Ketika kebakaran hutan terjadi, perbedaan antara kobaran api yang terkendali dan lingkungan yang hancur sering kali diukur dalam hitungan menit. Konstelasi baru satelit yang dilengkapi AI, bersama dengan jaringan kamera pintar yang semakin berkembang, mulai menutup kesenjangan tersebut – mendeteksi kebakaran sebelum ada yang menghubungi 911.
Laporan yang diterbitkan pada hari Senin oleh Guardian dan Climate Central merinci bagaimana tiga satelit FireSat pertama, yang dibawa ke orbit oleh roket SpaceX pada bulan Juli, merupakan bagian awal dari jaringan 50 satelit yang direncanakan dan dibangun semata-mata untuk mendeteksi kebakaran hutan ketika ukurannya masih cukup kecil untuk dipadamkan. For more context on this story, see our ongoing AI news.
FireSat: Konstelasi yang Dibangun untuk Api
Satelit pengamat cuaca dan bumi yang ada saat ini dapat mendeteksi kebakaran besar, namun sering kali tidak memiliki resolusi atau terlalu jarang mengunjungi lokasi yang sama sehingga tidak dapat mendeteksi kebakaran kecil segera setelah terjadi kebakaran. FireSat dirancang untuk mengisi kesenjangan tersebut: sistem ini dibuat untuk mendeteksi kebakaran sekecil api unggun di pantai, dan setelah konstelasi penuh diterapkan, untuk memindai setiap titik di Bumi kira-kira setiap 20 menit.
Satelit tersebut menggunakan sensor inframerah dan kecerdasan buatan untuk mencari panas yang dapat menandakan kebakaran hutan baru. Sistem ini membandingkan gambar-gambar baru dengan gambar-gambar sebelumnya dan memperhitungkan faktor-faktor seperti kondisi cuaca dan sumber panas di sekitar sebelum mengirimkan peringatan kepada petugas tanggap darurat – sebuah pendekatan yang dirancang untuk mengidentifikasi kebakaran hutan nyata sekaligus mengurangi alarm palsu.
Jaringan Darat Pano AI
Di pegunungan sebelah barat Denver, para teknisi baru-baru ini memanjat menara seluler setinggi 150 kaki untuk memeriksa sepasang kamera pendeteksi kebakaran hutan yang dibuat oleh Pano AI, sebuah perusahaan rintisan di San Francisco yang telah memasang lebih dari 1.400 kamera di 17 negara bagian. Kamera terus memindai lanskap dari menara dan puncak gunung sementara kecerdasan buatan meninjau setiap gambar — mencari asap di siang hari dan tanda panas setelah gelap.
“Algoritme AI dijalankan terus-menerus pada citra tersebut untuk menyatakan 'asap, bukan asap,'” kata salah satu pendiri Pano AI, Arvind Satyam, kepada Climate Central. “Pada malam hari, kami melihat tanda-tanda panas, jadi panas versus dingin. Lalu kami dapat memperbesar dan memvalidasi bahwa ini adalah potensi timbulnya kebakaran.”
Jika sistem mendeteksi kemungkinan kebakaran, manusia analis akan meninjau gambar tersebut sebelum memberikan peringatan kepada lembaga pemadam kebakaran – sebuah proses yang seringkali hanya memakan waktu beberapa menit.
Petugas pemadam kebakaran mengatakan bahwa start awal itu penting. “Memiliki mata yang dapat mengingatkan kita jauh sebelum kemungkinan adanya panggilan 911 menjadikannya alat yang berharga bagi kami,” kata Brendan Finnegan, asisten kepala West Metro Fire Rescue dekat Denver.
Sistem California Menangkap Setengah dari Kebakaran Sebelum 911
California telah membangun salah satu jaringan kamera terbesar di negaranya melalui Alert California, sebuah sistem yang terdiri lebih dari 1.200 kamera yang digunakan oleh Cal Fire. Chief Phillip SeLegue mengatakan jaringan tersebut sekarang mendeteksi sekitar setengah dari seluruh kebakaran hutan sebelum ada yang menelepon 911.
Kebakaran baru-baru ini di dekat Fresno terlihat sekitar 20 menit sebelum panggilan darurat pertama sampai ke petugas operator. Petugas pemadam kebakaran merespons dengan cepat dan menjaga agar api tidak membesar. “Di Cal Fire, salah satu misi kami adalah memadamkan 95% kebakaran di lahan seluas 10 hektar atau kurang,” kata SeLegue. “Sistem ini membantu kami mencapai tujuan tersebut.”
Jaringan deteksi telah mendapatkan kepercayaan dari komandan insiden. “Kami cukup percaya bahwa ketika kami menerima deteksi itu, kami sudah memulai proses pengiriman sumber daya ke sana,” kata SeLegue.
Mengapa Menit Penting
Kebakaran hutan telah menjadi salah satu bencana alam paling merusak di Amerika Serikat. Menurut Climate Central, beberapa wilayah di Amerika Serikat bagian barat sekarang mengalami cuaca kebakaran sekitar dua bulan lebih lama setiap tahun dibandingkan pada tahun 1970an – yang merupakan konsekuensi dari kenaikan suhu, kekeringan yang berkepanjangan, dan lebih seringnya cuaca panas, kering, dan berangin.
Kebakaran di Spokane, Washington, pada musim panas ini – termasuk kebakaran di Old Trails yang menghanguskan lingkungan pada bulan Agustus – adalah pengingat terbaru bahwa deteksi kebakaran hutan sama pentingnya dengan lokasi permulaannya.
Satelit dan kamera darat dirancang untuk bekerja sama: kamera hanya dapat melihat lanskap di depannya, sementara satelit dapat mengamati hamparan luas hutan terpencil, pegunungan, dan padang rumput di mana tidak ada kamera dan seringkali tidak ada orang yang melaporkan kebakaran. Jika digabungkan, data-data tersebut akan memberikan gambaran yang lebih cepat dan lengkap kepada petugas pemadam kebakaran mengenai asal mula kebakaran.
Kebakaran yang terdeteksi dengan cepat dan padam ketika masih kecil jarang menjadi berita utama – dan hal inilah yang sedang diupayakan oleh petugas pemadam kebakaran. “Kebakaran yang sistem ini bantu kami kirimkan sumber dayanya adalah kebakaran yang tidak Anda baca di surat kabar,” kata SeLegue. "Yang tidak kamu lihat."
Pedoman yang Memperluas AI dalam Respons Bencana
Pengembangan deteksi kebakaran hutan adalah bagian dari tren yang lebih luas dalam penerapan sistem AI untuk menghadapi bencana alam, mulai dari prakiraan jalur topan hingga pemetaan banjir. Yang membedakan lapisan pendeteksi kebakaran adalah loop tertutupnya: data satelit dan kamera mengalir melalui pengklasifikasi pembelajaran mesin, divalidasi oleh analis manusia dalam hitungan menit, dan memicu keputusan pengiriman — terkadang sebelum manusia menyadari adanya asap di cakrawala.
Bagi lembaga layanan darurat, kondisi perekonomian juga menarik. Jaringan kamera dan langganan data satelit memerlukan biaya yang jauh lebih sedikit dibandingkan biaya pemadaman kebakaran hutan besar, dan sistemnya akan semakin baik seiring dengan semakin banyaknya citra yang terkumpul. Dengan konstelasi FireSat yang masih beberapa tahun lagi sebelum penerapan penuh, keuntungan jangka pendek akan datang dari lapangan: Pano AI dan Alert California memperluas jangkauan mereka, dan badan pemadam kebakaran di negara bagian lain sedang mempelajari model California.
Kombinasi cakupan orbit dan validasi di permukaan tanah menunjukkan masa depan di mana pertanyaannya bukan lagi apakah kebakaran dilaporkan, tetapi berapa menit setelah penyalaan mesin pertama mulai menyala.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
