När en löpeld antänds mäts skillnaden mellan en innesluten brand och ett förstört område ofta i minuter. En ny konstellation av AI-utrustade satelliter, tillsammans med ett växande marknätverk av smarta kameror, börjar täppa till det gapet – upptäcka bränder innan någon ringer 911.
Rapportering som publicerades i måndags av Guardian och Climate Central beskriver hur de tre första FireSat-satelliterna, som fördes in i omloppsbana av en SpaceX-raket i juli, utgör den första delen av ett planerat nätverk av 50 satelliter byggda enbart för att upptäcka skogsbränder medan de fortfarande är små nog att stoppa. For more context on this story, see our ongoing AI news.
FireSat: En konstellation byggd för eld
Befintliga väder- och jordobservationssatelliter kan upptäcka stora bränder, men de saknar ofta upplösningen eller besöker samma plats för sällan för att fånga små bränder kort efter antändning. FireSat är designat för att fylla exakt det gapet: systemet är byggt för att upptäcka bränder så små som en strandbrasa, och när hela konstellationen är utplacerad, skanna varje punkt på jorden ungefär var 20:e minut.
Satelliterna använder infraröda sensorer och artificiell intelligens för att söka efter värme som kan signalera en ny skogsbrand. Systemet jämför nya bilder med tidigare och tar hänsyn till faktorer som väderförhållanden och närliggande värmekällor innan det skickar varningar till räddningspersonal - ett tillvägagångssätt som är utformat för att identifiera verkliga skogsbränder samtidigt som falsklarm minskar.
Pano AI:s marknätverk
I bergen väster om Denver klättrade tekniker nyligen upp i ett 150-fots celltorn för att inspektera ett par kameror för upptäckande av vildbrand byggda av Pano AI, en startup i San Francisco som har installerat mer än 1 400 kameror i 17 delstater. Kamerorna skannar kontinuerligt landskapet från torn och bergstoppar medan artificiell intelligens granskar varje bild – söker efter rök under dagen och värmesignaturer efter mörkrets inbrott.
"AI-algoritmerna körs kontinuerligt på det bilden för att säga "rök, inte rök", säger Arvind Satyam, grundare av Pano AI, till Climate Central. "På natten tittar vi på värmesignaturer, så värme kontra kyla. Och sedan kan vi zooma in och validera att det är en potentiell brandstart."
Om systemet upptäcker en möjlig brand, granskar en mänsklig analytiker bilderna innan en varning går till brandkåren - en process som ofta bara tar några minuter.
Brandmän säger att försprång är viktigt. "Att ha de ögon som kan varna oss i god tid före eventuellt ett 911-samtal gör det till ett värdefullt verktyg för oss", säger Brendan Finnegan, biträdande chef för West Metro Fire Rescue nära Denver.
Kaliforniens system fångar hälften av bränderna före 911
Kalifornien har byggt ett av de största kameranätverken i landet genom Alert California, ett system med mer än 1 200 kameror som används av Cal Fire. Chefen Phillip SeLegue sa att nätverket nu upptäcker ungefär hälften av alla skogsbränder innan någon ringer 911.
En nyligen inträffad brand nära Fresno upptäcktes ungefär 20 minuter innan det första nödsamtal nådde utsändare. Räddningstjänsten reagerade snabbt och hindrade branden från att öka. "På Cal Fire är ett av våra uppdrag att undertrycka 95% av våra bränder på 10 hektar eller mindre," sa SeLegue. "Det här systemet hjälper oss att uppnå det målet."
Detektionsnätverket har förtjänat förtroende från incidentchefer. "Vi litar tillräckligt på det för att när vi får den upptäckten börjar vi redan processen att skicka resurser till den," sa SeLegue.
Varför minuter är viktiga
Skogsbränder har blivit en av de mest destruktiva naturkatastroferna i USA. Enligt Climate Central upplever vissa delar av västra USA nu ungefär två månader till av eldväder varje år än de gjorde på 1970-talet - en konsekvens av stigande temperaturer, långvarig torka och mer frekventa sträckor av varmt, torrt och blåsigt väder.
Bränderna i Spokane, Washington, i somras - inklusive Old Trails-branden som brände stadsdelar i augusti - är den senaste påminnelsen om att när en löpeld upptäcks kan vara lika viktig som var den börjar.
Satelliter och markkameror är designade för att fungera tillsammans: kameror kan bara se landskapen framför dem, medan satelliter kan se vidsträckta sträckor av avlägsna skogar, berg och gräsmarker där det inte finns några kameror och ofta inga människor som kan rapportera en brand. Tillsammans ger de brandmännen en snabbare och mer komplett bild av var bränderna börjar.
En brand som upptäcks snabbt och släcks medan den fortfarande är liten skapar sällan rubriker - vilket är just resultatet brandmännen arbetar mot. "De bränder som det här systemet har hjälpt oss att skicka resurser till är de bränder du inte läser om i tidningarna," sa SeLegue. "De du inte ser."
En expanderande handbok för AI i katastrofrespons
Utbyggnaden av skogsbrandsdetektering är en del av en bredare trend av AI-system som används mot naturkatastrofer, från cyklonvägsprognoser till översvämningskartläggning. Det som utmärker branddetekteringsskiktet är dess slutna slinga: satellit- och kameradata flödar genom maskininlärningsklassificerare, valideras av mänskliga analytiker på några minuter och utlöser ett sändningsbeslut - ibland innan någon människa har märkt rök vid horisonten.
För räddningstjänsten är också ekonomin övertygande. Kameranätverk och satellitdataabonnemang kostar en bråkdel av vad en enskild stor skogsbrand förbrukar i utgifter för undertryckande, och systemen förbättras när fler bilder ackumuleras. Med FireSat-konstellationen fortfarande år från full utbyggnad, kommer de kortsiktiga vinsterna att komma från marken: Pano AI och Alert California utökar båda sina fotavtryck, och brandmyndigheter i andra stater studerar Kalifornien-modellen.
Kombinationen av orbitaltäckning och marknära validering pekar mot en framtid där frågan inte längre är om en brand rapporteras, utan hur många minuter efter tändning den första motorn börjar rulla.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
