AI帮助亚马逊雨林进行野火监测，通过率达到 93%

IT 世家 3 月 6 一项最新研究表明，模拟人脑功能的人工智能技术有望成为自动检测野火的强大工具，大大缩短了处理野火毁灭性影响所需的时间。该技术结合卫星成像技术和深度学习(人工智能和机器学习的子领域)构建了“神经网络算法”模型，其研究成果已在同行评审的《国际遥感杂志》上发表。

据 IT 世界了解到，研究小组使用亚马逊雨林的图像数据集来练习模型，其中包含了野火和无野火的图像，数据显示，该模型的成功率已达到 93%。为了加强早期预警系统，改善野火应对措施，该技术可以与现有的人工智能系统相结合。

“检验和应对野火对于保护这些脆弱的生态系统尤为重要。亚马逊的未来取决于果断而快速的行动。”这项研究的主要作者辛蒂亚，来自巴西马瑙斯亚马逊联邦大学。・埃莱特里奥教授表示，“我们的研究成果不仅可以改善亚马逊生态系统中的野火检测，还可以为世界其他地区的相关工作提供重要的帮助，显著帮助政府应对和管理此类事件。”

2023 2000年，亚马逊地区共出现 98,639 起火，亚马逊雨林占据巴西生态系统野火总量。 51.94%。近几年来，该地区的野火事件大幅增加。当前，亚马逊地区的监测提供了接近实时的数据，但其分辨率有限，很难在偏远地区或小规模火灾中检测到细节。

为了解决这个问题，研究小组采用了一种叫做“卷积神经网络”的方法（CNN）神经网络算法技术。CNN 通过因特网节点处理数据，是一种模仿人脑神经网络的机器学习算法。这个算法的性能随着数据量的增加而不断提高。来自研究小组的使用 Landsat 8 和 9 号码卫星的图像是对的 CNN 这些卫星配备了近红外线和短波红外线传感器，对于检查植被变化和地面温度变化尤为重要。

训练过程中，CNN 使用了 200 虽然样本数量有限，但张包括野火图像和同等数量的无野火图像，但 CNN 已经达到了练习阶段 93% 的准确率。接着，研究人员使用它 40 在训练数据集中，张未包含的图像对 CNN 测试区分能力，结果显示，这个模型被正确分类 24 在张有野火图像中 23 张，以及 16 张无野火图像中的所有图像，作为一种有效的野火检测工具，展示了其强大的泛化能力和潜力。

" CNN 该模型可作为当前监控系统的重要补充，为特定区域提供更详细的分析。通过将现有传感器的一般时间覆盖与我们模型的空间精度相结合，我们可以显著提高关键环保区域的野火监测能力。“这次探索的共同作者，物理学博士卡洛斯・门德斯教授说:“这种模式有望为政府提供更先进、更本地化的野火检测方法，作为一种广泛使用的卫星遥感系统(如中分辨率成像光谱仪) MODIS 红外成像辐射仪和可见红外辐射仪 VIIRS）强力补充。"

展望未来，研究小组建议增加 CNN 为了构建更强大的模型，训练图像数量。另外，他们还指出，CNN 在监控和控制森林砍伐等其他领域也可以使用技术。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com