שיטת חלוקת אזורי משימות לכיבוי שרפות יער מבוססת על אלגוריתם SW-DBSCAN

למה קו אש חכם יותר חשוב

כשפרצה שרפה גדולה ביער, לוחמי האש נלחמים לא רק בלהבות אלא גם בבירבול. טבעת אש אחת יכולה להתפרש על פני עשרות קילומטרים, כאשר חלקים מתקדמים במהירות, אחרים דועכים, וחלקים מאיימים על בתים או קווי מתח. ההחלטה לאן לשלוח כל צוות היא שאלה של חיים ומוות. מחקר זה מציג שיטה חדשה לחתוך באופן אוטומטי את קצה האש הארוך והמשתנה לאזורי עבודה פרקטיים, כדי שאנשים, מסוקים ומרחפנים יוכלו להגיע למקום הנכון בזמן הנכון.

להפוך אש נעה לחלקים ניתנים לניהול

המחברים מתמקדים בצעד מרכזי במענה לשרפה: חלוקת קו האש למערכת אזורי משימה רציפים, כל אחד בתנאים דומים. לאורך כל קו האש, חלקים מסוימים מסוכנים יותר מאחרים. ראש האש בועט במהירות עם להבות עזות, הזנב זוחל לאט יותר, והכנפיים נמצאות באמצע. בנוסף, ייתכן שיש בתים, אתרים תרבותיים או עמידות יער יקרות שיש להגן עליהן קודם. המטרה היא לאגד נקודות סמוכות על קו האש ששתופפות התנהגות, שטח, מזג אוויר וצרכי הגנה דומים, כך שכל קבוצה תהפוך למשימה קוהרנטית אחת עבור צוות הכיבוי.

מנתוני סימולציה גולמיים למפה חכמה

כדי לבדוק את השיטה, החוקרים השתמשו בסימולציית אש מפורטת לאזור Oak Knoll במחוז נאפה בקליפורניה. הם חילצו עשר חיות אש נפרדות, שסיכמו כ־282 קילומטרים, מסימולטור האש FlamMap. עבור כל נקודה לאורך הקווים הללו הרכיבו תיאור בעל עשר רכיבים שכלל כיוון ומהירות רוח, עוצמת אש, כיוון ומידת השיפוע, צפיפות מסת הכיסוי היערתי, סוג דלק, האם האש נעה כלפי מעלה, האם אותה נקודה היא ראש, זנב או כנף, והאם קיים מטרה להגנה. כל הערכים הוסקו לטווח משותף כך שאף גורם בודד לא ישלוט רק משום שהוא משתמש במספרים גדולים יותר.

כלי אשכוליות מותאם לחזית האש

הבסיס של העבודה הוא טכניקת אשכוליות משופרת בשם SW-DBSCAN. DBSCAN הסטנדרטי היא שיטה פופולרית למציאת קבוצות צפופות של נקודות נתונים תוך התעלמות מרעש, אך יש לה שני חסרונות בהקשר זה: היא עלולה לחבר קטעים מרוחקים של קו האש שמקריים בעלי ערכים דומים, והיא לא נותנת משקל מיוחד למיקומים חשובים — כגון ראש אש או בניין מוגן. הגרסה החדשה מוסיפה שני שינויים. ראשית, היא משתמשת ב"חלון החלקה" שמגביל כל נקודה לבחון רק את שכנותיה לאורך קטע קצר של קו האש, מה שעוזר לשמור על רציפות האזורים המתקבלים במרחב. שנית, היא נותנת משקל מספרי נוסף לתכונות המסמנות אובייקטים מרכזיים וסוגי חלקי אש, מה שמגדיל את המרחק היעיל בין, למשל, ראש אש לזנב גם אם הם דומים אחרת. זה מקל על הפרדת מקטעים קריטיים שצריכים לקבל טקטיקות שונות.

בדיקת ביצועים וכיוונון הפרמטרים

המחברים בחנו כיצד מספר הגדרות מעצבות את התנהגות האלגוריתם שלהם. בהגדלת המשקולות על האובייקטים המרכזיים וסוגי חלקי האש, מצאו שהשיטה משתפרת מאוד בזיהוי נכון של ראשים, זנבות, כנפיים ואזורים מוגנים, אם כי זה גם יצר מעט יותר נקודות מבודדות שטופלו כרעש. כיוונון אורך חלון ההחלקה הראה פשרה: קצר מדי — ורבים מהנקודות נעשו מבודדות; ארוך מדי — והאשכולות איבדו את הרציפות לאורך קו האש. הם גם שינו את רדיוס השכנות ואת המספר המינימלי של שכנים הדרוש ליצירת קבוצת ליבה, שכל אחד מהם השפיע על מידת הפירוק של קו האש וכמה נקודות הוסרו כרעש. ההגדרות הטובות ביותר איזנו בין יכולת זיהוי, רציפות ושיעור נמוך של נקודות חורגות.

איך השיטה החדשה מתמודדת מול אחרות

כדי להעריך האם SW-DBSCAN אכן מועילה בפועל, השוו החוקרים אותה עם שלוש שיטות אשכוליות מרחביות נוספות: DBSCAN הסטנדרטי, OPTICS ו־HDBSCAN. הם מדדו עד כמה כל אשכול רציף לאורך קו האש, כמה מדויק זיהוי אזורים מרכזיים, כמה נקודות נשארו כרעש, עד כמה האשכולות קומפקטיים ומופרדים היטב, וכמה זמן לקח להריץ את האלגוריתמים. SW-DBSCAN הפיקה אשכולות שהיו הרבה יותר רציפים מהשיטות האחרות, ועדיין זיהתה כמעט את כל האובייקטים המרכזיים וחלקי האש כראוי. היא רצה מהר יותר מהאלטרנטיבות והראתה התנהגות יציבה בעשר חיות אש שונות. למרות שיחס הנקודות המוחרגות שלה היה מעט גבוה יותר מזה של DBSCAN הסטנדרטי, הוא נשאר מתחת לכ־10%, שמהם המחברים סבורים שקביל ליישום זה.

מה המשמעות הזו עבור אנשים על קו האש

במלים פשוטות, עבודה זו מציעה דרך חכמה יותר לסמן אזורים במפת אש. במקום מהנדסים שחותכים ידנית את קו האש לאזורים על סמך ניסיון ושיפוט גס, שיטת SW-DBSCAN יכולה להציע באופן אוטומטי אזורי משימה רציפים וברורים שמדגישים חזיתות מהירות ומיקומים רגישים. זה, בתורו, יכול לתמוך בפריסת צוותים, כלים וכלי טיס מדויקת יותר, ולהפחית נזק ולהציל חיים. המחברים מציינים שדרושות עוד נתוני שטח אמיתיים, עוד אזורים ושיפורים עתידיים — כגון זיהוי סוגים שונים של עצמים מוגנים וטיפול בשינויי קו אש לאורך זמן — לפני שהמערכת תוכל להיות אופרטיבית לחלוטין. עם זאת, זהו צעד חשוב לקראת טקטיקות מבוססות נתונים לשמירה על מורכבות מסוכנת במסגרת ניתנת לניהול.

ציטוט: Huang, Q., Huang, Y. A forest firefighting task area division method based on the SW-DBSCAN algorithm. Sci Rep 16, 14089 (2026). https://doi.org/10.1038/s41598-026-42407-0

מילות מפתח: ניהול שרפות יער, תכנון משימות בשרפות טבע, אלגוריתם אשכוליות, DBSCAN, מענה חירום