Des scientifiques utilisent l'IA pour prédire la prochaine évolution d'un feu de forêt

Des scientifiques utilisent l'IA pour prédire la prochaine évolution d'un feu de forêt

Des chercheurs de l’USC ont mis au point une nouvelle méthode permettant de prédire avec précision la propagation des feux de forêt. En combinant l’imagerie satellite et l’intelligence artificielle, leur modèle représente une avancée potentielle dans la gestion des feux de forêt et les interventions d’urgence.

Détaillé dans une première preuve d'étude publiée dans L'intelligence artificielle au service des systèmes terrestresLe modèle de l'USC utilise des données satellite pour suivre la progression d'un incendie de forêt en temps réel, puis alimente ces informations dans un algorithme informatique sophistiqué qui peut prévoir avec précision la trajectoire, l'intensité et le taux de croissance probables de l'incendie.

L'étude intervient alors que la Californie et une grande partie de l'ouest des États-Unis continuent de faire face à une saison des feux de forêt de plus en plus intense. De nombreux incendies, alimentés par une combinaison dangereuse de vent, de sécheresse et de chaleur extrême, font rage dans tout l'État. Parmi eux, le Lake Fire, le plus grand incendie de forêt de l'État cette année, a déjà ravagé plus de 38 000 acres dans le comté de Santa Barbara.

« Ce modèle représente une avancée importante dans notre capacité à lutter contre les incendies de forêt », a déclaré Bryan Shaddy, doctorant au département de génie aérospatial et mécanique de l'USC Viterbi School of Engineering et auteur correspondant de l'étude. « En offrant des données plus précises et plus actuelles, notre outil renforce les efforts des pompiers et des équipes d'évacuation qui luttent en première ligne contre les incendies de forêt. »

Rétro-ingénierie du comportement des feux de forêt grâce à l'IA

Les chercheurs ont commencé par recueillir des données historiques sur les feux de forêt à partir d’images satellites à haute résolution. En étudiant attentivement le comportement des feux de forêt passés, les chercheurs ont pu suivre la manière dont chaque incendie a commencé, s’est propagé et a finalement été maîtrisé. Leur analyse approfondie a révélé des schémas influencés par différents facteurs tels que la météo, le combustible (par exemple, les arbres, les broussailles, etc.) et le terrain.

Ils ont ensuite formé un modèle informatique génératif basé sur l'IA, connu sous le nom de réseau antagoniste génératif de Wasserstein conditionnel, ou cWGAN, pour simuler la manière dont ces facteurs influencent l'évolution des incendies de forêt au fil du temps. Ils ont appris au modèle à reconnaître des modèles dans les images satellites qui correspondent à la façon dont les incendies de forêt se propagent dans leur modèle.

Ils ont ensuite testé le modèle cWGAN sur de véritables incendies de forêt survenus en Californie entre 2020 et 2022 pour voir dans quelle mesure il prédisait où l'incendie se propagerait.

« En étudiant le comportement des incendies passés, nous pouvons créer un modèle qui anticipe la manière dont les incendies futurs pourraient se propager », a déclaré Assad Oberai, professeur Hughes et professeur de génie aérospatial et mécanique à l'USC Viterbi et co-auteur de l'étude.

L'IA pour prédire les incendies de forêt : un modèle impressionnant

Oberai et Shaddy ont été impressionnés par les résultats positifs obtenus par le cWGAN, initialement formé sur des données simples simulées dans des conditions idéales telles qu'un terrain plat et un vent unidirectionnel, lors de ses tests sur de véritables incendies de forêt en Californie. Ils attribuent ce succès au fait que le cWGAN a été utilisé en conjonction avec des données réelles sur les incendies de forêt issues d'images satellites, plutôt que seul.

Oberai, dont les recherches portent sur le développement de modèles informatiques pour comprendre la physique sous-jacente de divers phénomènes, a modélisé tout, depuis les turbulences de l’écoulement d’air au-dessus des ailes d’avion jusqu’aux maladies infectieuses et à la façon dont les cellules se multiplient dans les tumeurs et interagissent avec leur environnement. Parmi tout ce qu’il a modélisé, Oberai note que les incendies de forêt sont parmi les plus difficiles.

« Les feux de forêt impliquent des processus complexes : des combustibles comme l'herbe, les arbustes ou les arbres s'enflamment, ce qui entraîne des réactions chimiques complexes qui génèrent de la chaleur et des courants de vent. Des facteurs tels que la topographie et la météo influencent également le comportement des feux : les incendies ne se propagent pas beaucoup dans des conditions humides, mais peuvent se propager rapidement dans des conditions sèches », a-t-il déclaré. « Ce sont des processus extrêmement complexes, chaotiques et non linéaires. Pour les modéliser avec précision, il faut tenir compte de tous ces différents facteurs. Il faut des calculs avancés. »

Les co-auteurs supplémentaires incluent l'étudiante de premier cycle Valentina Calaza du département de génie aérospatial et mécanique de l'USC Viterbi ; Deep Ray de l'Université du Maryland, College Park (anciennement étudiant postdoctoral à l'USC Viterbi) ; Angel Farguell et Adam Kochanski de l'Université d'État de San Jose ; Jan Mandel de l'Université du Colorado, Denver ; James Haley et Kyle Hilburn de l'Université d'État du Colorado, Fort Collins ; et Derek Mallia de l'Université de l'Utah.