AI 驱动的野火检测可能会彻底改变响应

快速阅读: 据《宇宙》最新报道，巴西科研团队开发了一种基于卷积神经网络的AI系统，能以93%的准确率识别野火。该系统通过分析卫星图像实现高效检测，尤其适用于低分辨率图像中的小规模火灾。研究显示，此技术可补充现有野火监测系统，提高响应效率。这一成果有望增强亚马逊等生态保护区域的野火监控能力。

一种新的人工智能系统可能有助于更有效地检测野火，为早期预警和环境监测提供强大的工具。该系统由巴西亚马逊联邦大学的研究人员开发，并使用了一种卷积神经网络（卷积神经网络）——这是一种旨在以模仿人脑的方式处理视觉数据的AI模型。通过分析卫星图像，卷积神经网络能够以惊人的准确性识别野火。研究人员利用来自兰萨特8号和兰萨特9号卫星的图像训练了该程序，这些卫星每16天提供全球覆盖。这些卫星捕捉近红外和短波红外图像，这对于检测植被变化和地表温度变化——野火的关键指标至关重要。该模型在400张卫星图像上进行了训练——其中200张包含野火，200张不包含。它在区分受火灾影响和未受影响区域方面达到了93%的准确率。在对其训练集之外的40张新图像进行测试时，卷积神经网络正确识别了23张野火图像和所有16张非野火图像。随着进一步的数据曝光，AI预计会随着时间推移进一步提高其准确性。这些研究结果发表在《国际遥感杂志》上，表明卷积神经网络可以补充现有的AI驱动的野火监测系统并改进响应策略。合著者卡洛斯·门德斯教授，一位物理学博士，说道：“卷积神经网络模型作为大型监控系统的补充。”他说这包括广泛用于持续野火检测的基于卫星的中分辨率成像光谱仪（中分辨率成像光谱仪）和可见红外成像辐射仪套件（可见红外成像辐射仪套件）。“通过结合当前传感器的时间覆盖范围和我们模型的空间精度，我们可以显著提升关键生态保护区域的野火监测能力。”保护亚马逊（照片由法比奥·特谢拉/图片联盟/盖蒂图片社提供）

亚马逊是地球上生态至关重要的地区之一，同时也是极度濒危的地区。2024年，亚马逊雨林有4420万英亩的土地被烧毁，火灾爆发数量比2023年增加了42%。尽管实时卫星监测接近现实，但现有系统难以应对低分辨率图像，这使得检测小规模、偏远或隐蔽的火灾变得困难——例如隐藏在茂密森林树冠下的低温林下火灾。“能够检测和应对野火对于维持这些重要生态系统的微妙平衡至关重要，而亚马逊地区的未来取决于果断迅速的行动，”首席作者辛蒂娅·埃勒蒂里奥教授解释道。

为了进一步提高准确性，研究团队建议增加用于精炼卷积神经网络模型的训练图像数量。他们还建议将其应用范围扩展到野火检测之外，包括森林砍伐检测。

更多信息：自动化无人机群可以挽救我们于野火灭火的未来。这项研究为人工智能驱动的火灾检测、监测和预测领域贡献了越来越多的工作。澳大利亚野火研究中心最近强调了人工智能在改善火灾响应策略中的作用。这项研究为人工智能驱动的火灾检测、监测和预测领域贡献了越来越多的工作。“人工智能正在成为这一领域的关键工具，特别是在自动化从卫星、无人机和地面摄像头或传感器网络数据中检测火灾方面，”澳大利亚国立大学野火研究中心主任玛尔塔·耶布拉教授说。“随着气候变化加剧火灾风险，人工智能驱动的野火检测可能是革命性的，提供更快的警报、更聪明的预防措施，并在对抗日益严重的火灾中提供关键优势。”

(以上内容均由Ai生成)