フィンランドのアールト大学の研究チームは、山火事の拡大を予測できるAIモデルを開発しました。
FireCNNと名付けられたこのモデルは、衛星画像と気象データで学習し、火災リスクの高い地域を特定します。
このモデルはまだ開発段階にありますが、山火事を防止する私たちの能力を大きく向上させる可能性を秘めています。
研究者は、アールト大学で、AIモデルを開発しました。このモデルは、山火事を防ぐ最善の方法を予測できます。
畳み込みニューラルネットワーク（CNN）を использовать していることから名付けられたFireCNNは、ボルネオ島のインドネシアの中部カリマンタン州にある泥炭地の気候および過去の火災データに基づいています。
4年間のプロジェクトを率いたチームは、このモデルを用いることで山火事の最大76%を防止できる可能性があると主張しています。機械学習により、FireCNNは、将来の山火事を防止または軽減する上で、さまざまな介入策がどの程度効果的かについて、複雑な予測を行うことができます。
そのため、地方の政策立案者は、気候変動の結果として世界中で頻度と激しさを増している火災の影響を軽減するため、より効果的な戦略を策定する際にこのモデルを活用できます。
「入力データ内の森林管理手法のパラメータの一部を変更してシナリオを実行したところ、観測された山火事の発生状況とシミュレーション結果が非常によく一致しました」と、アールト大学准教授のマッティ・クンム氏はDezeenに語りました。
「つまり、これらの戦略が山火事の削減に大きな効果をもたらすことを示すことができた」と同氏は付け加えました。
「ここ2〜3年の間に、本当に大規模な火災が発生しています。そのため、将来こうした災害にどのように適応し、被害を軽減できるかを真剣に理解することに強い関心が寄せられています」。
研究チームは、FireCNNを用いて、中部カリマンタンにおける火災リスク低減のためのさまざまな戦略の効果を評価し、火災件数を50〜76%削減できる介入策を特定しました。
中部カリマンタンは、東南アジアにおいて最も泥炭地火災の密度が高い地域であり、農業や住宅建設のための土地の排水によって状況が悪化しています。
モデルは異なる地域にも適用可能
これまで、リスク低減に最も効果的な介入策を特定することはできませんでした。FireCNNによる異なる土地管理戦略の効果に関する検証では、低木地および灌木地を湿地林に転換することが最大の効果をもたらすことがわかりました。
シミュレーションによると、排水路を塞ぐことも効果的ですが、地域経済にコストが伴います。また、プランテーションを増やすと火災件数は減少しますが、環境への影響が大きくなります。
このモデルは、山火事がどこで発生するかを最もよく説明する要因の特定に役立ちますが、クンム氏によれば、次にいつ、どこで発生するかを予測する精度はまだ十分ではなく、早期警戒システムとして利用するには至っていません。
モデルが1シーズンに予測した火災の95%は実際に発生しましたが、その一方で多くの火災を見落としていました。研究者らによれば、そのかわりに、影響を受けやすい地域における山火事の件数と規模の削減に役立つとのことです。
クンム氏は、今年の夏に深刻な火災を経験した地中海など、異なるタイプの火災地域でFireCNNを次に検証できることを望んでいます。
「さまざまな地域でどの程度うまくモデルを学習させられるかを確認できれば、興味深いでしょう」と同氏は述べました。
「ボルネオ島で火災の発生件数が多い理由を説明する主要なパラメータは見つかりましたが、地中海ではまったく異なる可能性があります」。
クンム氏によると、山火事の予測のような複雑な用途に利用できるほど予測精度が高いのは、人工知能（AI）だけだとのことです。
2002年から2019年の間に記録されたデータからの学習に基づき、FireCNNは土地被覆、植生、干ばつなどの要因に関する31の変数を分析します。
「私たちがモデル化しているものの中には非常に複雑なものがあり、そのすべての関連性や、それが方程式にどのように影響するかを理解するための通常の数学モデルを構築することはできませんでした」とクンム氏は述べました。
「その意味で、AIや機械学習アルゴリズムは、私たちの取り組みに最適です。多くの要因が影響し合っており、そのメカニズムを完全に把握している人が誰もいないためです」。
DezeenのAItopiaシリーズでは、AIを活用して開発された新しい持続可能な素材や家具デザインに関するプロジェクトの記事も紹介されています。
