IT之家 3 月 6 日消息，一項(xiàng)最新研究表明，一種模擬人腦功能的人工智能技術(shù)有望成為自動檢測野火的強(qiáng)大工具，大幅縮短應(yīng)對野火災(zāi)難性影響所需的時(shí)間。該技術(shù)通過結(jié)合衛(wèi)星成像技術(shù)和深度學(xué)習(xí)（人工智能和機(jī)器學(xué)習(xí)的一個子領(lǐng)域）構(gòu)建了“人工神經(jīng)網(wǎng)絡(luò)”模型，其研究成果已發(fā)表在同行評審的《國際遙感雜志》上。
據(jù)IT之家了解，研究團(tuán)隊(duì)使用亞馬遜雨林的圖像數(shù)據(jù)集對模型進(jìn)行訓(xùn)練，其中包含有野火和無野火的圖像，結(jié)果顯示該模型的成功率達(dá)到 93%。該技術(shù)能夠與現(xiàn)有的人工智能系統(tǒng)相結(jié)合，以增強(qiáng)早期預(yù)警系統(tǒng)并改善野火應(yīng)對策略。
“檢測并應(yīng)對野火對于保護(hù)這些脆弱生態(tài)系統(tǒng)至關(guān)重要，亞馬遜地區(qū)的未來取決于果斷且迅速的行動?！痹撗芯康闹饕髡?、來自巴西馬瑙斯亞馬遜聯(lián)邦大學(xué)的辛蒂亞?埃萊特里奧教授表示，“我們的研究成果不僅可以改善亞馬遜生態(tài)系統(tǒng)中的野火檢測，還能為全球其他地區(qū)的相關(guān)工作提供重要助力，顯著協(xié)助當(dāng)局應(yīng)對和管理此類事件?！?/p>
2023 年，亞馬遜地區(qū)共發(fā)生了 98,639 起野火，而亞馬遜雨林占巴西生物群落野火總數(shù)的 51.94%。近年來，該地區(qū)野火事件顯著增加。目前，亞馬遜地區(qū)的監(jiān)測提供接近實(shí)時(shí)的數(shù)據(jù)，但其分辨率有限，難以在偏遠(yuǎn)地區(qū)或小規(guī)?；馂?zāi)中檢測到細(xì)節(jié)。
為解決這一問題，研究團(tuán)隊(duì)采用了一種名為“卷積神經(jīng)網(wǎng)絡(luò)”（CNN）的人工神經(jīng)網(wǎng)絡(luò)技術(shù)。CNN 是一種模仿人腦神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，通過互聯(lián)節(jié)點(diǎn)處理數(shù)據(jù)。隨著數(shù)據(jù)量的增加，該算法的性能會不斷提升。研究團(tuán)隊(duì)使用來自 Landsat 8 和 9 號衛(wèi)星的圖像對 CNN 進(jìn)行訓(xùn)練，這些衛(wèi)星配備了近紅外和短波紅外傳感器，對于檢測植被變化和地表溫度變化至關(guān)重要。
在訓(xùn)練過程中，CNN 使用了 200 張包含野火的圖像和同等數(shù)量的無野火圖像，盡管樣本數(shù)量有限，但 CNN 在訓(xùn)練階段已達(dá)到 93% 的準(zhǔn)確率。隨后，研究人員使用 40 張未包含在訓(xùn)練數(shù)據(jù)集中的圖像對 CNN 的區(qū)分能力進(jìn)行測試，結(jié)果表明，該模型正確分類了 24 張有野火圖像中的 23 張，以及 16 張無野火圖像中的全部圖像，展現(xiàn)了其強(qiáng)大的泛化能力和作為有效野火檢測工具的潛力。
“CNN 模型可以作為現(xiàn)有監(jiān)測系統(tǒng)的重要補(bǔ)充，為特定區(qū)域提供更詳細(xì)的分析。通過將現(xiàn)有傳感器的廣泛時(shí)間覆蓋與我們模型的空間精度相結(jié)合，我們可以在關(guān)鍵環(huán)境保護(hù)區(qū)域顯著提升野火監(jiān)測能力?！痹撗芯康墓餐髡摺⑽锢韺W(xué)博士卡洛斯?門德斯教授表示，“該模型有望為相關(guān)當(dāng)局提供更先進(jìn)、更本地化的野火檢測方法，作為廣泛使用的衛(wèi)星遙感系統(tǒng)（如中分辨率成像光譜儀 MODIS 和可見紅外成像輻射儀 VIIRS）的有力補(bǔ)充?！?/p>
展望未來，研究團(tuán)隊(duì)建議增加 CNN 訓(xùn)練圖像的數(shù)量，以構(gòu)建更強(qiáng)大的模型。此外，他們還指出，CNN 技術(shù)還可以應(yīng)用于其他領(lǐng)域，例如監(jiān)測和控制森林砍伐。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。