在過去幾年中，隨著全球氣溫的上升和天氣模式的變化，美國遭受了毀滅性的野火襲擊，使這種自然現象變得特別難以預測和嚴重。為了提供幫助，斯坦福的研究人員找到了一種方法，利用機器學習和衛星影象追蹤和預測乾燥的高危地區。
目前測試森林和灌叢地對野火敏感性的方法是透過人工收集樹枝和樹葉，並測試其含水量。這種方法準確可靠，但顯然也相當耗費人力，而且難以規模化。幸運的是，研究人員最近有了其他的資料來源。歐空局的“哨兵 ”衛星和“陸地”衛星已經積累了大量的地球表面影象，經過仔細分析後，可以為評估野火風險提供第二種來源。
這並不是第一次嘗試從軌道影象中進行這種觀測，但之前的工作主要依賴於 "極度特定地點 "的視覺測量，這意味著分析方法因地點不同而有很大差異，其難於規模化。斯坦福團隊利用的先進技術是“哨兵”衛星的 "合成孔徑雷達"，它可以穿透森林樹蔭並對下面的地表進行成像。
“我們最大的突破之一就是研究了一組較新的衛星，這些衛星使用的波長要長得多，這使得觀測結果能夠對森林樹蔭深處的水分敏感得多，直接代表燃料水分含量，”該論文的資深作者、斯坦福生態學家Alexandra Konings在一份新聞稿中說。
該團隊將這些自2016年以來定期收集的新影象與美國林業局的人工測量結果一起“反饋”給了一個機器學習模型。這讓模型能夠“學習”影象中哪些特定的特徵與地面實測資料相關聯。然後，他們測試了所產生的人工智慧，讓它根據舊資料進行預測。它是準確的，而且對美國西部最常見的生物群落之一、也是最容易受野火影響的生物群落之一灌叢地的預測最準確。
你可以在這張互動式地圖上看到這個專案的結果，顯示了模型對美國西部不同時期的乾旱預測。這對消防員來說是對這一方法的驗證-但同樣的模型，在給出最新的資料後，可以對即將到來的野火季做出預測，這可以幫助有關部門在控制性燃燒、危險區域和安全警告方面做出更多的決策。
科學家的研究成果發表在《 Remote Sensing of Environment》期刊上。
在過去幾年中，隨著全球氣溫的上升和天氣模式的變化，美國遭受了毀滅性的野火襲擊，使這種自然現象變得特別難以預測和嚴重。為了提供幫助，斯坦福的研究人員找到了一種方法，利用機器學習和衛星影象追蹤和預測乾燥的高危地區。
目前測試森林和灌叢地對野火敏感性的方法是透過人工收集樹枝和樹葉，並測試其含水量。這種方法準確可靠，但顯然也相當耗費人力，而且難以規模化。幸運的是，研究人員最近有了其他的資料來源。歐空局的“哨兵 ”衛星和“陸地”衛星已經積累了大量的地球表面影象，經過仔細分析後，可以為評估野火風險提供第二種來源。
這並不是第一次嘗試從軌道影象中進行這種觀測，但之前的工作主要依賴於 "極度特定地點 "的視覺測量，這意味著分析方法因地點不同而有很大差異，其難於規模化。斯坦福團隊利用的先進技術是“哨兵”衛星的 "合成孔徑雷達"，它可以穿透森林樹蔭並對下面的地表進行成像。
“我們最大的突破之一就是研究了一組較新的衛星，這些衛星使用的波長要長得多，這使得觀測結果能夠對森林樹蔭深處的水分敏感得多，直接代表燃料水分含量，”該論文的資深作者、斯坦福生態學家Alexandra Konings在一份新聞稿中說。
該團隊將這些自2016年以來定期收集的新影象與美國林業局的人工測量結果一起“反饋”給了一個機器學習模型。這讓模型能夠“學習”影象中哪些特定的特徵與地面實測資料相關聯。然後，他們測試了所產生的人工智慧，讓它根據舊資料進行預測。它是準確的，而且對美國西部最常見的生物群落之一、也是最容易受野火影響的生物群落之一灌叢地的預測最準確。
你可以在這張互動式地圖上看到這個專案的結果，顯示了模型對美國西部不同時期的乾旱預測。這對消防員來說是對這一方法的驗證-但同樣的模型，在給出最新的資料後，可以對即將到來的野火季做出預測，這可以幫助有關部門在控制性燃燒、危險區域和安全警告方面做出更多的決策。
科學家的研究成果發表在《 Remote Sensing of Environment》期刊上。