AI通过卫星图像找到野火危险区吗？

由于气候变暖和气候模式的变化，过去几年来美国一直遭受野火的困扰。当然，这种自然现象是严重的灾难，自然无法预测。斯坦福大学的研究人员找到了一种使用机器学习和卫星成像技术来调查和预测干燥，危险区域的方法。

目前，森林火灾的预测形式是通过人工收集树枝和树叶来使用森林或灌木丛区域检查方法调查水分。这是一种准确而可靠的方法，但是需要时间并且很难大规模进行。

但是，如果您收集了大量的地面图像并通过ESA的卫星前哨信号和地面进行详细分析，则可以获取数据源来评估野火风险。以前存在使用卫星图像的观察方法，但是根据人眼判断的位置，观察方法差异很大。当然，要调查大面积区域很困难。研究小组使用的新方法允许使用卫星内雷达穿透森林并查看底面图像。

研究小组说，这项研究是由一种新型的卫星构想的，它使用了比以前更长的波长，因此，可以观察森林深处的水分并直接显示水分含量。研究团队将美国林业部门手动测量的数据添加到2016年以来定期收集的新图像中，并将其输入到机器学习模型中。该模型学习图像中各种特征与地面测量值之间的相关性。

然后，通过预测已经知道答案的旧数据对通过这种方式获得的AI代理进行了测试。结果是正确的，但其中大多数是丛林，是美国西部最容易发生野火的地区和最大的生态系统之一。您还可以查看从整个西部的年度模型获得的干燥度预测。这不是对消防员的特定帮助，但是将最新数据添加到同一模型中可以提供对未来野火季节的预测，并允许当局针对危险区域或安全警报做出明智的决定。此处的相关信息可以在（此处的论文）中找到。