利用机器学习和新数据收集工具的结合，预测和定位野火

近日一场森林大火摧毁了美国加州，它迫使洛杉矶西部和东部大约数万居民撤离。许多人希望利用AI来预测或确定火灾位置和蔓延路径。但机器学习和新数据收集工具的结合是否可以提前警告消防员火灾，帮助应急人员更有效地撤离地区，甚至挽救生命，这仍需很长的时间来进行探索检验。

今年加州的野火已经蔓延了数十万英亩，当地居民被迫疏散，迅速蔓延的火势已致数十人死亡，超过300人下落不明。

野火已经烧毁了上万座建筑物，成为该州现代历史上毁灭性最强、规模最大的火灾。

但如果早先发现致命火灾的苗头，并且官员能够给予更多关注，一些居民可能已经能够避免陷入如此困境，甚至可能避免死亡。

那么，技术能在多大程度上帮助自动检测甚至预测野火呢？计算机科学家们和研究人员都希望相关技术能够进一步发展。

利用机器学习和新数据收集工具的结合，预测和定位野火

根据加州相关部门的政府官员Jim Crawford的说法，在近年来野火情况愈发糟糕的情况下，早期检测是关键，他曾有过26年的消防员生涯。

消防机构大多发现的火灾是通过接到911电话才得知，当地时间11月8日早上6点29分首次报道了这起火灾，但当地消防部门表示并不知道这场大火到底燃烧了多长时间，因为它始于一个难以找到的区域。

消防机构还摄像监控着整个加州，包括那些未开放的湾区山顶。专家说，有些摄像机是由检测算法和卫星辅助的，但系统不是很实时，分辨率可能更好。

圣何塞州立大学气象与气候科学系火灾天气研究实验室副教授Craig Clements说：“许多人正在研究如何使用人工智能来确定火灾位置和蔓延路径。”

GOES-15

例如，地球同步运行环境卫星（GOES）的早期火灾探测系统是加州大学戴维斯分校空间技术与遥感中心（CSTARS）和美国林务局之间的合作。它使用国家海洋和大气管理局的气象卫星和火灾探测算法。

CSTARS的科学家Alex Koltunov拥有博士学位。过去几年来，他一直在远程传感方面研究和制定系统的算法——编程规则以执行或计算某些任务，其目标是优化数据处理，实现更早地发现火灾位置。

他和他的同事一直在使用GOES-15，这是一颗于2010年发射的卫星，使用过去的图像和其他州的火灾报告进行测试，以帮助微调算法。他希望有一天能够应用来自GOES -16和GOES-17的数据。Koltunov说，在过去几年中发射的这些卫星，可以“每5分钟或每分钟一次”提供高分辨率的图像。高分辨率的图像可以帮助消防员更快、更准确地检测到野火的位置。

在火灾恶化的情况下，目前没有一种方法能成为万灵药

Alex Koltunov是加州大学戴维斯分校的研究人员，他设计的算法解析了气象卫星的数据以标记可能发生的火灾。然而，他表示尽管近年来技术驱动的火灾探测方法取得了巨大进步，但并没有达到真正理想的效果。

“每种方法都有其局限性，”他说，“数据有多好？有些检测到的却是后院的篝火和烧烤。”

专家和消防员一致认为沟通是关键，最好的火灾探测系统优先考虑所有相关方之间的数据共享，无论是人类、算法、政府机构还是其他相关人员。

有时，所谓的技术突破只是针对消费者进行更新的项目而已。一位加州消防队员称，该州最有价值的灭火工具之一其实是不起眼的手机，它可以让普通人在发现火灾时拨打紧急服务电话。

与此同时，弗吉尼亚州NASA Goddard的一名计算机工程师测试了一种神经网络：一种用于模拟人类大脑的机器学习工具，可以使用MODIS探测野火，MODIS是一种基于卫星的系统，可拍摄地球照片并传输用于天气预报等事项的数据。研究人员希望该系统最终可以实现野火的自动检测。

他在一次电话采访中表示，他发现该系统使用了来自世界各地的一年的火灾数据，在检测火灾方面准确率接近98％。他希望未来将以用于火灾探测为唯一目的的廉价卫星发送到太空，并将其与“非常适合检测模式”的神经网络相结合，但这一模式的实现可能需要数年时间。