在 2019 年破壞性的加利福尼亞野火之后，美國政府組建了一個白宮執(zhí)行論壇，以制定更好的方法來保護國家和關(guān)鍵基礎(chǔ)設施(如電網(wǎng))免受野火和其他災害的影響。僅在 2020 年，美國就有超過 1030 萬英畝的土地被燒毀，是 1990-2000 年 10 年平均水平的三倍。

在滅火成本、直接和間接成本中，2020 年的野火給美國造成的損失高達 1700 億美元。加上洪水、颶風和其他自然災害，災難對美國人的生計造成的損失是天文數(shù)字。

由 RADR 從猶他州潘圭奇以南的猛犸火中評估的圖像。鮮紅色區(qū)域表示活躍的火鋒，而紫色表示陰燃區(qū)域。(圖片：太平洋西北國家實驗室)

安德烈·科爾曼和他的研究小組在 西北太平洋國家實驗室(PNNL) 是部分 一五財團，一組政府，工業(yè)界和學術(shù)界致力于減輕使用技術(shù)自然災害的影響的專家。Coleman 和團隊正在擴展 PNNL 的 災難響應快速分析 (RADR) 圖像分析和建模套件，以減輕對關(guān)鍵能源基礎(chǔ)設施的破壞。Coleman 和團隊結(jié)合使用圖像捕捉技術(shù)(衛(wèi)星、機載和無人機圖像)、人工智能 (AI) 和云計算，不僅可以評估損壞，還可以預測損壞。

準確預測自然災害(野火、洪水、颶風、風暴、龍卷風和地震)的移動可以讓急救人員迅速采取措施減少損失，進行高級資源規(guī)劃，并增加基礎(chǔ)設施恢復時間。例如，如果火勢蔓延到變電站或其他電網(wǎng)基礎(chǔ)設施，整個社區(qū)——家庭、企業(yè)和學校——將經(jīng)歷停電，可能需要數(shù)天才能恢復。

美國能源部 (DOE) 人工智能和技術(shù)辦公室代理主任帕梅拉·伊索姆 (Pamela Isom) 表示：“這是應用人工智能來減少野火影響、保護能源基礎(chǔ)設施并最終挽救生命的令人興奮和及時的努力。” “這項工作有可能改變我們預期的一個非常具有挑戰(zhàn)性的野火季節(jié)。這是幾個合作伙伴之間非常富有成效的合作，包括我們在國防部聯(lián)合人工智能中心、國土安全部和 PNNL 的同事。”

自 2014 年以來，Coleman 和團隊一直在使用這些技術(shù)。該項目最初是從創(chuàng)建變化檢測算法開始的，該算法分析不同類型的衛(wèi)星圖像并確定風暴后景觀中的變化。當局通常在地面團隊介入之前使用該工具快速評估自然災害的物理損壞影響。該工具的第一次迭代在 2016 年颶風季節(jié)期間用于評估颶風損壞并確定能源基礎(chǔ)設施——電網(wǎng)、石油和天然氣設施——已損壞或處于危險之中。

總體而言，RADR 分析產(chǎn)品帶來了價值，但 Coleman 和團隊認識到有機會擴展工具的功能并尋求改進 RADR 響應時間、損害評估、可見性、預測能力和數(shù)據(jù)可訪問性。

為了提高及時性和地面評估，該團隊合并了新的和不同的圖像源。RADR 可以從具有不同傳感能力的各種衛(wèi)星中提取圖像，包括作為開放數(shù)據(jù)提供的國內(nèi)和國際政府衛(wèi)星以及通過《國際災難憲章》提供的商業(yè)衛(wèi)星。擁有多個頭頂圖像源可將響應時間縮短到幾個小時，關(guān)鍵限制是頭頂圖像的延遲，或者圖像被收集和可用于分析之間的時間。收到圖像后，RADR 軟件可以在 10 多分鐘內(nèi)生成分析。

為了穿透野火煙霧和云層，該團隊向 RADR 添加了紅外圖像。新功能提供了以前無法獲得的更清晰的景觀視圖，為響應者提供了諸如關(guān)鍵基礎(chǔ)設施損壞或安全位置等信息，以進行救援工作，否則響應者可能不知道這些信息。

該團隊還整合了來自社交媒體的公開可用和眾包圖像。通常在災難中，Twitter、Flickr 和 Instagram 等社交媒體網(wǎng)絡會提供大量實時數(shù)據(jù)，因為用戶會發(fā)布周圍發(fā)生的事情的圖片。通過將頭頂圖像與地面圖像配對，團隊可以提供更完整的評估。例如，衛(wèi)星圖像可能會顯示發(fā)電資源、電力線或電網(wǎng)的損壞情況;然而，地面圖像可能另有說明。該工具獲取所有這些圖像，去除多余的圖像，并將圖像縫合在一起，以提供更準確的條件變化視圖。

與任何計算模型一樣，它的好壞取決于數(shù)據(jù)。添加的圖像源為 RADR 解釋提供了額外的數(shù)據(jù)，從而提高了準確性。為了預測野火的可能結(jié)果，該團隊將圖像分析與天氣、燃料和預報數(shù)據(jù)相結(jié)合。例如，風、植被和任何火災可以消耗的所有因素都會影響火災的規(guī)模和方向。通過將圖像與燃料數(shù)據(jù)和野火模型相結(jié)合，該團隊希望能夠準確預測火災的路徑。

當然，評估需要掌握在合適的人手中。協(xié)調(diào)響應需要地方、區(qū)域和國家資源，每個資源位于不同的位置，但需要以易于訪問和解釋的格式盡快提供數(shù)據(jù)，尤其是在數(shù)據(jù)通信受限的環(huán)境中?；谠频南到y(tǒng)提供端到端的管道，用于檢索可用圖像、處理分析和傳播直接在用戶自己的軟件中使用的數(shù)據(jù)，通過桌面 Web 瀏覽器和/或通過移動應用程序。添加的可視化分析生成的圖像和數(shù)據(jù)集可以很容易地被廣大響應者識別。

近年來，野火、洪水和其他極端天氣事件的發(fā)生頻率和嚴重程度都有所增加。Coleman 和團隊希望，至少 RADR 的附加功能將為響應者提供信息，這些信息可用于做出明智的決策、減少或計劃對關(guān)鍵能源基礎(chǔ)設施的破壞、計劃救援工作和拯救生命。

標簽： 人工智能