Od predikce požárů po hodinové mapování emisí ve městech
Zpracování obrovského množství dat, která každodenně produkují družice Evropské unie, vyžaduje masivní výpočetní kapacitu. Právě zde vstupuje do hry umělá inteligence. Propojení satelitního pozorování Země s pokročilými strojovými modely umožňuje přechod od pouhé pasivní detekce k aktivní předpovědi a efektivnějšímu krizovému řízení v terénu.
Klíčovou roli v tomto posunu hraje několik specializovaných projektů financovaných z unijního výzkumného programu Horizon Europe:
- Projekt UNICORN: Tento systém využívá satelitní data a umělou inteligenci pro včasné varování a předpovídání klimatických rizik. Zaměřuje se především na simulaci vzniku a rychlosti šíření lesních požárů na základě vlhkosti vegetace, větrných podmínek a vlastností terénu.
- Projekt SPACE4Cities: Výzkumný software vyvinutý v rámci tohoto projektu kombinuje radarová data ze satelitu Sentinel-1 a optická data ze satelitu Sentinel-2 s pozemními senzory. Výsledkem je schopnost odhadovat emise CO₂ na úrovni jednotlivých městských čtvrtí, a to v 1hodinových intervalech.
- Projekt ENHANCE: Vyvíjí trojici AI produktů zaměřených na analýzu městských, zemědělských a klimatických tlaků na zranitelné pobřežní ekosystémy. Testování v současnosti probíhá v Barceloně a v řeckém Pagasetickém zálivu.
Ačkoli tyto vývojové nástroje dosahují pozoruhodných výsledků, odborníci zdůrazňují, že se nacházejí v různých fázích výzkumu a pilotního testování. V současné době tak zatím nepředstavují jednu ucelenou operativní službu, ale vytvářejí základ pro budoucí integrované systémy krizového řízení.
Prevence šetří miliardy: Proč EU sází na AI detekci
Ekonomické i environmentální dopady letních požárů v jižní i jižní střední Evropě dosahují každoročně obrovských rozměrů. Podle oficiálních odhadů Evropského parlamentu jsou aktuální výdaje na potlačování požárů a následnou reakci v rámci EU 6krát vyšší než prostředky vynaložené na samotnou prevenci.
Statistiky přitom jednoznačně hovoří ve prospěch preventivních opatření: 1 € investované do prevence požárů ušetří 4 € až 7 € na nákladech na záchranářské zásahy a obnovu zničené krajiny. Čas je v těchto situacích rozhodujícím faktorem. Testy AI kamerových detekčních systémů prokázaly, že algoritmy dokázaly rozpoznat 60 % požárů do 4 minut a až 85 % požárů do 10 minut od výskytu prvního viditelného kouře.
Potřebu včasných dat dokládá i monitoring atmosféry. Služba Copernicus Atmosphere Monitoring Service (CAMS) v červenci spustila aplikaci Fire Emissions Watch založenou na datové sadě GFAS. Sledování ukázalo, že například rekordní emise uhlíku z požárů ve Francii dosáhly v červenci úrovně 0,89 megatuny uhlíku (Mt C), čímž výrazně překonaly dosavadní rekord 0,64 Mt C z roku 2022. Podrobnější analýzu k tomuto tématu přinesl článek Copernicus spustil sledování lesních požárů v reálném čase.
Konvergence kosmu a umělé inteligence
Agentura Evropské unie pro kosmický program (EUSPA) ve své zprávě EU Space Market Report upozornila na rychlou konvergenci AI a kosmických technologií. Automatizace interpretace obrazových a senzorových dat umožňuje zpracovávat obrovské objemy informací, které by dříve museli ručně vyhodnocovat analytici.
Aktuální přehledy o postupu výzkumných iniciativ programu Horizon Europe ukazují, že základní AI modely přizpůsobené pro meteorologická a satelitní data zkracují dobu zpracování z hodin na sekundy. Díky tomu mohou městské samosprávy lépe plánovat nízkoemisní opatření podle reálných dat z projektu SPACE4Cities a záchranné složky zase přesněji alokovat techniku ještě před tím, než se plameny nekontrolovatelně rozšíří.
Jsou tyto AI systémy pro předpověď požárů a měření emisí již plně v provozu?
Zatím nikoli jako jediná celoevropská služba. Jedná se o pokročilé výzkumné a pilotní projekty financované z programu Horizon Europe (například UNICORN či SPACE4Cities), které se nacházejí v různých fázích výzkumu a testování v konkrétních regionech a městech.
Jak přesně pomáhají satelity Sentinel při měření CO₂ v městských čtvrtích?
Systém SPACE4Cities kombinuje radarová data ze satelitu Sentinel-1 a optické snímky ze satelitu Sentinel-2 s pozemními senzory. Umělá inteligence tato data propojuje a vypočítává odhad emisí CO₂ pro jednotlivé městské čtvrtě v 1hodinových intervalech.
