一項(xiàng)突破性的研究表明，人工智能技術(shù)模仿人腦功能，在自動檢測野火方面展現(xiàn)出了巨大潛力，這將極大提升應(yīng)對野火災(zāi)害的效率。這項(xiàng)研究的成果已被《國際遙感雜志》發(fā)表，并引起了廣泛關(guān)注。

研究團(tuán)隊(duì)構(gòu)建了一個名為“人工神經(jīng)網(wǎng)絡(luò)”的模型，該模型結(jié)合了衛(wèi)星成像技術(shù)和深度學(xué)習(xí)算法。為了訓(xùn)練這個模型，研究團(tuán)隊(duì)使用了包含有野火和無野火圖像的亞馬遜雨林?jǐn)?shù)據(jù)集。結(jié)果顯示，該模型在檢測野火方面的準(zhǔn)確率高達(dá)93%。

辛蒂亞·埃萊特里奧教授，來自巴西馬瑙斯亞馬遜聯(lián)邦大學(xué)，是該研究的主要作者。她表示：“檢測并應(yīng)對野火對于保護(hù)脆弱的生態(tài)系統(tǒng)至關(guān)重要，亞馬遜地區(qū)的未來取決于我們的迅速行動。我們的研究成果不僅有助于改善亞馬遜雨林中的野火檢測，還能為全球其他地區(qū)的野火管理工作提供重要支持?！?/p>

亞馬遜地區(qū)近年來野火事件頻發(fā)，2023年共記錄了98,639起野火，占巴西生物群落野火總數(shù)的51.94%。雖然現(xiàn)有的監(jiān)測系統(tǒng)提供接近實(shí)時的數(shù)據(jù)，但其分辨率有限，特別是在偏遠(yuǎn)地區(qū)或小規(guī)?；馂?zāi)中難以捕捉到細(xì)節(jié)。

為了克服這一挑戰(zhàn)，研究團(tuán)隊(duì)采用了名為“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)，并且隨著數(shù)據(jù)量的增加，性能會不斷提升。研究團(tuán)隊(duì)利用來自Landsat 8和9號衛(wèi)星的圖像對CNN進(jìn)行了訓(xùn)練，這些衛(wèi)星配備了關(guān)鍵的傳感器，能夠檢測植被和地表溫度的變化。

在訓(xùn)練過程中，CNN使用了200張包含野火的圖像和相同數(shù)量的無野火圖像。盡管樣本數(shù)量有限，但CNN在訓(xùn)練階段已經(jīng)展現(xiàn)出了93%的高準(zhǔn)確率。為了測試CNN的泛化能力，研究人員使用了40張未包含在訓(xùn)練數(shù)據(jù)集中的圖像。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。

卡洛斯·門德斯教授，該研究的共同作者，強(qiáng)調(diào)了CNN模型作為現(xiàn)有監(jiān)測系統(tǒng)重要補(bǔ)充的潛力。他表示：“通過將現(xiàn)有傳感器的廣泛時間覆蓋與CNN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。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，成為廣泛使用的衛(wèi)星遙感系統(tǒng)的有力補(bǔ)充?！?/p>