南加州大学的科学家利用人工智能预测野火的下一步动向

南加州大学的研究人员开发出一种新方法，可以准确预测野火蔓延。通过结合卫星图像和人工智能，他们的模型有望为野火管理和应急响应带来突破。

《地球系统人工智能》杂志发表的一项早期研究证明详细说明了USC 模型使用卫星数据实时跟踪野火的进展，然后将这些信息输入到复杂的计算机算法中，该算法可以准确预测火灾的可能路径、强度和增长率。

这项研究是在加州和美国西部大部分地区继续应对日益严重的野火季节之际进行的。多起火灾在风、干旱和极端高温的危险组合下肆虐全州。其中，湖火是今年该州最大的野火，已经烧毁了圣巴巴拉县38,000 多英亩的土地。

“该模型代表着我们在扑灭野火方面迈出了重要一步，”南加州大学维特比工程学院航空航天与机械工程系博士生、该研究的通讯作者Bryan Shaddy表示。“通过提供更精确、更及时的数据，我们的工具增强了消防员和疏散队伍在前线扑灭野火的努力。”

研究人员首先从高分辨率卫星图像中收集历史野火数据。通过仔细研究过去野火的行为，研究人员能够追踪每场火灾是如何开始、蔓延并最终得到控制的。他们的综合分析揭示了受天气、燃料（例如树木、灌木丛等）和地形等不同因素影响的模式。

然后，他们训练了一个生成式人工智能计算机模型，即条件 Wasserstein 生成对抗网络 (cWGAN)，以模拟这些因素如何影响野火随时间的发展。他们教该模型识别卫星图像中的模式，这些模式与模型中野火的蔓延方式相匹配。

然后，他们在 2020 年至 2022 年期间加州发生的真实野火上测试了 cWGAN 模型，以了解它对火势蔓延位置的预测准确程度。

“通过研究过去火灾的表现，我们可以创建一个模型来预测未来火灾的蔓延方式，”休斯教授、南加州大学维特比分校航空航天与机械工程教授、该研究的共同作者阿萨德·奥贝莱 (Assad Oberai)说。

Oberai 和 Shaddy 对 cWGAN 印象深刻，该模型最初是在平坦地形和单向风等理想条件下使用简单的模拟数据进行训练的，但在对加州真实野火的测试中表现良好。他们将这一成功归因于 cWGAN 与来自卫星图像的实际野火数据结合使用，而不是单独使用。

Oberai 的研究重点是开发计算机模型，以了解各种现象背后的物理原理。他模拟了从飞机机翼上的湍流到传染病以及细胞如何在肿瘤内繁殖并与周围环境相互作用等各种现象。Oberai 指出，在他模拟的所有现象中，野火是最具挑战性的现象之一。

“野火涉及复杂的过程，草、灌木或树木等燃料被点燃，引发复杂的化学反应，产生热量和风流。地形和天气等因素也会影响火灾行为——在潮湿的条件下，火灾不会蔓延太多，但在干燥的条件下会迅速蔓延，”他说。“这些都是高度复杂、混乱和非线性的过程。要准确地对它们进行建模，你需要考虑所有这些不同的因素。你需要先进的计算。”