۸ فناوری نوظهور برای کاهش ریسک حریق های جنگلی
به گزارش بیست و یکم، پیشرفت های فناورانه ابزارهای نوینی را در اختیار مدیران بحران قرار می دهند تا از نگاههای واکنشی و بعد از وقوع آتشسوزی در مناطق جنگلی فاصله بگیرند و بسمت مدلهای پیش دستانه حرکت کنند.
به گزارش بیست و یکم به نقل از مهر، حریق های جنگلی در سالهای اخیر با شدتی بی سابقه، فراوانی فزاینده و دامنه ای گسترده تر از گذشته رخ می دهند و الان به یکی از جدی ترین تهدیدهای زیست محیطی، اقتصادی و اجتماعی جهان تبدیل گشته اند. تغییرات اقلیمی با افزایش میانگین دما، کاهش رطوبت نسبی، افزایش دوره های خشکسالی و دگرگونی الگوهای باد، زمینه های مساعدی برای توسعه آتش در مناطق جنگلی بوجود آورده اند. از طرفی، رشد سکونتگاه های انسانی در مرز جنگلها، میزان خسارت پذیری و پیچیدگی مدیریت بحران را چند برابر کرده است. مجموعه این عوامل نه فقط شدت و سرعت گسترش آتش سوزی را افزایش داده بلکه ظرفیت روش های سنتی تشخیص، پایش و مهار آتش را هم محدود کرده و نیاز به تحول اساسی در رویکرد های مدیریت ریسک را برجسته تر ساخته است. در چنین شرایطی، پیشرفت های فناورانه طیفی از ابزارهای نوین را در اختیار مدیران بحران، سازمان های آتش نشانی و سیاست گذاران قرار می دهند تا از رویکرد های واکنشی و بعد از وقوع حادثه فاصله بگیرند و به سوی مدلهای پیش دستانه، داده محور و هوشمند حرکت کنند. این تحول شامل استفاده از کلان داده ها، الگوریتم های پیشبینی مبتنی بر هوش مصنوعی، سنجش ازدور ماهواره ای، رادارهای نفوذکننده در دود، شبکه های سنسوری یکپارچه و تحلیل رفتار انسانی است. گزارشگر مهر در این نوشتار کوتاه با بررسی ۸ فناوری نوظهور که قابلیت بازطراحی مدیریت ریسک حریق های جنگلی را دارند، بررسی می کند که چطور ترکیب داده های چند منبعی، تحلیل های پیشرفته و سیستم های خودکار نظارتی، می تواند چارچوب های موجود مواجهه با آتش سوزی را از یک الگوی واکنشی به سازوکاری کاملا پیش نگرانه، هوشمند و مبتنی بر تصمیم گیری سریع ارتقا دهد.
کشف حریق از فضا؛ ماهواره هایی که زودتر از دیگران می بینند
سنجش ازدور ماهواره ای با کمک الگوریتم های تشخیص الگوی مبتنی بر هوش مصنوعی حالا به یکی از دقیق ترین ابزارهای کشف سریع حریق تبدیل گشته است. بعنوان نمونه، شرکت آلمانی «OroraTech» با بهره گیری از ماهواره های کوچک در مدار لئو، تصاویر حرارتی شبانه روزی دریافت می کند؛ قابلیتی که در شرایطی مانند شب یا پوشش ابر که پهپادها کارآیی کمتری دارند، اهمیت فراوانی می یابد. این فناوری در حریق های شیلی و منطقه آلبرتای کانادا نقش مؤثری بازی کرده و توانسته است شعله ها را در مناطق دورافتاده قبل از گسترش وسیع شناسایی کند. الگوریتم های این سامانه علاوه بر تشخیص آتش، عوامل محیطی همچون پوشش گیاهی و رطوبت را هم تحلیل می کنند تا اولویت بندی دقیقی برای تخصیص منابع در عملیات اطفای آتش سوزی عرضه شود. شرکت «OroraTech» در نظر دارد شبکه ماهواره ای خویش را توسعه دهد تا در آینده پوشش جهانی لحظه به لحظه عرضه نماید.
نقشه های هوشمند ریسک؛ دقت ۸۰ درصدی پیشبینی آتش سوزی در ترکیه
پروژه «FireAId» در ترکیه یکی از نمونه های موفق کاربرد یادگیری ماشین در پیشبینی ریسک حریق مناطق جنگلی محسوب می شود. این سامانه با تحلیل داده های تاریخی، اقلیمی و جغرافیایی، وقوع حریق را با دقت حدود ۸۰ درصد و تا ۲۴ ساعت قبل از شروع پیشبینی می کند. این پروژه با مشارکت برخی شکت های فناوری و نهادهای جهانی مانند مایکروسافت، گوگل و ناسا اجرا می شود و هدف آن ایجاد زیرساختی برای تبادل دانش و توسعه ابزارهای نوآورانه همچون استفاده از پهپادها در پیشبینی و پایش آتش سوزی است. به عقیده کارشناسان، پروژه «FireAId» الگویی جهانی برای استفاده از هوش مصنوعی در آمادگی پیش دستانه تلقی می شود.
شبکه دوربین های پایش وضعیت؛ چشم های همیشه بیدار
برنامه «ALERTCalifornia» دانشگاه سن دیگو در آمریکا با استقرار بالاتر از هزار دوربین پایش گر، شبکه ای بی سابقه از داده های زنده بوجود آورده است. این سامانه نه فقط حریق ها بلکه سیلاب، طوفان و سایر مخاطرات طبیعی را هم در منطقه پایش می کند. طبق گزارش های پخش شده، این برنامه با هدف تقویت آمادگی و تاب آوری ایالت کالیفرنیا طراحی شده و علاوه بر پایش لحظه ای، داده هایی طولی درباره ی کیفیت هوا، آب، خاک و دستاوردهای طولانی مدت حوادث گردآوری می کند. برآوردهای صورت صورت گرفته نشان میدهد که این داده ها ابزار قدرتمندی برای تصمیم گیری سیاست گذاران، مدیریت بحران و افزایش آگاهی عمومی فراهم می آورد.
هم افزایی دانش بومی و تحلیل های مکانی برای برنامه ریزی پیش دستانه
علاوه بر موارد ذکر شده، ترکیب یادگیری ماشین با مدلهای آماری جدید، مدیریت حریق را وارد مرحله ای دقیق تر کرده است. بر همین اساس، ابزارهایی چون «شاخص سختی سرکوب» (Suppression Difficulty Index) و «شاخص محدودیت های عملیاتی بالقوه» (Potential Operational Delineations) با جمع آوری داده های مکانی و تجارب محلی، امکان برنامه ریزی عملیات کنترل آتش را قبل از وقوع حادثه فراهم می کنند. شاخص محدودیت های عملیاتی بالقوه با قراردادن لایه های مختلف تحلیلی روی نقشه های محلی، خطوط کنترل و سناریوهای عملیاتی را از پیش مشخص می کند. در شرایط پرتنش که تصمیم گیری مبتنی بر شهود دشوار است، این ابزار به نیروهای آتش نشانی کمک می نماید که تصمیم هایی دقیق تر، سریع تر و کم خطاتر اتخاذ کنند.
تحلیل رفتار مردم در زمان تخلیه اضطراری با داده های جی پی اس
محققان دانشگاه فلوریدا و دانشگاه کانتربری، در جهت مدیریت بحران در هنگام وقوع حریق جنگلی، ابزار جدیدی توسعه داده اند که رفتار مردم را در زمان تخلیه اضطراری مناطق گرفتار آتشسوزی، بر پایه داده های جی پی اس تحلیل می کند. این سامانه نشان میدهد مردم چه زمانی تصمیم به تخلیه منطقه می گیرند، از چه مسیرهایی حرکت می کنند و چه اشخاصی هشدارهای رسمی را نادیده می گیرند. بررسی های صورت گرفته نشان میدهد که ترکیب داده های مکانی با تحلیل های کیفی، درک عمیقی از الگوهای رفتاری شهروندان فراهم می آورد و به مدیران بحران امکان می دهد راهبردهای دقیق تری برای اطلاع رسانی، تخصیص منابع و مدیریت مسیرهای خروج طراحی نمایند. این رویکرد در سایر بلایا همچون سیل و طوفان هم قابل استفاده می باشد.
رادار دیافراگم مصنوعی؛ آگاهی محیطی در دود و تاریکی
رادار دیافراگم مصنوعی یا «SAR» فناوری قدرتمندی است که محدودیت های سنجش گرهای نوری را در شرایط دود، شب یا پوشش ابر مرتفع می کند. پژوهش های دانشگاه ایالتی اوهایو نشان میدهد رادار دیافراگم مصنوعی می تواند داده های خیلی دقیق و لحظه ای از وضعیت زمین، کم و کیف باد و شرایط محیطی عرضه کند و همین مورد تأثیر شایان توجهی در مدیریت و بهبود اطفای آتش سوزی مناطق جنگلی دارد. برمبنای گزرارش های پخش شده، این فناوری امکان پیشبینی رفتار آتش، شناسایی نقاط پرریسک و طراحی الگوهای هشدار سریع را بطور مداوم فراهم می سازد. از همین روی، ادغام رادار دیافراگم مصنوعی با مدلهای پیشبینی می تواند یکی از ستون های اصلی سیستم های آینده مدیریت حریق باشد.
رادار داپلر متحرک؛ دید سه بعدی در دل دود
گروهی از محققان دانشگاه موناش استرالیا، به منظور مواجهه با آتش سوزی مناطق جنگلی، رادار داپلر قابل حملی توسعه داده اند که می تواند حرکات ذرات خاکستر، بادهای پیشبینی نشده و الگوهای جابه جایی آتش را در دود شناسایی کند. طبق اعلام توسعه دهندگان، این ابزار فناورانه مشابه سیستم های هواشناسی است که برای شرایط آتش سوزی بهینه سازی شده است. گزارش ها از آن حکایت می کند که اثربخشی این ابزار در آزمایش های میدانی در مناطق غربی استرالیا آزموده شده است. برعکس ماهواره ها یا رادارهای ثابت که با محدودیت زاویه دید یا تأخیر زمانی مواجهند، این رادار متحرک امکان تحلیل لحظه ای رفتار آتش را فراهم می آورد. نهادهای فعال در عرصه محیط زیست و آتش نشانی امیدوار دارند طی چند سال آینده از این فنآوری در عملیات اطفای آتش سوزی خود بهره برداری کنند.
پهپادها و سنسورهای زمینی؛ شناسایی آتش قبل از دیده شدن دود
سرانجام، پژوهشگران دانشگاه کالیفرنیا دیویس، یک رویکرد یکپارچه مبتنی بر سنسورهای زمینی و پهپادها توسعه داده اند که شرایط محیطی مانند دما، رطوبت و سرعت باد را به شکل مداوم پایش می کند. بر همین اساس، زمانیکه شرایط به سوی خطر حرکت می کند، پهپادهای مجهز به دوربین و سنسورهای شیمیایی به شکل خودکار به پرواز درمی آیند. این سیستم قبل از آن که دود قابل مشاهده شود، آتش سوزی را شناسایی می کند و به نیروهای عملیاتی فرصت می دهد زودتر وارد عمل شوند. از همین روی، به عقیده خیلی از کارشناسان، هم افزایی سنسورهای زمینی، پهپادها و سیستم های ارتباطی می تواند زیرساختی برای هشدارهای خیلی سریع ایجاد نماید.
آینده مدیریت آتش سوزی مناطق جنگلی، فناوری های هوشمند و همکاری جهانی
نمونه های معرفی شده نشان میدهد مدیریت حریق درحال گذار از رویکرد های سنتی واکنشی به سازوکاری مبتنی بر تحلیل داده، پیشبینی و اقدام پیش دستانه است. این تحول تنها یک روند فناورانه نیست، بلکه بازتابی از تغییر پارادایم جهانی در مدیریت بلایای طبیعی است؛ جایی که سرعت پردازش داده، توان پیشبینی رخدادهای پیچیده و امکان اقدام سریع، به مؤلفه های اصلی موفقیت در مدیریت بحران تبدیل گشته اند. گسترش زیرساخت های پایش لحظه ای، توسعه مدلهای ترکیبی هوش مصنوعی و تقویت همکاریهای علمی فراملی، ظرفیت کشورها را در ایجاد یک شبکه جهانی هشدار سریع افزایش می دهد؛ شبکه ای که می تواند داده هایی از ماهواره ها، سنسورهای زمینی، رادارها، پهپادها و سیستم های تحلیلی را به شکل یکپارچه پردازش کند و تصویری دقیق از وضعیت حریق عرضه نماید. در کنار بعد فناورانه، این تحولات دستاوردهای راهبردی هم دارند. نخست آن که کشورهای دارای زیرساخت های پیشرفته تر در پیشبینی و مهار حریق، توان بیشتری برای صیانت از زیست بوم ها و زیرساخت های حیاتی خواهند داشت. از طرفی، تصمیم گیری مبتنی بر داده، هزینه های مدیریت بحران را کاهش داده و بهره وری عملیاتی را بیشتر می کند. سوم آن که این فناوری ها مسیر را برای مشارکت فعال جوامع محلی، سازمان های مردم نهاد و بخش خصوصی باز می کنند و امکان طراحی راهکارهای محلی متناسب با نیازهای اکولوژیک و اجتماعی هر منطقه را فراهم می سازند. سرانجام، می توان نتیجه گرفت که در برخورد با شدت گرفتن تغییرات اقلیمی، پذیرش و توسعه این فناوری ها ضرورتی اجتناب ناپذیر است. شرایط جوی متغیر، افزایش پدیده هایی مانند امواج گرما، کاهش بارش و گسترش مناطق خشک، باعث شده حریق ها سریع تر شروع شوند و با شتاب بیشتری گسترش یابند. بدین سبب کشورها و نهادهای مدیریت بحران باید با استفاده از سیستم های اخطار سریع، ابزارهای تحلیل رفتاری، سنسورهای چندمنبعی، پهپادهای خودکار و مدلهای پیشبینی مبتنی بر یادگیری ماشین، تاب آوری خویش را بالا برند. این مجموعه ابزارها به سیاست گذاران و مدیران بحران امکان می دهد که نه فقط در لحظه واکنش نشان دهند، بلکه قبل از وقوع حادثه سناریوهای محتمل را ارزیابی و راهبردهای مناسب را طراحی نمایند.
حرف آخر اینکه این سامانه نشان میدهد مردم چه زمانی تصمیم به تخلیه منطقه می گیرند، از چه مسیرهایی حرکت می کنند و چه افرادی هشدارهای رسمی را نادیده می گیرند. گزارش ها از آن حکایت می کند که اثربخشی این ابزار در آزمایش های میدانی در مناطق غربی استرالیا آزموده شده است. بر همین اساس، زمانیکه شرایط به سمت خطر حرکت می کند، پهپادهای مجهز به دوربین و حسگرهای شیمیایی بشکل خودکار به پرواز درمی آیند.
منبع: 21th.ir
این مطلب بیست و یکم را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان قرن بیست و یکم در مورد این مطلب