一项最新研究表明，一种模拟人脑功能的人工智能技术有望成为自动检测野火的强大工具，大幅缩短应对野火灾难性影响所需的时间。该技术通过结合卫星成像技术和深度学习构建了“人工神经网络”模型，其研究成果已发表在同行评审的据了解，研究团队使用亚马逊雨林的图像数据集对模型进行训练，其中包含有野火和无野火的图像，“检测并应对野火对于保护这些脆弱生态系统至关重要，亚马逊地区的未来取决于果断且迅速的行动。”该研究的主要2023 年，亚马逊地区共发生了 98,639 起野火，而亚马逊雨林占巴西生物群落野火总数的 51.94%。近年来，该地区野火事件显著增加。目前，亚马逊地区的监测提供接近实时的数据，但其分辨率有限，难以在偏远地区或小规模火灾中检测到细节。

　　为解决这一问题，研究团队采用了一种名为“卷积神经网络”的人工神经网络技术。CNN 是一种模仿人脑神经网络的机器学习算法，通过互联节点处理数据。随着数据量的增加，该算法的性能会不断提升。研究团队使用来自 Landsat 8 和 9 号卫星的图像对 CNN 进行训练，这些卫星配备了近红外和短波红外传感器，对于检测植被变化和地表温度变化至关重要。

　　在训练过程中，CNN 使用了 200 张包含野火的图像和同等数量的无野火图像，尽管样本数量有限，“CNN 模型可以作为现有监测系统的重要补充，为特定区域提供更详细的分析。通过将现有传感器的广泛时间覆盖与我们模型的空间精度相结合，我们可以在关键环境保护区域显著提升野火监测能力。”该研究的共同展望未来，研究团队建议增加 CNN 训练图像的数量，以构建更强大的模型。此外，他们还指出，CNN 技术还可以应用于其他领域，例如监测和控制森林砍伐。