Цифровой двойник лесного пожара от NYU: прогноз распространения почти в реальном времени

Команда NYU Fire Research Group представила систему, которую называет цифровым двойником действующего лесного пожара. В первых испытаниях на трёх реальных пожарах она предсказывала, куда пойдёт огонь, почти в реальном времени. Результаты рассказал пресс-релиз Нью-Йоркского университета, опубликованный на Phys.org 28 октября 2026 года.

Что умеет система

Платформа показывает карту США. Пользователь выбирает точку пожара, задаёт площадь прогноза и горизонт до 12 часов, а карта рисует ожидаемый периметр огня. Данные система подтягивает непрерывно: со спутников, метеослужб, карт рельефа и растительности, дронов, наземных датчиков и от полевых команд.

Есть и интерфейс в духе чат-бота: командир тушения может спросить, что случится с восточным флангом при смене ветра на север, где резать просеку или какие зоны эвакуировать первыми. Система объясняет свои рекомендации, ссылаясь на регламенты пожарных служб и опубликованные исследования.

Главная идея в том, как считаются прогнозы. Обычные машинные модели пожаров учатся на исторических данных: если в новых условиях картина непохожа на обучающую выборку, прогноз может сломаться. Классические физические симуляторы решают уравнения горения точно, но пересчёт занимает часы, а огонь меняется быстрее. Команда NYU соединила оба подхода: физически обоснованную модель распространения огня дополняет ИИ-слой, который непрерывно решает уравнения горения, теплопередачи, свойств топлива, ветра, уклона и погоды по текущим наблюдениям.

«Наша система не построена на обучающих данных. Она стоит на физике, — сказал руководитель группы Сунил Кумар. — Мы решаем фундаментальные уравнения того, как огонь горит и распространяется, с помощью ИИ, а не только привычным способом».

Представим условную ситуацию: ветер внезапно повернул на 40 градусов, и тяжеловесный физический симулятор ещё три часа будет пересчитывать прогноз, а модель, обученная на прошлых пожарах, такую комбинацию ветра, сухости и рельефа ни разу не встречала. Двойник NYU по замыслу авторов обязан перестроить прогноз в обоих случаях, потому что уравнения он решает прямо на свежих данных. Пока это замысел и первые тесты, а не доказанное сравнение: числового сопоставления «физика против чисто обученных моделей» на одних и тех же пожарах в релизе нет.

Что показали тесты

Систему проверяли на трёх действующих пожарах: Grasshopper в Орегоне, Widemouth 2 в Юте и Sacaton в Нью-Мексико. В одном из тестов на пожаре Grasshopper предсказанная площадь совпала с наблюдённой на 94,6% по стандартной мере пространственного перекрытия. В другом прогнозе по тому же пожару, когда между спутниковыми снимками прошло больше времени, согласие упало до 72,4%.

Исследователей, по их словам, больше площади удивила форма прогноза. Модель не рисовала огонь примерным кругом, а воспроизводила неровный, рваный край настоящего пожара. Для работы на пожаре это важно: точная граница решает, куда отправлять команды и какие кварталы эвакуировать. «Небольшая разница на карте может показаться несущественной, — заметил научный сотрудник Прабодх Паниндре, — но в реальной жизни она может быть очень значимой, потому что там может стоять критически важное здание».

В команде работают научный сотрудник Прабодх Паниндре, научный сотрудник Ананду Наир и профессор Сунил Кумар; Кумар и Паниндре также числятся в NYU Abu Dhabi. Через NYU подана предварительная патентная заявка в США.

Ограничения

Пока это исследовательский прототип: как оперативный инструмент на действующих пожарах он не применялся ни разу. Детальный метод и полная статистика не опубликованы в рецензируемой работе, известна метрика лишь по части прогонов, а описание достоинств по форме периметра пока остаётся без количественной меры. Паниндре сказал, что команда хочет дальнейших испытаний с пожарными департаментами и федеральными агентствами, прежде чем открывать доступ.

Похожая связка физики и машинного обучения сейчас отрабатывается во многих прикладных областях, и оформление таких результатов в рецензируемые публикации остаётся обязательной частью пути от пресс-релиза до доверия специалистов; на этом этапе молодым научным группам нередко нужна помощь с статьёй Scopus, от требований журнала до структуры текста.

«Что бы мы ни делали, мы стараемся, чтобы это влияло на спасение жизней, — сказал Паниндре. — Вот чем были сосредоточены мои исследования с Сунилом последние 20 лет».

Источник: пресс-релиз NYU Tandon School of Engineering через Phys.org от 28 октября 2026 года. Рецензируемая публикация о методе пока недоступна, поэтому цифры следует считать первыми оценками команды.