今年上半年,全台嚴重乾旱,發生 60 多起森林火災,比去年一整年還多,然而接在 50 年來最嚴重乾旱後面的,是今年 6 月初突發的超大豪雨,又猛又急的雨勢襲擊台北市區,讓民眾措手不及。

不僅是台灣,還有近期的日本靜岡縣豪雨、加拿大熱浪等,全球極端氣候日趨嚴峻,許多應用 AI 與大數據的防災解決方案,也應運而生,是否能有效幫助人們減少天災的衝擊?

日本新創 Spectee 由社群貼文追蹤災害情況

說到氣候相關的數據,一般會先聯想到降雨量、氣溫、風力等資訊,而創立於 2014 年的日本新創 Spectee,則是由社群輿論的角度切入。

Spectee
圖片來源:

遍佈世界各地的網民,常在目睹災害的當下立即上網發文,有時甚至比氣象站、傳統媒體還快。Spectee 創辦人村上健,便是在日本 311 大地震災區擔任志工時,目睹了社群媒體在救災中的重要角色,成為他創業的啟發。

Spectee 透過 AI 蒐集與分析社群平台上與天災相關的內容,結合天氣、交通、地理圖資等數據,將災害資訊視覺化,並呈現於儀表板中,快速掌握天災的發生和影響狀況。這套系統目前已被日本許多政府單位、企業、新聞媒體採用。

2020 年 7 月 ,日本九州熊本縣豪雨成災,根據《日經xTECH》報導,日本交通省國土地理院結合 Spectee 提供的社群貼文資訊,以及降雨量、地形、過去淹水資料等數據,即時繪製出淹水範圍預測圖,用於地方政府救援計劃規劃和執行、救援物資與疏散避難所安排,以及保險公司的損失調查。

Spectee 在日後的分析報告中指出,豪雨當下,Twitter 上的貼文內容如「我家前面的路被淹了,是不是糟了?」、「芦北町出不去了,請各位注意安全!」,都是用來計算即時淹水範圍的依據,將降雨量與社群貼文數量進行交叉比較後,發現當地是從 7 月 4 日凌晨 2 點左右開始,雨勢突然增強,但有關房屋被淹和求救的推文,則是在早上 7、8 點間達到高峰。

河流從降雨高峰期到氾濫,本就有時間差,然而從大雨降下,到民眾開始於網路上發聲求援,時間卻相隔了數小時之久。或許是因為豪雨發生於深夜,造成管理單位發布警報和疏散通知的延遲,讓民眾來不及即早撤離,類似這樣的問題,也是當局將來需改進的面向。

Spectee 亦與日本氣象協會合作,透過影像辨識分析冬季的降雪量、能見度、路面狀況、人行道溼滑程度等資訊,確保用路人的安全。為了判斷降雪量和路面狀況,一般需要用人眼判定,或使用昂貴的測量設備,透過影像辨識,可以降低成本,並即時提供相關數據給交通單位。

(延伸閱讀:連天氣預報都能訂閱!為何有百萬人願意花錢享受這款服務?

美國 ALERTWidefire 用影像辨識揪出野火前兆

issy-bailey-tEIHSmfwznM-unsplash.jpg
圖片來源:

除了豪雨與暴風雪,野火近年也讓許多國家如臨大敵,尤其是美國加州、澳洲東南部、葡萄牙等區域。據《衛報》報導,這 20 年以來,全球暖化改變了野火的模式,連一些原先不會發生野火的區域,都相繼被侵襲。

為了對抗遍地蔓延的野火,內華達大學里諾分校、加州大學聖地亞哥分校、俄勒岡大學共同營運野火預警系統 ALERTWidefire,期望透過部署在各地的監視器與 AI 影像辨識,儘早探測到潛在的森林野火,讓消防人員迅速撲滅、居民即時撤離。

事實上,這樣的創新發想,其實是來自一群十幾歲的孩子。

ALERTWidefire 的前身 ALERTTahoe, 是內華達地震實驗室(Nevada Seismological Laboratory)和「森林警衛隊」 (Forest Guard)聯合推行的計畫。「森林警衛隊」由來自加州的六位孩子組成,他們因森林火災被迫離開家園,希望能透過監控系統,減少野火造成生命與財產的損失。憑著此構想,他們在 2009 年在丹麥舉行的兒童氣候行動競賽獲得創新獎。

2016 至 2020 年的 5 年間,ALERTWildfire 為超過 1,500 場火災提供了關鍵情報。《科學人》今年 6 月的報導提到,ALERTWidefire 在加州索諾瑪縣全面啟用後的幾週內,系統偵測到野火的發生,比 911 接到民眾報案快了 10 分鐘。

但 AI 並非萬無一失,ALERTWidefire 就曾把索諾瑪縣地熱田的蒸汽,誤認為火災的煙霧。曾與 IBM 合作的發明家 Neil Sahota 預估,該系統至少仍需要「看到」70 場現實世界的火災,並學習當地的地形特色,才能讓辨識地更加精準,減少誤報的比例。

索諾馬消防與緊急醫療調度中心 KT McNulty 表示,隨著調度員學會使用該系統,系統也每週都在改進。她說,開發人員添加了數據儀表板、警報聲等功能,讓 AI 和人類操作員更加合作無間。

科技防災帶來新可能,但仍有困難需克服

將鏡頭拉回台灣,近年來國內也有一些針對氣候變遷與防災的科技應用。日前中研院即運用 1850 年至 2100 年間 250 年的氣候大數據,研究東南亞與台灣未來幾十年的氣候變遷趨勢,並推估 2040 至 2060 年台灣春季將面臨嚴重乾旱。如此大規模的研究計畫中,每日動輒 1-2 TB 的氣象數據讀取與傳輸,是一大挑戰。

(延伸閱讀:乾旱、空汙頻發!中研院用大數據模擬未來氣候樣貌,幫助政府決策

不僅是學術機構,民間企業如翔隆航太,則透過無人機團隊前往災難現場,進行航空測量勘災及三維建模保存,加速救災行動。還有官民合作的「究平安」救災系統,結合地理資訊系統、群眾智慧資訊 (Crowdsourcing)與物聯網感測器(IoT Sensor),民眾由拍照記錄災情、回傳地理座標,救災組織或政府即可掌握災害地點與情況,優化救災流程。

極端氣候日漸加劇,愈來愈多科技防災與救災方案也相繼推出,不論是另闢蹊徑的社群輿情文本探勘,還是影像辨識、大數據分析,都從傳統的氣象觀測之外,展開創新的嘗試。然而,部分技術面的限制,還有科技與人力上的協調整合,都是尚須努力的方向。

分享