Citizen Science and dynamic data assimilation methods for wildfire mitigation

Abstract

Wildfires are natural hazards with severe consequences worryingly worsening for many climate-change-affected regions of our planet. Never before was it of such paramount importance to develop novel methods and tools to empower our communities in combating the evermore dangerous wildfires more effectively. The focus of this Ph.D. dissertation was to introduce such methods and implement them in new software tools and services to help us mitigate the growing wildfires risk. One of the most crucial aspects of wildfire risk mitigation is predicting the wildfire’s course accurately and as soon as a fire event is detected. The prediction can be accomplished by employing a wildfire model and propagation simulation algorithms that use complex input data layers describing the weather and the forest landscape. We have developed FLogA (Fire Logic Animation), a set of methods and a web-based user-friendly software tool allowing the user to draw a forest area anywhere in Europe, insert fire ignition points, and generate all input data layers required on the fly. FLogA then simulates and animates the behavior of the evolving fire line under different weather conditions. FLogA is now the first wildfire simulator to run entirely on mobile platforms, and to provide a way to discover actual wildfire events from satellite hotspot services and perform analyses using dynamic data-driven simulations with the option to choose among multiple data assimilation methods.Another critical aspect of wildfire risk mitigation is monitoring the wildfire’s course. Unfortunately, technologies that provide real-time fireline information, such as satellites, in-field sensors, and social media texts exhibit low spatial/temporal resolution or cannot be deployed cost-effectively in widespread geographical areas. In this dissertation, we introduce methods that, for the first time, enable citizens-volunteers to provide real-time wildfire hotspot reports to benefit their community’s wildfire resilience and become active geographic data providers during crisis events. To enable our Citizen Science approach to wildfires mitigation, we designed, developed, and implemented algorithms and a novel software service called CITISENS (citizens as sensors). By exploiting commodity smartphone sensors, registered citizen-volunteers can easily georeference from a safe distance to a fireline and report its coordinates as they photograph it. While the citizen targets a wildfire hotspot with her smartphone camera from a safe distance, our georeferencing mobile algorithm consumes data generated from the location and orientation sensors of the smartphone to compute the view-ray of the device and employs a digital elevation model to estimate the coordinates where the view-ray intersects with the topography. We have tested the georeferencing accuracy, and it is on par with, or even better, than existing polar-orbit satellite wildfire hotspot services. Monitoring a wildfire’s course is not only essential to us humans. Indeed, wildfire simulators also need ground truth data when predicting the course of large wildfires where simulation drift inevitably comes into play, and the wildfire model needs periodic recalibration. The concept of Dynamic Data-Driven Assimilation Systems (DDDAS) has been shown to combat simulation drift effectively, at least when assimilating high-accuracy, laboratory-grade ground truth data. However, to operationalize wildfire DDDASs, the effectiveness of the systems must be proved in the real world. So far, limited efforts to validate wildfire DDDAS with real-time and Real-World Data (RWD) had limited success. We used FLogA and CITISENS as an end-to-end system to design and evaluate alternative DDDAS approaches using real-time RWD from satellite hotspot services and citizen-contributed synthetic hotspot reports generated based on RWD from two large fires in Greece. Our results suggest a marked improvement over non-DDDAS approaches when assimilating noisy RWD, showing how a citizenship engagement concept in wildfire monitoring and hotspots reporting has the potential to contribute high-quality ground truth data and thus quality wildfire model calibrations to form an effective crowdsourced DDDAS system. We intend to extend this research to offer real-time prediction with dynamic assimilation of satellite-based hotspots augmented with citizen-reported hotspots for improved predictive accuracy. We envision a decision support system promoting safe citizen-volunteer participation in wildfires mitigation with many benefits for the involved communities when a wildfire is approaching. Such a dynamic closed-loop trustworthy system may become a model for developing more citizen science-inspired cyber-physical systems to improve citizen communities’ resilience against devastating environmental hazards.

Οι πυρκαγιές είναι φυσικοί κίνδυνοι με σοβαρές συνέπειες που επιδεινώνονται ανησυχητικά για πολλές περιοχές που επηρεάζονται από την κλιματική αλλαγή του πλανήτη μας. Ποτέ πριν δεν ήταν τόσο σημαντικό να αναπτύξουμε νέες μεθόδους και εργαλεία που να ενδυναμώνουν τις κοινότητές μας για την αποτελεσματικότερη καταπολέμηση των ολοένα και πιο επικίνδυνων πυρκαγιών. Αυτή η διατριβή παρουσιάζει και προτείνει νέες μεθόδους και νέα εργαλεία για τον μετριασμό των επιτώσεων των δασικών πυρκαγιών. Μία από τις πιο κρίσιμες πτυχές του μετριασμού του κινδύνου δασικών πυρκαγιών είναι η πρόβλεψη της πορείας της έγκαιρα και με ακρίβεια. Η πρόβλεψη μπορεί να πραγματοποιηθεί χρησιμοποιώντας μοντέλα εξάπλωσης πυρκαγιάς που χρησιμοποιούν πολύπλοκα δεδομένα εισόδου που περιγράφουν τον καιρό και την τοπογραφία του δάσους. Έχουμε αναπτύξει τον FLogA (Fire Logic Animation), ένα σύνολο μεθόδων και ένα φιλικό προς το χρήστη εργαλείο λογισμικού που του επιτρέπει να σχεδιάσει μια δασική περιοχή οπουδήποτε στην Ευρώπη, να εισάγει σημεία ανάφλεξης και να δημιουργήσει αυτόματα όλα τα δεδομένα εισόδου που απαιτούνται για την προσομοίωση. Στη συνέχεια, ο FLogA προσομοιώνει και οπτικοποιεί τη συμπεριφορά της εξελισσόμενης πυρκαγιάς κάτω από διαφορετικές καιρικές συνθήκες. Επιπλέον, βελτιώσαμε τον FLogA ώστε να είναι ο πρώτος προσομοιωτής δασικών πυρκαγιών που τρέχει σε κινητές συσκευές και να παρέχει επίσης έναν τρόπο ανακάλυψης των πραγματικών συμβάντων δασικών πυρκαγιών από υπηρεσίες δορυφορικών δεδομένων ώστε να πραγματοποιούνται αναλύσεις χρησιμοποιώντας προσομοιώσεις με επιλογή ανάμεσα σε πολλές μεθόδους δυναμικής αφομοίωσης δεδομένων.Μια άλλη κρίσιμη πτυχή του μετριασμού του κινδύνου δασικών πυρκαγιών είναι η παρακολούθηση της πορείας της. Δυστυχώς, οι τεχνολογίες που μπορούν να παρέχουν πραγματικές πληροφορίες σε πραγματικό χρόνο, όπως δορυφόροι, αισθητήρες και κείμενα κοινωνικών δικτύων, εμφανίζουν χαμηλή χωρική ή χρονική ανάλυση, ή δεν μπορούν να χρησιμοποιηθούν οικονομικά σε ευρείες γεωγραφικές περιοχές. Σε αυτήν τη διατριβή, εισάγουμε μεθόδους που, για πρώτη φορά, επιτρέπουν στους πολίτες-εθελοντές να παρέχουν ακριβείς αναφορές πυρκαγιών hotspot σε πραγματικό χρόνο για να ωφελήσουν την κοινότητάς τους και να γίνουν ενεργοί πάροχοι γεωγραφικών δεδομένων κατά τη διάρκεια κρίσεων. Για να επιτρέψουμε την προσέγγιση Citizen Science για τον περιορισμό των πυρκαγιών, σχεδιάσαμε, αναπτύξαμε και εφαρμόσαμε αλγόριθμους και μια νέα υπηρεσία λογισμικού που ονομάζεται CITISENS (citizens as sensors). Με την εκμετάλλευση των αισθητήρων των smartphones, οι πολίτες-εθελοντές μπορούν εύκολα να γεωαναφέρουν την πυρκαγιά από μια ασφαλή απόσταση και να αναφέρουν τις συντεταγμένες της καθώς τη φωτογραφίζουν. Ενώ ο πολίτης στοχεύει την πυρκαγιά με την κάμερα από απόσταση ασφαλείας, ο αλγόριθμος γεωαναφοράς καταναλώνει δεδομένα που παράγονται από τους αισθητήρες θέσης και προσανατολισμού του smartphone για να υπολογίσει την ακτίνα προβολής της συσκευής και χρησιμοποιεί ένα ψηφιακό μοντέλο υψομέτρου για να εκτιμήσει τις συντεταγμένες όπου η ακτίνα προβολής τέμνεται με την τοπογραφία. Έχουμε δοκιμάσει την ακρίβεια των γεωαναφορών και είναι ισοδύναμη, ή καλύτερη, από εκείνη των δορυφορικών υπηρεσιών πολικής τροχιάς.Η παρακολούθηση της πορείας μιας πυρκαγιάς δεν είναι μόνο απαραίτητη για εμάς τους ανθρώπους. Πράγματι, οι προσομοιωτές δασικών πυρκαγιών χρειάζονται επίσης δεδομένα πραγματικού χρόνου, που περιγράφουν την πραγματική πορεία των μεγάλων πυρκαγιών όπου η προσομοίωση απομακρύνεται από την πραγματικότητα αναπόφευκτα και το μοντέλο δασικών πυρκαγιών χρειάζεται περιοδική επαναβαθμονόμηση. Η έννοια των συστημάτων δυναμικής αφομοίωσης δεδομένων (DDDAS) έχει αποδειχθεί ότι καταπολεμά αποτελεσματικά την μετατόπιση της προσομοίωσης, τουλάχιστον όταν αφομοιώνονται δεδομένα υψηλής ακρίβειας, εργαστηριακού επιπέδου. Ωστόσο, για να λειτουργήσει ένα DDDAS για πυρκαγιές, η αποτελεσματικότητα του συστήματος πρέπει να επικυρωθεί στον πραγματικό κόσμο. Μέχρι στιγμής, οι περιορισμένες προσπάθειες για την επικύρωση ενός DDDAS για πυρκαγιές με δεδομένα πραγματικού κόσμου (RWD) είχαν περιορισμένη επιτυχία. Χρησιμοποιήσαμε το FLogA και το CITISENS ως σύστημα end-to-end για να σχεδιάσουμε και να αξιολογήσουμε εναλλακτικές προσεγγίσεις DDDAS χρησιμοποιώντας RWD σε πραγματικό χρόνο από δορυφορικές υπηρεσίες hotspot και συνθετικά hotspots από πολίτες που παρήχθησαν βάσει RWD από δύο μεγάλες πυρκαγιές στην Ελλάδα. Τα αποτελέσματά μας υποδηλώνουν μια αξιοσημείωτη βελτίωση σε σχέση με τις προσεγγίσεις χωρίς DDDAS κατά την αφομοίωση δεδομένων RWD με θόρυβο, δείχνοντας πως η συνεισφορά των πολιτών στην παρακολούθηση των πυρκαγιών και την αναφορά hotspots μπορεί να αποτελέσει τη βάση για υψηλής ποιότητας δεδομένα και κατ’ επέκταση για αποτελεσματικά crowdsourced DDDAS.Ανυπομονούμε να επεκτείνουμε αυτήν την έρευνα για να προσφέρουμε πρόβλεψη σε πραγματικό χρόνο με δυναμική αφομοίωση δορυφορικών δεδομένων, επαυξημένων με αναφορές πολιτών για βελτιωμένη προγνωστική ακρίβεια. Οραματιζόμαστε ένα σύστημα υποστήριξης αποφάσεων που προωθεί την ασφαλή συμμετοχή πολιτών-εθελοντών στον μετριασμό των κινδύνων των πυρκαγιών με πολλά οφέλη για τις εμπλεκόμενες κοινότητες. Αυτό το είδος δυναμικού συστήματος κλειστού βρόχου μπορεί να αποτελέσει πρότυπο για την ανάπτυξη περισσότερων συστημάτων για τη βελτίωση της ανθεκτικότητας των κοινοτήτων έναντι των περιβαλλοντικών κινδύνων.