IA pour prévoir les incendies de forêt
Des chercheurs de l’USC ont développé une nouvelle technique pour prédire avec précision la propagation des incendies de forêt. En intégrant les images satellites avec l’intelligence artificielle, leur modèle représente un progrès significatif dans la gestion des incendies et la réponse d’urgence.
Décrit dans une étude préliminaire publiée dans Artificial Intelligence for the Earth Systems, le modèle de l’USC utilise les données satellites pour suivre en temps réel la progression d’un incendie. Ces données sont ensuite intégrées dans un algorithme informatique sophistiqué qui prédit le chemin probable, l’intensité et le taux de croissance du feu.
Cette étude est particulièrement opportune, alors que la Californie et une grande partie de l’ouest des États-Unis font face à une saison des incendies de plus en plus sévère. De nombreux incendies, alimentés par un mélange dangereux de vent, de sécheresse et de chaleur extrême, ravagent l’État. Notamment, le Lake Fire, le plus grand incendie de l’année en Californie, a déjà brûlé plus de 38 000 acres dans le comté de Santa Barbara.
Bryan Shaddy sur l’impact du nouveau modèle de gestion des incendies de forêt
« Ce modèle représente un avancement significatif dans notre capacité à gérer les incendies de forêt, » a déclaré Bryan Shaddy, doctorant au Département d’aérospatiale et de génie mécanique de l’USC Viterbi School of Engineering et auteur principal de l’étude. « En fournissant des données plus précises et opportunes, notre outil renforce les efforts des pompiers et des équipes d’évacuation qui travaillent au contrôle des incendies sur le terrain. »
Les chercheurs ont d’abord collecté des données historiques sur les incendies à partir d’images satellites haute résolution. En analysant le comportement des incendies passés, ils ont suivi comment chaque feu a commencé, s’est propagé et a été finalement contenu. Cette analyse approfondie a révélé des schémas influencés par des facteurs tels que la météo, les sources de combustible (par exemple, les arbres, les broussailles) et le terrain.
Ensuite, ils ont entraîné un modèle d’IA générative appelé Réseau Adversarial Génératif de Wasserstein Conditionnel (cWGAN) pour simuler l’impact de ces facteurs sur le développement des incendies au fil du temps. Ils ont appris au modèle à identifier les schémas dans les images satellites correspondant aux modèles de propagation des incendies observés dans leur étude.
Évaluation du modèle cWGAN sur les incendies de forêt réels en Californie (2020-2022)
Ils ont ensuite évalué le modèle cWGAN en utilisant de réels incendies de forêt survenus en Californie entre 2020 et 2022 pour vérifier son exactitude dans la prédiction de la propagation du feu.
« En examinant le comportement des incendies passés, nous pouvons développer un modèle qui prévoit comment les futurs incendies pourraient se propager, » a expliqué Assad Oberai, professeur Hughes et professeur de génie aérospatial et mécanique à USC Viterbi et coauteur de l’étude.
Oberai et Shaddy ont été impressionnés par la performance du cWGAN, initialement entraîné avec des données simulées simplifiées dans des conditions idéales telles qu’un terrain plat et un vent unidirectionnel, lorsqu’il a été testé sur de véritables incendies de forêt en Californie. Ils attribuent ce succès à l’utilisation des données réelles d’incendies de forêt issues des images satellites, plutôt que de se fier uniquement aux données simulées.
Oberai, dont les recherches portent sur la création de modèles informatiques pour comprendre la physique de divers phénomènes, a modélisé tout, des flux d’air turbulents autour des ailes d’avions aux maladies infectieuses et aux interactions cellulaires au sein des tumeurs. Parmi tous ces modèles, il trouve les incendies de forêt particulièrement difficiles.
Défis clés et besoins en modélisation
« Les incendies de forêt impliquent des processus complexes : le combustible comme l’herbe, les buissons ou les arbres s’enflamme, déclenchant des réactions chimiques complexes qui produisent de la chaleur et des courants d’air. De plus, des facteurs tels que la topographie et la météo influencent le comportement du feu : les incendies se propagent moins dans des conditions humides mais peuvent avancer rapidement en conditions sèches, » a-t-il expliqué. « Ces processus sont extrêmement complexes, chaotiques et non linéaires. Une modélisation précise nécessite de prendre en compte toutes ces variables, ce qui exige des capacités de calcul avancées. »
Les coauteurs supplémentaires incluent l’étudiante de premier cycle Valentina Calaza du Département de génie aérospatial et mécanique à USC Viterbi ; Deep Ray de l’Université du Maryland, College Park (anciennement étudiant postdoctoral à USC Viterbi) ; Angel Farguell et Adam Kochanski de l’Université d’État de San Jose ; Jan Mandel de l’Université du Colorado, Denver ; James Haley et Kyle Hilburn de l’Université d’État du Colorado, Fort Collins ; et Derek Mallia de l’Université de l’Utah.
Lire l’article original sur : TechXplore
En savoir plus : AI Accurately Decodes Speech from Brain Activity
