Как можно использовать ИИ для

предотвращения наводнений, лесных пожаров

и других стихийных бедствий?
Бедствия, вызванные стихийными бедствиями, растут и усиливаются, отражая непосредственную
реальность изменения климата и создавая постоянно растущий гуманитарный кризис.

К счастью, новые технологии могут помочь обнаружить экстремальные погодные условия и другие
угрозы и подготовиться к ним, а также эффективно информировать людей и сообщества о
необходимых действиях.

«Мы все подвержены стихийным бедствиям, и в будущем ситуация будет только ухудшаться», —
сказал Юрг . Лютербахер , директор по науке и инновациям Всемирной метеорологической
организации (ВМО), на недавнем вебинаре «ИИ во благо». «Мы должны действовать в
соответствии с ними».

ВМО вместе с Международным союзом электросвязи (МСЭ) и Программой Организации

Объединенных Наций по окружающей среде (ЮНЕП) приступила к изучению возможностей
искусственного интеллекта (ИИ) для улучшения оказания помощи при стихийных бедствиях во
всем мире. В прошлом году три агентства ООН сформировали Целевую группу по искусственному
интеллекту для управления стихийными бедствиями для поддержки глобальных усилий по
интеграции искусственного интеллекта в системы управления стихийными бедствиями. За
последние десятилетия были достигнуты успехи в моделировании стихийных бедствий, что
привело к появлению более эффективных инструментов реагирования на экстремальные
погодные явления. Одним из часто упоминаемых случаев является циклон Файлин на востоке
Индии в 2013 году, когда точный численный контроль модели предотвратил трагедию ,
последовавшую за аналогичным штормом 15 лет назад.

Однако есть много возможностей для улучшения. Согласно отчету ВМО о климатическом
обслуживании за 2020 год, каждый третий человек в мире не охвачен адекватной системой
раннего предупреждения.

В то же время изменения климата и погоды представляют угрозу для большей части планеты,
включая районы, которые до недавнего времени реже подвергались экстремальным природным
явлениям, заявило Управление ООН по уменьшению опасности стихийных бедствий на
прошлогодней конференции ООН по изменению климата (COP26). . ) в Глазго, Великобритания.
Понимание природных опасностей

Искусственный интеллект может помочь группам реагирования понимать стихийные бедствия,

отслеживать события в режиме реального времени и предвидеть конкретные риски предстоящих
или текущих бедствий.
«Чем больше у нас раннего предупреждения, тем лучше мы подготовлены и тем меньше
гуманитарных трагедий», — сказал Мурали . Туммарукуди , операционный менеджер отдела
управления чрезвычайными ситуациями Программы ООН по окружающей среде (ЮНЕП).

Спутники и другая современная метеорологическая инфраструктура предоставляют ценную

информацию для прогнозирования погоды, но искусственный интеллект может значительно
ускорить этот процесс. Например, моделирование систематических последствий может показать
вероятные последствия стихийных бедствий для населения и экосистем.

«Чтобы повысить ценность жизни людей, нам необходимо понимать не только то, что делает
погода, но и то, что погода влияет на людей и окружающую среду», — сказал Энтони Ри, директор
Отдела инфраструктуры ВМО. «Я думаю, что ИИ может сыграть огромную роль в
прогнозировании, основанном на результатах».

Совместимые и трансграничные решения

Воздействие экстремальных природных явлений также определяется социально-экономической

устойчивостью , а неравенство увеличивает риск и уязвимость. Эксперты подчеркивают
необходимость изучения совместимых решений, которые могут работать в разных контекстах и
даже через границы, чтобы охватить районы с менее развитой инфраструктурой стихийных
бедствий.

«Последствия стихийных бедствий усугубляются в некоторых регионах, таких как малые

островные развивающиеся страны и наименее развитые страны, а также для определенных групп
населения, таких как женщины и дети», — сказала Моник Куглич , менеджер по инновациям
Fraunhofer HHI и президент ITU. . . . Оперативная группа /ВМО/ЮНЕП.

Ряд тематических исследований демонстрирует ценность искусственного интеллекта на

различных этапах управления стихийными бедствиями: во-первых, прогнозирование и
прогнозирование; затем помогите передать то, что произошло; а также мониторинг и раннее
обнаружение потенциальных новых рисков.

Задача улучшения статистических моделей

Команда из Врие Университет Амстердама в Нидерландах изучил различные статистические

модели, используя данные из прибрежных регионов по всему миру, и попытался спрогнозировать
риск наводнений и штормовых нагонов, используя методы глубокого обучения. В условиях
повышения уровня моря , вызванного изменением климата, открытые данные могут предоставить
ценную информацию о все более уязвимой экосистеме.

«На побережье очень большое население, активы, виды деятельности… Адаптация прибрежных
территорий и управление ими имеют важное значение. Вот почему данные так важны», — сказала
Анаис . Куаснон , научный сотрудник Института экологических исследований (IVM).
Повышение глобальной температуры также увеличило вероятность крупных лесных пожаров во
многих частях мира. Ororatech , дочерняя компания Мюнхенского технического университета в
Германии, использует спутниковые изображения для раннего обнаружения и мониторинга лесных
пожаров в режиме реального времени. Однако оба проекта сталкиваются с проблемой
совершенствования своих статистических моделей в условиях нехватки информации. Кроме того,
неопределенность (или погрешность, присущая прогнозу) может препятствовать общению с
органами общественной безопасности.

Оптимизация вспомогательных ресурсов

Система картирования стихийных бедствий и обнаружения повреждений, созданная командой

Ланкастерского университета в Великобритании, позволяет спасательным командам определять
приоритетность конкретных областей для оказания помощи. Платформа работает на основе
краудсорсинговых данных с тегами (блокпосты, зоны затопления, поврежденные здания и т. д.),
которые помечаются волонтерами на местах. Эта информация используется для обучения
моделей компьютерного зрения в короткие сроки. Исследователи из исследовательского центра
KIOS Университета Кипра используют алгоритмы машинного обучения из различных источников,
иногда с помощью дронов, для изучения объектов, обнаруженных с воздуха.

Прогноз землетрясений и цунами

Искусственный интеллект также может улучшить обнаружение землетрясений и предупреждение

о цунами, используя геологические данные из исследовательских центров по всему миру. По
словам докладчиков сайта, создание надежных наборов данных для таких событий имеет
решающее значение.

Лесные пожары также можно расследовать в режиме реального времени и обнаруживать раньше
на основе информации из нескольких источников.

Аналогичным образом, Ззапп использует алгоритм в программном обеспечении по борьбе с

малярией, который анализирует спутниковые изображения, а затем просматривает анализ
наблюдателей, чтобы идентифицировать или предсказать появление водоемов, где может
размножаться комар Anopheles, вызывающий заболевание. Прочтите о работе Оперативной
группы по управлению стихийными бедствиями в области ИИ в Бюллетене ВМО.

Эти инструменты предупреждают людей и правительства о неизбежных угрозах.

Число стихийных бедствий увеличивается из-за изменения климата. В рамках наших усилий по
управлению чрезвычайными ситуациями мы стремимся донести до людей надежную
информацию в критические моменты, чтобы обеспечить их безопасность и информированность.
Для этого мы полагаемся на наши исследования и разработки технологий на основе
искусственного интеллекта и долгосрочное партнерство с аварийными работниками и
организациями. Вот обзор наших усилий по антикризисному управлению и новых способов
расширения этих инструментов.
Наводнение. Ежегодно от катастрофического ущерба от наводнений страдают более 250
миллионов человек. В 2018 году мы запустили проект прогнозирования наводнений, в котором
используются модели машинного обучения для предоставления людям подробных
предупреждений. В 2021 году мы отправили 115 миллионов предупреждений о наводнениях 23
миллионам человек через Поиск и Карты, помогая спасти бесчисленное количество жизней.
Сегодня мы расширяем наши прогнозы наводнений, включив в них бассейны еще в 18 странах
Африки, Латинской Америки и Юго-Восточной Азии. Мы также объявляем о глобальном запуске
нового FloodHub . Платформа, которая отображает прогнозы наводнений и показывает, когда и
где может произойти наводнение, чтобы помочь тем, кто непосредственно подвергается риску, и
предоставить важную информацию для помощи агентствам и правительствам. Такое
географическое расширение возможно благодаря недавним достижениям в моделях
прогнозирования наводнений на основе искусственного интеллекта, и мы стремимся расширить
нашу деятельность на большее количество стран. Изображение карты FloodHub , на которой
показаны районы затопления рек

Новый Google FloodHub по адресу g.co/flodhub отображает прогнозы наводнений на реках.

Прогнозы теперь доступны еще для 18 стран: Бразилия, Колумбия, Шри-Ланка, Буркина-Фасо,
Камерун, Чад, Демократическая Республика Конго, Кот-д’Ивуар, Гана, Гвинея, Малави, Нигерия,
Сьерра-Леоне, Ангола, Южный Судан, Намибия, Либерия. , Южная Африка

Лесные пожары: Ежегодно лесные пожары затрагивают сотни тысяч людей, их частота и масштабы
увеличиваются. Я на собственном опыте почувствовал необходимость получения точной
информации во время лесных пожаров, и это вдохновило нас на работу по управлению
чрезвычайными ситуациями. Используя новые модели искусственного интеллекта, мы
обнаруживаем границы лесных пожаров на основе спутниковых изображений и показываем их
местоположение в режиме реального времени в Haus и Maps. С июля мы освещали более 30
крупных лесных пожаров в США и Канаде, помогая информировать людей и пожарные команды,
набрав более 7 миллионов просмотров в Поиске и Картах. Сегодня обнаружение лесных пожаров
доступно в США, Канаде, Мексике и некоторых частях Австралии. На фото место пожара
Пукатаваган в Манитобе, Канада. Место пожара Пукатаваган в Манитобе, Канада.

Ураганы. Доступ к авторитетным прогнозам ураганов и информации о безопасности может спасти

жизнь. За несколько дней до урагана в Северной Америке или тайфуна в Японии точные прогнозы
из авторитетных источников появятся в поиске и SOS-оповещениях на Картах, показывая
прогнозируемый путь урагана. Мы также используем машинное обучение для анализа
спутниковых изображений после стихийных бедствий и определения областей, нуждающихся в
помощи. Когда в сентябре на Флориду обрушился ураган «Иан», эта технология использовалась в
сотрудничестве с донором Google.org GiveDirectly для быстрого распределения помощи наиболее
пострадавшим. Управление текущими и будущими климатическими воздействиями

Изменение климата угрожает природным ресурсам и продовольственной безопасности нашего

мира. Мы работаем с правительствами, организациями и сообществами, чтобы предоставлять
информацию и технологии для реагирования на эти изменения. Сохранение городов более
зелеными и здоровыми. Экстремальные температуры и плохое качество воздуха все чаще
встречаются в городах и могут повлиять на здоровье населения. Чтобы смягчить это , Project Green
Light использует искусственный интеллект для оптимизации светофоров на перекрестках по всему
миру, чтобы минимизировать заторы и связанное с ними загрязнение. Project Air View также
предоставляет исследователям, политикам и сообществам точные карты качества воздуха. Наша
цель — к концу этого года распространить наш инструмент Environmental Insights Explorer, Tree
Canopy Insights, на сотни городов, чтобы они могли использовать деревья для снижения
температуры на улицах и улучшения качества жизни. Отвечая на растущий мировой спрос на
продукты питания: проект Mineral — Moonshot Factory X компании Alphabet — направлен на
создание более устойчивой и продуктивной продовольственной системы. Команда объединяет
разрозненные наборы данных радикально новыми способами — от данных о почве и погоде до
изображений с дронов и спутников — и использует искусственный интеллект, чтобы получить
беспрецедентную информацию о сельскохозяйственных культурах. В рамках программы
устойчивого развития мы также поддерживаем начинающие компании, занимающиеся
безопасностью пищевых продуктов. К ним относятся такие стартапы, как OKO, который
обеспечивает страхование фермеров от неблагоприятных погодных явлений и охватил десятки
тысяч фермеров в Мали и Уганде. Помощь фермерам в защите урожая: нашествие вредителей
может поставить под угрозу весь урожай и повлиять на средства к существованию миллионов
людей. В сотрудничестве с InstaDeep и Продовольственной и сельскохозяйственной организацией
Объединенных Наций наша команда из Центра искусственного интеллекта Google в Гане
использует искусственный интеллект для более точного выявления саранчи и принятия мер
борьбы с ней . В Индии участники Google.org Fellows работали с Wadhwani AI над созданием
приложения на базе искусственного интеллекта, которое помогает обнаруживать и лечить
заражения, что привело к сокращению распыления пестицидов на 20 процентов и увеличению
прибыли фермеров на 26 процентов. Google Cloud также сотрудничает с агротехническими
компаниями, чтобы использовать машинное обучение и облачные сервисы для повышения
урожайности . Анализ меняющейся планеты: с помощью Google Cloud и Google Earth Engine
организации и предприятия могут лучше оценивать климатические риски и управлять ими.
Например, Лесная служба США использует эти инструменты для анализа изменений земного
покрова, чтобы лучше реагировать на новые угрозы лесам и отслеживать последствия инвазивных
насекомых, болезней и засухи. Аналогичным образом, Банк Монреаля интегрирует климатические
данные (например, тенденции осадков) в свою бизнес-стратегию и управление рисками клиентов.
Искусственный интеллект уже играет важную роль в решении многих насущных климатических
проблем. Важно, чтобы мы продолжали инвестировать в исследования и повышать
осведомленность о том, почему мы делаем эту работу. Google Arts and Culture сотрудничает с
художниками из коллекции «Культура и климат», чтобы каждый мог изучить взгляды на
изменение климата. На COP27 мы надеемся повысить осведомленность и принять участие в
продуктивных дискуссиях о том, как искусственный интеллект, инновации и общие данные могут
быть использованы, чтобы помочь глобальным сообществам реагировать на изменение климата.
Поскольку стихийные бедствия усиливаются по всей стране, местные органы власти все чаще
используют прогнозную аналитику, чтобы понять, где и когда кризис повлияет на их сообщества. 9
июня 2022 г. • Джул Паттисон-Гордон

Фейсбук

LinkedIn

Твиттер

Электронная почта

Распечатать

огонь и дым поднимаются над пригородом ночью

Shutterstock.com

Когда в округе Гилпин, штат Колорадо, начинаются пожары, они сильно разгораются и быстро
разрастаются. В техасском бассейне Сан-Антонио наводнение распространяется на
автомагистрали и затрудняет спасательные работы, а в Норфолке, штат Вирджиния, прибрежные
штормы затопляют дома. Землетрясения, которые потрясли северо-западную часть Тихого океана,
могут сорвать поезда, ранить жителей и вызвать отключения электроэнергии в больницах.

Инструменты прогнозирования и раннего обнаружения, а также автоматизированные меры

реагирования призваны помочь местным органам власти уменьшить ущерб, причиняемый такими
стихийными бедствиями. Сегодняшние инструменты предупреждают жителей, вызывают
смягчение последствий и помогают службам быстрого реагирования реагировать более
эффективно. По мере развития искусственного интеллекта (ИИ), распространения датчиков и
увеличения сбора данных технологии прогнозирования и обнаружения, вероятно, станут более
точными и эффективными.

Тарек Гани , доцент кафедры стратегии бизнес-школы Олина при Вашингтонском университете, и
Грант Гордон, бывший старший директор по инновационной стратегии Международного комитета
спасения, предполагают использование искусственного интеллекта для прогнозирования
катастроф, что позволит службам реагирования на чрезвычайные ситуации действовать быстро,
чтобы предотвратить их. . или смягчить. их

Такие инструменты также могут предсказывать развитие кризисов и помогать участникам

реагирования совершенствовать свои действия, пишут они в своей статье 2021 года
«Предсказываемые катастрофы: искусственный интеллект и будущее реагирования на кризисы».

Однако не все катастрофы одинаковы для ИИ , и эта технология наиболее надежна для анализа
событий с хорошо понятными первопричинами, большим количеством данных для обучения
алгоритмов и достаточным количеством итераций для оценки прогнозов модели. по сравнению с
реальностью и уточненными, пишут Гани и Гордон. Наводнения являются ярким примером. Река
Сан-Антонио

Управление реки Сан-Антонио использует модель прогнозирования с данными Национальной

метеорологической службы для прогнозирования наводнений практически в реальном времени.

Adobe Сток

Управление реки Сан-Антонио (SARA) прогнозирует наводнение за 12 часов и использует этот

инструмент для уведомления службы скорой помощи, сообщил GovTech ее старший технический
инженер Уэйн Чирхарт *.

В округе Бексар, штат Техас, где в настоящее время используется этот инструмент, осадки могут
превратиться в полномасштабное наводнение в течение двух часов, но Национальная
метеорологическая служба обновляет свою прогнозную модель только два раза в день, а это
означает, что одно наводнение может прийти и уйти раньше другого. . тревога пропала. SARA
попыталась дополнить эти услуги своими локально ориентированными прогнозами, которые
повторяются каждые 15 минут и дают картину, максимально приближенную к «реальному
времени». SARA использует в своей модели данные прогнозной продукции Национальной
метеорологической службы. Чтобы обеспечить точность системы, SARA сравнивает свои оценки с
наземными показаниями, снятыми каждые 10 минут с водомеров, расположенных в зонах
повышенного риска, таких как плотины и переходы с низким уровнем воды.

Службы реагирования на стихийные бедствия должны сбалансировать необходимость раннего

предупреждения с необходимостью точности.

«Мы можем быть довольно точными вплоть до 12 часов, а иногда и до 24 часов; это наш самый
большой горизонт прогноза», — сказал Чирхарт . «Мы хотим знать... теперь, когда в течение
следующих двух часов идет дождь, чего мы можем ожидать от этого ручья с точки зрения
наводнений? Чем дальше вы заходите [в своих прогнозах], тем рискованнее это становится.

Мы хотим знать... теперь, когда в течение следующих нескольких часов идет дождь, чего мы
можем ожидать от этого ручья с точки зрения наводнений? Чем дальше вы идете [ в своих
прогнозах], тем рискованнее это становится. Идея состоит в том, чтобы быстро предупредить
спасателей, чтобы они могли объезжать подводные мосты и дороги, спеша на помощь, вместо
того, чтобы поворачивать назад. Спасатели, которые определяют труднодоступные районы, также
знают, что следует обращаться за помощью в соседние юрисдикции, которые могут быть более
легко доступны.

Однако землетрясения невозможно предсказать так же легко ( или насколько это возможно) как
наводнения. Фактически, Геологическая служба США (USGS) настаивает на том, что точное
предсказание землетрясений невозможно ни сейчас, ни в «обозримом будущем», поскольку
ученые могут в лучшем случае оценить вероятность сильного землетрясения в определенной
местности «через несколько лет». "

ученые и городские агентства работают над минимизацией ущерба от землетрясения и

сосредотачиваются на обнаружении первых признаков землетрясения и как можно более
быстром реагировании.

Геологическая служба США предлагает систему раннего обнаружения, известную как ShakeAlert, в
Калифорнии, Орегоне и Вашингтоне. Он использует сеть сейсмических датчиков для обнаружения
и оценки первых колебаний землетрясения (известных как первичные волны или P-волны), а
затем передает значения в центр обработки данных.

Когда четыре разных датчика фиксируют встряску, алгоритмы системы предполагают, что это
реальное событие, а не ложное срабатывание от гипотетического грузовика, ударившегося о
датчик, или другого невибрационного сотрясения, объяснил Боб де Гроот, национальный
координатор по связям с общественностью USGS ShakeAlert . образование , информация и
техническая инклюзивность.

Затем алгоритмы оценивают силу, местоположение и серьезность землетрясения. Геологическая

служба США передает эту информацию своим различным партнерам по обмену сообщениями,
включая транспортные компании и такие компании, как Google, которые затем отправляют
оповещения жителям и операторам критически важной инфраструктуры с помощью оповещений
на мобильные телефоны, уведомлений через приложения и другими способами.

Сообщения должны поступить за несколько секунд до разрушительных толчков землетрясения.

В идеале у предупрежденных пассажиров есть время упасть, укрыться и удержаться, чтобы

снизить вероятность травм.

Некоторые города и агентства также автоматически инициируют меры общественной

безопасности при получении ShakeAlerts . Например, транспортная система Сан-Франциско
автоматически тормозит поезда. Другие распространенные средства автоматизации включают в
себя включение резервных генераторов в больницах, открытие дверей лифта на ближайшем
этаже и закрытие клапанов подачи воды, чтобы предотвратить риск опорожнения резервуара.

Гани и Гордон также считали, что автоматизация может помочь ускорить реагирование после
аварий.

Смягчение крупномасштабных катастроф может потребовать дополнительного экстренного

финансирования, а автоматизированные системы могут направить финансовую поддержку в те
районы, где алгоритмы рассчитывают высокую вероятность серьезного события. Различные
уровни финансирования могут выделяться автоматически по мере углубления кризиса,
гарантируя, что у участников реагирования будут ресурсы, чтобы приступить к работе, а не ждать и
искать помощи.