I Portugal har Axians utvecklat EcoSentinel, en ambitiös och nydanande lösning, som syftar till att förhindra naturkatastrofer som skogsbränder och översvämningar.
I Portugal blir skogsbränder allt vanligare och våldsammare, och tusentals hektar kan brinna upp på några timmar. Översvämningarna i Portugal blir också allvarligare och mer oförutsägbara. Dessa förändringar får Arlindo Ribeiro, som är chefsarkitekt för Axians Portugal, att förklara att ”våra system för att bekämpa klimatförändringarna är i brådskande behov av lösningar, som inte bara följer utan också förutser dessa alltmer dramatiska händelser”.
En av dessa lösningar är EcoSentinel, vilket är ett nytt verktyg, som VINCI Energies ICT-varumärke har utvecklat sedan 2023. Det är en webb-tillämpning, som fortfarande är ett koncepttest och syftar till att kunna förutsäga platsen och datumet för en extrem klimathändelse, i detta fall en skogsbrand eller en översvämning.
AI-assisterad förutsägelse
EcoSentinel består av instrumentpaneler för att visualisera olika data, som står i samband med dessa händelser och samlas in av väderstationer och klimatsensorer.
”Vi använder artificiell intelligens för förutsägelser med hjälp av maskininlärning, förklarar Arlindo Ribeiro. Vår teknik lär sig av varje brand, så att vi kan förfina våra modeller. Detta gör det således möjligt att reagera snabbare inför extrema händelser, men också att minska mängden koldioxid, som avges vid bränderna, och att bevara våra skogar som är viktiga för att absorbera kol.”
”Ett av våra mål är att göra det möjligt att anpassa EcoSentinel till olika omgivningar och behov över hela världen.”
EcoSentinel tillämpar naturligtvis olika metoder för förutsägelser beroende på om det gäller en skogsbrand eller en översvämning. Men de automatiska modellerna för maskininlärning fungerar på samma sätt. ”Vi använder klustringsalgoritmer för att dela in landet i geografiska områden. När dessa områden väl har definierats, beräknar vi de dagliga medelvärdena av klimatindikatorer för vart och ett av dem, varefter dessa data sedan infogas i modellen, som tränats i förväg”, förklarar Arlindo Ribeiro.
”Då den har tränats på historiska data kan modellen för skogsbränder till exempel förutsäga en faktor, som leder till bränder på grundval av data från en tidigare registrerad dag, då temperaturen var X, torrhetsindexet Y och brandindexet Z, dvs. en kombination av parametrar, som ledde till en skogsbrand, som registrerades vid latituden X och vid longituden Y i området A. Om vi i framtiden hittar samma klimatindikatorer, kommer vår modell alltså att försöka förutsäga branden, och detta med högsta möjliga noggrannhet.”
Över hela världen
Då projektet ännu inte är färdigutvecklat förfogar Axians heller inte ännu över alla de data som behövs för att maximera modellens noggrannhet. Det krävs tid för att träna maskinen.
Men EcoSentinels mål är unikt i sitt slag, eftersom det är den enda lösningen på marknaden som försöker förutse platsen för en skogsbrand. För närvarande presenterar andra verktyg bara kartor, som anger brandrisker i olika områden eller förutspår skogsbrändernas beteende för att beräkna deras spridning.
”Ett av målen med vårt system är att göra det möjligt att anpassa det till olika omgivningar och behov över hela världen, oavsett om det är i områden som är benägna att drabbas av bränder som i Australien, eller i områden som regelbundet påverkas av översvämningar som i Sydostasien, framför Axians Portugals chefsarkitekt som i detta skede arbetar nära med vissa portugisiska myndigheter (nationella säkerhetsmyndigheten skogsskyddsinstitutet, brandmannaföreningar osv.).
16/01/2025
