Нейросети спасут Россию от лесных пожаров

ИИ заметит огонь

Разработанная нейросеть призвана повысить точность обнаружения возгораний и ускорить принятие решений по их локализации и тушению. На первом этапе специалисты собирают геопространственные данные об охраняемой территории за семь дней до начала исследований. Используя информационный сервер Национального управления океанических и атмосферных исследований США и Росгидромет, специалисты фиксируют температуру, влажность и осадки. Далее анализируют сведения о растительном покрове (со спутников), пространственные данные (высота над уровнем моря, направление склона, уклон, плотность населения и удалённость от дорог). Характеристики рельефа влияют на риск возгораний: на крутых горных склонах они редки, а близость к инфраструктурным объектам указывает на возможность неаккуратного обращения с огнём в пожароопасный период.

Система «Сколтеха» построена на обработке информации с помощью сверхточной нейросети, которую обучали на специально собранных архивных данных, которые прошли этап верификации и фильтрации. На основе получаемой информации алгоритм строит регулярную пространственную сетку для охраняемой территории и прогнозирует природные бедствия на каждый из следующих пяти дней. В результате получается пять карт, на которых выделяются участки с риском пожарной опасности.

Нейросеть уже протестирована в ряде регионов и успешно прошла опытную эксплуатацию в МЧС. Техническое решение может быть использовано и в других сферах: в охране окружающей среды, в региональных мониторинговых службах, лесхозах, на агропредприятиях и страховыми компаниями для оценки риска пожара.

– Система уже интегрирована во внутренний контур МЧС и ежедневно может прогнозировать вероятность возгораний на всей территории страны. Благодаря реализованному на открытых данных решению, она способна не только предположить вероятность возникновения пожара на пять дней вперёд, но и оценить, как он может распространяться, если очаг уже обнаружен, – рассказали журналисту «Октагона» разработчики.

В МЧС протестировали способность нейросети находить участки с риском пожарной опасности.Фото: Сергей Коньков/ТАСС

Стоимость системы зависит от масштаба и частоты обновления данных – более крупному региону, например, нужны большие ресурсы для обработки данных и высокопроизводительные сервера. Также важен уровень интеграции с существующими системами мониторинга и анализа.

– Если брать отдельный заповедник или национальный парк и стоимость базовой конфигурации, то это будет на порядок отличаться по цене от масшабных региональных проектов, – поясняют специалисты «Сколтеха».

Для обслуживания системы достаточно одного–двух аналитиков или инженеров – для контроля корректности поступающих от спутников и метеорологов сведений и качества прогнозов. Конечные пользователи работают с готовыми картами, где указаны участки с риском возгорания и возможные сценарии распространения огня.

Дорогие нейросети

От природных пожаров в России страдают миллионы гектаров леса: в 2021 году огнём было задето 10,1 млн гектаров, в 2022-м – 3,3 млн, в 2023-м – 4,3 млн, в 2024-м – 7,5 млн. Ежегодный ущерб оценивается в десятки миллиардов рублей.

Пожароопасный сезон прошлого года стал самым тёплым за последние 30 лет, оправдывался глава Рослесхоза Иван Советников. В 2024 году самими пострадавшими от огня регионами стали Якутия, Забайкальский край и Амурская область.

В этом году на охрану от лесных пожаров выделено более 19,9 млрд рублей, что превышает прошлогоднее финансирование на 31,2 процента. На эти деньги закупят технику и оборудование, сообщал руководитель Рослесхоза.

Около половины площади природных возгораний в России приходится на леса. Тушат лишь треть из них. Остальные фиксируются на труднодоступных территориях, которые никто тушить не будет, объясняют «Октагону» опрошенные эксперты.

Инновации в области охраны лесов и контроля за возгораниями уже пытаются внедрять. Например, в нацпарке «Себежский» Псковской области компания МТС установила комплекс интеллектуального видеонаблюдения: 14 камер, которые в онлайн-режиме следят за пожарной обстановкой, фиксируя опасные повышения температуры. На территории также установлены тепловизоры – следят за шашлычниками и курильщиками. Кроме того, есть система «ИСДМ-Рослесхоз» – для оценки риска возникновения пожара.

Однако существующие решения не прогнозируют вероятность возгорания на несколько дней вперёд, в отличие от разработки «Сколтеха», которая ищет участки с наибольшим риском, что позволит принимать как превентивные меры, так и оперативно реагировать на зарождающиеся очаги.

Председатель Союза «Цифровой мир» Валерий Корнеев отмечает, что если набор данных подобран правильно и обучение нейросети было проведено качественно, то предсказание пожара за анонсируемые пять дней с приемлемой степенью вероятности вполне реально:

– Конечно, при наличии датчиков состояния природной среды в самом лесном массиве точность прогноза значительно увеличится. А вот датчики задымления или температуры уже горящего леса смогут только сообщить, что возгорание уже случилось.

Благодаря инновациям удастся повысить уровень охраны лесов.Фото: Иван Губский/ТАСС

Политолог Дмитрий Еловский считает, что успешность проекта будет зависеть от команды, которая будет заниматься обучением нейросети и полноты данных:

– Под руководством профи искусственный интеллект может творить чудеса и, действительно, предсказывать в том числе и погодные явления. Лишь бы хватило мощностей и серверов. Подобные задачи требуют супердорого «железа» и больших вложений. С «железом» у нас во всех отраслях проблемы. Денег не хватает на зарплаты лесным инспекторам – они получают очень неконкурентную зарплату.

Собеседник «Октагона» отмечает, что подобная система может быть востребована у МЧС, но ведомство не отвечает за леса, которые находятся под контролем системы лесных хозяйств (Рослесхоз), муниципалитетов, Минобороны и нацпарков.

– Из них только военное ведомство и Рослесхоз могут позволить себе такую нейросеть. Но у того же Рослесхоза весь годовой бюджет, включая деньги для регионов, – около 30 млрд рублей. Вряд ли они найдут деньги на неё, – считает Еловский.