Après les incendies de forêt destructeurs en Californie en 2019, le gouvernement américain a mis en place un forum exécutif de la Maison Blanche pour développer de meilleurs moyens de protéger la nation et les infrastructures clés, comme le réseau électrique, contre les incendies de forêt et autres catastrophes. Rien qu'en 2020, plus de 10,3 millions d'acres brûlés à travers les États-Unis, un niveau trois fois supérieur à la moyenne décennale 1990-2000. Entre les coûts de suppression des incendies, coûts directs et indirects, Les incendies de forêt en 2020 ont coûté aux États-Unis plus de 170 milliards de dollars. Ajouter des inondations, ouragans, et autres catastrophes naturelles, et le bilan des catastrophes sur les moyens de subsistance des Américains est astronomique.

Andre Coleman et son équipe de chercheurs du Pacific Northwest National Laboratory (PNNL) font partie du First Five Consortium, un groupe de gouvernement, industrie, et des experts universitaires engagés à réduire l'impact des catastrophes naturelles à l'aide de la technologie. Coleman et son équipe étendent la suite d'analyse d'images et de modélisation opérationnelle Rapid Analytics for Disaster Response (RADR) de PNNL pour atténuer les dommages causés aux infrastructures énergétiques clés. En utilisant une combinaison de technologie de capture d'images (satellite, aéroporté, et images de drones), intelligence artificielle (IA), et l'informatique en nuage, Coleman et l'équipe travaillent non seulement pour évaluer les dommages, mais aussi pour les prévoir.

Prévoir avec précision le mouvement des catastrophes naturelles - feux de forêt, inondations, ouragans, tempêtes de vent, tornades, et les tremblements de terre - donne aux premiers intervenants un saut, leur permettant de prendre des mesures pour réduire les dommages, effectuer une planification avancée des ressources, et augmenter le temps de restauration des infrastructures. Par exemple, si un incendie atteint une sous-station électrique ou une autre infrastructure de réseau, une communauté entière - des maisons, entreprises, et les écoles, connaîtraient une panne de courant qui pourrait prendre des jours à se rétablir.

« Il s'agit d'un effort passionnant et opportun pour appliquer l'intelligence artificielle afin de réduire l'impact des incendies de forêt, protéger les infrastructures énergétiques, et finalement sauver des vies, " dit Pamela Isom, directeur par intérim du Bureau de l'intelligence artificielle et de la technologie du Département de l'énergie des États-Unis (DOE). « Le travail a le potentiel de faire une différence dans ce que nous prévoyons être une saison des feux de forêt très difficile. Cela a été une collaboration très productive entre plusieurs partenaires, dont nos collègues du Joint Artificial Intelligence Center du ministère de la Défense, Département de la Sécurité intérieure, et au PNNL."

Depuis 2014, Coleman et son équipe ont travaillé avec ces technologies. Le projet a commencé à l'origine avec la création d'un algorithme de détection de changement, qui analyse différents types d'images satellite et détermine ce qui a changé dans le paysage après une tempête. Les autorités utilisent l'outil pour évaluer rapidement l'impact des dommages physiques des catastrophes naturelles, souvent avant que les équipes au sol ne puissent entrer. La première itération de l'outil a été utilisée pendant la saison des ouragans 2016 pour évaluer les dommages causés par les ouragans et déterminer si l'infrastructure énergétique - réseau électrique, pétrole, et les installations de gaz—a été endommagé ou en danger.

Globalement, Les produits analytiques RADR apportent de la valeur, mais Coleman et l'équipe reconnaissent les opportunités d'étendre la fonctionnalité des outils et cherchent à améliorer le temps de réponse RADR, Évaluation des dommages, visibilité, capacité de prédiction, et l'accessibilité des données.

Pour améliorer la ponctualité et les évaluations sur le terrain, l'équipe a incorporé des sources d'images nouvelles et différentes. RADR peut extraire des images d'une variété de satellites avec différentes capacités de détection, y compris les satellites gouvernementaux nationaux et internationaux qui sont proposés en tant que données ouvertes ainsi que les satellites commerciaux qui sont disponibles via la Charte internationale des catastrophes. Le fait d'avoir plusieurs sources d'images aériennes améliore le temps de réponse à quelques heures seulement, la principale limitation étant la latence des images aériennes, ou le temps entre la collecte des images et leur disponibilité pour analyse. Une fois les images reçues, le logiciel RADR peut générer une analyse en un peu plus de 10 minutes.

Pour regarder à travers la fumée des feux de forêt et la couverture nuageuse, l'équipe a ajouté l'imagerie infrarouge au RADR. La nouvelle fonctionnalité offre une vue plus claire du paysage qui n'était pas disponible auparavant, donner aux intervenants des informations telles que les dommages causés aux infrastructures clés ou un emplacement sûr pour mettre en place des efforts de secours dont les intervenants n'auraient peut-être pas été autrement au courant.

L'équipe intègre également des images accessibles au public et provenant des médias sociaux. Souvent en cas de catastrophe, les réseaux sociaux comme Twitter, Flickr, et Instagram offrent une multitude de données en temps réel, car les utilisateurs publient des photos de ce qui se passe autour d'eux. En associant des images aériennes à des images au sol, l'équipe peut fournir une évaluation plus complète. images satellites, par exemple, peut montrer des dommages à une ressource de génération, les lignes électriques, ou le réseau électrique ; cependant, les images au sol peuvent indiquer le contraire. L'outil prend toutes ces images, supprime les redondants, et coud les images ensemble pour fournir une vue plus précise des conditions changeantes.

Comme pour tout modèle de calcul, c'est seulement aussi bon que les données. Les sources d'images ajoutées fournissent des données supplémentaires pour RADR à interpréter, amélioration de la précision. Pour prédire les conséquences possibles d'un incendie de forêt, l'équipe combine l'analyse d'images avec la météo, carburant, et les données prévisionnelles. Par exemple, vent, végétation, et tout ce qu'un incendie peut consommer, tout est pris en compte dans la taille d'un incendie et la direction qu'il prend. En mariant l'imagerie avec les données de carburant et les modèles de feux de forêt, l'équipe espère pouvoir prédire avec précision la trajectoire d'un incendie.

Bien sûr, les évaluations doivent être entre de bonnes mains. La coordination d'une réponse nécessite des actions locales, régional, et les ressources nationales, chacun dans des endroits différents mais ayant besoin des données le plus rapidement possible dans un format facilement accessible et interprétable, en particulier dans un environnement contraint par la communication de données. Un système basé sur le cloud fournit un pipeline de bout en bout pour récupérer les images disponibles, traiter les analyses, et la diffusion de données à exploiter directement dans le propre logiciel d'un utilisateur, via les navigateurs Web de bureau, et/ou via des applications mobiles. L'analyse visuelle ajoutée produit des images et des ensembles de données qui peuvent être facilement discernables pour un large public de répondants.

Ces dernières années ont entraîné une augmentation de la fréquence et de la gravité des incendies de forêt, inondations, et d'autres événements météorologiques extrêmes. Coleman et son équipe espèrent qu'à tout le moins, les capacités supplémentaires du RADR fourniront aux intervenants des informations pouvant être utilisées pour prendre des décisions éclairées, réduire ou planifier les dommages aux infrastructures énergétiques clés, planifier les secours, et sauver des vies.