Después de los destructivos incendios forestales de California de 2019, el gobierno de EE. UU. organizó un foro ejecutivo de la Casa Blanca para desarrollar mejores formas de proteger la nación y la infraestructura clave, como la red eléctrica, de incendios forestales y otros desastres. Solo en 2020, más de 10,3 millones de acres quemados en los Estados Unidos, un nivel tres veces superior al promedio decenal de 1990-2000. Entre los costos de extinción de incendios, costos directos e indirectos, Los incendios forestales en 2020 le costaron a Estados Unidos más de $ 170 mil millones. Agregue inundaciones, huracanes y otros desastres naturales, y el costo de los desastres en los medios de vida de los estadounidenses es astronómico.

Andre Coleman y su equipo de investigadores del Pacific Northwest National Laboratory (PNNL) son parte del First Five Consortium, un grupo de gobierno, industria, y expertos del mundo académico comprometidos con la reducción del impacto de los desastres naturales mediante el uso de la tecnología. Coleman y su equipo están ampliando la suite operativa de análisis de imágenes y modelado Rapid Analytics for Disaster Response (RADR) de PNNL para mitigar los daños a la infraestructura energética clave. Usando una combinación de tecnología de captura de imágenes (satélite, aerotransportado, e imágenes de drones), inteligencia artificial (IA), y computación en la nube, Coleman y el equipo trabajan no solo para evaluar los daños, sino también para predecirlos.

Pronosticar con precisión el movimiento de desastres naturales:incendios forestales, inundaciones huracanes tormentas de viento, tornados, y terremotos:da un salto a los socorristas, permitiéndoles tomar medidas para reducir los daños, realizar una planificación avanzada de recursos, y aumentar el tiempo de restauración de la infraestructura. Por ejemplo, Si un incendio alcanza una subestación eléctrica u otra infraestructura de red, toda una comunidad:hogares, negocios y escuelas — sufriría un corte de energía que podría tardar días en restaurarse.

"Este es un esfuerzo emocionante y oportuno para aplicar la inteligencia artificial para reducir el impacto de los incendios forestales, proteger la infraestructura energética, y finalmente salvar vidas, "dijo Pamela Isom, director interino de la Oficina de Tecnología e Inteligencia Artificial del Departamento de Energía de EE. UU. (DOE). "El trabajo tiene el potencial de marcar la diferencia en lo que esperamos será una temporada de incendios forestales muy desafiante. Esta ha sido una colaboración muy productiva entre varios socios, incluidos nuestros colegas del Centro Conjunto de Inteligencia Artificial del Departamento de Defensa, Departamento de Seguridad Nacional, y en PNNL ".

Desde 2014, Coleman y su equipo han estado trabajando con estas tecnologías. El proyecto comenzó originalmente con la creación de un algoritmo de detección de cambios, que analiza diferentes tipos de imágenes de satélite y determina qué cambió en el paisaje después de una tormenta. Las autoridades utilizan la herramienta para evaluar rápidamente el impacto del daño físico de los desastres naturales, a menudo antes de que los equipos terrestres puedan ingresar. La primera versión de la herramienta se utilizó durante la temporada de huracanes de 2016 para evaluar los daños causados ​​por los huracanes y determinar si la infraestructura energética (red eléctrica, petróleo, e instalaciones de gas — resultó dañado o en riesgo.

En general, Los productos analíticos RADR aportan valor, pero Coleman y el equipo reconocen oportunidades para expandir la funcionalidad de las herramientas y buscan mejorar el tiempo de respuesta de RADR, evaluación de daños, visibilidad, capacidad de predicción, y accesibilidad de datos.

Para mejorar la puntualidad y las evaluaciones a nivel del suelo, el equipo incorporó nuevas y diferentes fuentes de imágenes. RADR puede extraer imágenes de una variedad de satélites con diferentes capacidades de detección, incluidos los satélites gubernamentales nacionales e internacionales que se ofrecen como datos abiertos, así como los satélites comerciales que están disponibles a través de la Carta Internacional de Desastres. Tener múltiples fuentes de imágenes aéreas mejora el tiempo de respuesta a solo unas pocas horas con la limitación clave que es la latencia de las imágenes aéreas, o el tiempo entre la recopilación de imágenes y su disponibilidad para su análisis. Una vez que se reciben las imágenes, el software RADR puede generar un análisis en poco más de 10 minutos.

Para mirar a través del humo de los incendios forestales y la cubierta de nubes, el equipo agregó imágenes infrarrojas a RADR. La nueva capacidad proporciona una vista más clara del paisaje que antes no estaba disponible, Brindar a los socorristas información, como daños a la infraestructura clave o un lugar seguro, para organizar los esfuerzos de socorro que, de otro modo, los socorristas podrían no haber tenido conocimiento.

El equipo también está integrando imágenes disponibles públicamente y de colaboración colectiva de las redes sociales. A menudo en un desastre, redes sociales como Twitter, Flickr, e Instagram ofrecen una gran cantidad de datos en tiempo real a medida que los usuarios publican imágenes de lo que sucede a su alrededor. Al combinar imágenes aéreas con imágenes en el suelo, el equipo puede proporcionar una evaluación más completa. Imágenes de satélite, por ejemplo, puede mostrar daño a un recurso de generación, líneas eléctricas, o la red eléctrica; sin embargo, las imágenes terrestres pueden indicar lo contrario. La herramienta toma todas estas imágenes, elimina los redundantes, y cose las imágenes para proporcionar una vista más precisa de las condiciones cambiantes.

Como con cualquier modelo computacional, es tan bueno como los datos. Las fuentes de imágenes agregadas proporcionan datos adicionales para que RADR los interprete, mejorando la precisión. Para predecir los posibles resultados de un incendio forestal, el equipo está combinando el análisis de imágenes con el clima, combustible, y datos de pronóstico. Por ejemplo, viento, vegetación, y cualquier cosa que un incendio pueda consumir, todo factor en el tamaño de un incendio y la dirección que toma. Al combinar imágenes con datos de combustible y modelos de incendios forestales, el equipo espera poder predecir con precisión el camino que tomará un incendio.

Por supuesto, las evaluaciones deben estar en las manos adecuadas. Coordinar una respuesta requiere locales, regional, y recursos nacionales, cada uno en diferentes ubicaciones, pero necesitando los datos lo más rápido posible en un formato que se pueda acceder e interpretar fácilmente, particularmente en un entorno restringido de comunicación de datos. Un sistema basado en la nube proporciona una canalización de un extremo a otro para recuperar las imágenes disponibles, procesar la analítica, y difundir datos para utilizarlos directamente en el propio software del usuario, a través de navegadores web de escritorio, y / o mediante aplicaciones móviles. Los análisis visuales agregados producen imágenes y conjuntos de datos que pueden ser fácilmente discernibles para una amplia audiencia de respondedores.

Los últimos años han traído un aumento en la frecuencia y severidad de los incendios forestales, inundaciones y otros fenómenos meteorológicos extremos. Coleman y el equipo esperan que, al menos, las capacidades adicionales de RADR brinden a los socorristas información que pueda usarse para tomar decisiones informadas. reducir o planificar daños a la infraestructura energética clave, planificar los esfuerzos de socorro, y salvar vidas.