8 فناوری نوظهور برای کاهش ریسک حریق های جنگلی
شاه بلاگ: پیشرفت های فناورانه ابزارهای نوینی را در اختیار مدیران بحران قرار می دهند تا از نگاههای واکنشی و بعد از وقوع حریق در مناطق جنگلی فاصله بگیرند و به سوی مدلهای پیش دستانه حرکت کنند.
به گزارش شاه بلاگ به نقل از مهر، آتشسوزی 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، بسترهای مساعدی برای توسعه آتش در مناطق جنگلی بوجود آورده اند. از طرف دیگر، 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. خبرنگار مهر در این نوشتار کوتاه با بررسی ۸ فناوری نوظهور که قابلیت بازطراحی مدیریت ریسک آتشسوزی های جنگلی را دارند، بررسی می کند که چه طور ترکیب داده های چند منبعی، تحلیل های پیشرفته و سامانه های خودکار نظارتی، می تواند چارچوب های موجود رویارویی با آتش سوزی را از یک الگوی واکنشی به سازوکاری بطورکامل پیش نگرانه، هوشمند و مبتنی بر تصمیم گیری سریع ارتقا دهد.
کشف آتشسوزی از فضا؛ ماهواره هایی که زودتر از دیگران می بینند
سنجش ازدور ماهواره ای با کمک الگوریتم های تشخیص الگوی مبتنی بر هوش مصنوعی حال به یکی از دقیق ترین ابزارهای کشف سریع آتشسوزی تبدیل گشته است. بعنوان نمونه، شرکت آلمانی «OroraTech» با استفاده 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 آتشسوزی 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 اختصاص منابع در عملیات اطفای آتش سوزی ارایه شود. شرکت «OroraTech» در نظر دارد شبکه ماهواره ای خودرا 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 آتشسوزی مناطق جنگلی به حساب می آید. این سامانه با تحلیل داده های تاریخی، اقلیمی و جغرافیایی، وقوع آتشسوزی 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 سودجستن 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 آتشسوزی ها بلکه سیلاب، طوفان و سایر مخاطرات طبیعی را هم در منطقه پایش می کند. طبق گزارش های انتشار یافته، 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 نتایج بلند مدت حوادث گردآوری می کند. برآوردهای صورت صورت گرفته نشان داده است 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 آتشسوزی 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 وضعیت 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 امتداد مدیریت بحران در هنگام وقوع آتشسوزی 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 داده است مردم چه زمانی تصمیم به تخلیه منطقه می گیرند، از چه مسیرهایی حرکت می کنند و چه افرادی هشدارهای رسمی را نادیده می گیرند. بررسی های صورت گرفته نشان داده است 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، اختصاص منابع و مدیریت مسیرهای خروج طراحی نمایند. این رویکرد در دیگر 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 وضعیت دود، شب یا پوشش ابر رفع می کند. پژوهش های دانشگاه ایالتی اوهایو نشان داده است رادار دیافراگم مصنوعی می تواند داده های خیلی دقیق و لحظه ای از وضعیت زمین، کم و کیف باد و شرایط محیطی ارایه کند و همین مورد تأثیر قابل ملاحظه ای در مدیریت و بهبود اطفای آتش سوزی مناطق جنگلی دارد. بر مبنای گزرارش های انتشار یافته، 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 سامانه های آینده مدیریت آتشسوزی باشد.
رادار داپلر متحرک؛ دید سه بعدی در دل دود
گروهی از محققان دانشگاه موناش استرالیا، به منظور رویارویی 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 سامانه های هواشناسی است که برای شرایط آتش سوزی بهینه سازی شده است. گزارش ها حاکی از آنست 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 حوزه محیط زیست و آتش نشانی امیدوار دارند طی چند سال آینده از این تکنولوژی در عملیات اطفای آتش سوزی خود بهره برداری کنند.
پهپادها و سنسورهای زمینی؛ شناسایی آتش قبل از دیده شدن دود
بالاخره، 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، زمانی که 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 آنکه 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 سامانه 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 داده است مدیریت آتشسوزی 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 سامانه های تحلیلی را به شکل یکپارچه پردازش کند و تصویری دقیق از وضعیت آتشسوزی عرضه نماید. در کنار بعد فناورانه، این تحولات نتایج راهبردی هم دارند. نخست آنکه 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 طرف دیگر، تصمیم گیری مبتنی بر داده، هزینه های مدیریت بحران را کاهش داده و بهره وری عملیاتی را بیشتر می کند. سوم آنکه 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. بالاخره، 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 آتشسوزی ها سریع تر شروع شوند و با شتاب بیشتری گسترش یابند. ازاین رو کشورها و نهادهای مدیریت بحران باید با سودجستن از سامانه های هشدار سریع، ابزارهای تحلیل رفتاری، سنسورهای چندمنبعی، پهپادهای خودکار و مدلهای پیشبینی مبتنی بر یادگیری ماشین، تاب آوری خودرا 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.
منبع: شاه بلاگ
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب