebelumnya di setiap wilayah seluas 20 kilometer persegi di Amerika Serikat. Ini adalah tugas pemrosesan data yang besar. Sekali lagi, hal ini dimungkinkan oleh AI.
Namun, salah satu proyek prediksi kebakaran paling ambisius di dunia telah meninggalkan gagasan untuk berfokus pada satu faktor risiko dan malah memperluas cakupannya ke seluruh dunia, menguji batas-batas AI dalam prosesnya. Para ilmuwan di Pusat Prakiraan Cuaca Jangka Menengah Eropa (ECMWF) memperkirakan terjadinya kebakaran hutan di mana pun di Bumi sekitar seminggu sebelumnya.
Saat bekerja pada skala ini, mereka menghindari pemetaan vegetasi di permukaan tanah. Hal ini karena tidak konsisten di seluruh dunia. Sebagai gantinya, mereka mengambil peta klasifikasi lahan dasar yang menunjukkan, misalnya, apakah suatu kawasan hijau atau sabana, dan memasukkan data satelit yang mengukur Co ke dalam program AI.2 tingkat di udara.
“Ini…akan memberi tahu kita seberapa aktif vegetasi tersebut,” kata peneliti ECMWF Joe McNaughton. Dengan kata lain, ini mengukur serapan karbon dan memperkirakan berapa banyak bahan bakar yang dapat dibakar di suatu wilayah.
Program mereka juga memasukkan data cuaca satelit global, dan AI dilatih untuk mencari kebakaran besar yang dapat dideteksi oleh satelit. Kini, sistem ini menghasilkan prakiraan kebakaran hutan global sekali sehari selama 10 hari ke depan dengan resolusi 9 km mengelilingi bumi. Bahkan yang mengejutkan penciptanya, tampaknya obat ini efektif melawan kategori kebakaran terbesar ini. Kebakaran hutan tahun lalu di Kanada diperkirakan terjadi 10 hari sebelumnya, kata McNaughton.
Selig dari California mengatakan dia belum mengetahui secara detail peran apa yang akan dimainkan oleh AI, namun dia tidak perlu mengetahuinya. “Itu sudah ada di dalamnya,” katanya sambil mengangkat bahu. Namun yang lebih penting, jelas: “Akurasi telah meningkat,” katanya.
