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?
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.