Специалисты разрабатывают систему моделирования развития лесных пожаров

НаукаНаука

Пожарные отдыхают

Специалисты Исследовательского центра в сфере искусственного интеллекта на базе «Сколтеха» разрабатывают систему моделирования возникновения и развития лесных пожаров. Как это поможет МЧС и с какими трудностями столкнулись ученые?

Елена Туева

Прошедшим летом в Рязанской области бушевали беспрецедентные лесные пожары. Введенный в связи с этим режим ЧС отменили только в сентябре. Фото: Игорь Иванко

Рязань, Иркутск, Республика Саха (Якутия) — где только не полыхали пожары минувшим летом. Понятно, что моделирование их возникновения и развития — один из актуальнейших вопросов на экологической повестке дня. Почему эта задача до сих пор не была решена? «Тут много сложностей,— отвечает Дмитрий Шадрин, научный сотрудник исследовательского центра „Сколтеха“.— Во-первых, нужно понимать, какие данные, в частности про пожар, несут наиболее важную информацию, а какие менее важны, от каких можно отказаться, от каких — нет. Это большая исследовательская работа. Во-вторых, данные, необходимые для прогнозирования пожаров, очень разнородные даже по своему разрешению: некоторые можно получить с точностью до 1 км и выше, другие, например погодные, даже при разрешении 10 км могут быть недостаточно достоверными. Все их нужно „привести к общему знаменателю“ — тоже задачка не из легких. К тому же нужно обучить искусственный интеллект».

«В качестве алгоритма мы использовали сверточные нейронные сети,— продолжает ученый.— Они позволяют работать с изображениями и выявлять определенные признаки и характеристики, а также прогнозировать динамику развития событий. Для прогноза пожаров они идеально подходят. На вход сверточной нейронной сети подаются изображения, представляющие определенные наборы пространственных характеристик. На входе необходимы два типа данных — статические признаки перед началом пожара и динамические во время развития пожара, которые ежедневно обновляются. Источники статических данных очень разнородные. Так, сведения о характеристиках растительного покрова, а именно индексе листовой поверхности, доле поглощенной ФА-радиации (фотосинтетически активная радиация — часть доходящей до биоценозов солнечной радиации, используемая растениями для фотосинтеза) и NDVI (normalized difference vegetation index, нормализованный вегетационный индекс) предоставляют спутники». «Высоту над уровнем моря мы получаем из цифровых карт рельефа,— рассказывает Дмитрий Шадрин.— Близость к дорогам и населенным пунктам — это данные ОSМ (OpenStreet Map — географическая карта мира, которую бесплатно создают пользователи интернета)».

Среди ключевых признаков, влияющих на распространение пожара,— тип растительности («Еловый лес горит лучше, чем смешанный»,— говорит Дмитрий Шадрин), плотность населения и плотность дорог. Для прогнозирования пожаров важны также динамические признаки — дневная и ночная температура, направление ветра, влажность, количество осадков — все эти погодные характеристики существенным образом влияют на распространение огня.

Для получения прогноза с использованием этих данных нужно обучить модель. Для этого необходимы сведения о пожарах, которые когда-то уже случились, причем сведения подробные, с информацией о том, как пожар развивался на определенной территории при известных погодных и других условиях, в том числе куда и как долго он продвигался, и все это с конкретными координатами. Данные должны быть верифицированы, то есть зафиксированы либо находившимися в этом районе людьми, либо изображениями со спутников. «Чем точнее описаны происшедшие пожары, тем лучше мы сможем обучить модель. Чем больше качественных данных, тем точнее будет прогноз»,— подчеркивает Дмитрий Шадрин.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Открыть в приложении