为了预防随着气候变迁而来的毁灭性野火，史丹佛大学(Stanford University)研究团队发现使用机器学习和卫星影像的新方法，来追踪和预测高风险干燥地区。
目前透过人力收集树枝和树叶并检测其含水量，来验证森林和灌木丛是否好发野火的方法，虽准确又可靠，但缺点是需要密集劳力，也难以按比例绘制成图。
幸好还有其他数据来源可用，如欧洲太空总署(ESA)卫星Sentinel和Landsat就收集了大量的地表影像。这些地图经过仔细分析，便可做为评估野火风险的第二数据来源。
然而这并非第一次尝试从卫星影像观察气象灾难，但先前的视觉测量非常依赖极度精确的位置信息，分析方法便会因地点而异。
史丹佛大学团队则利用是Sentinel的合成孔径雷达(Synthetic Aperture Radar)，可以穿透森林树冠层，针对底下地表进行成像。
该研究论文作者之一、史丹佛大学生态学家Alexandra Konings表示，该研究重大突破在于使用了波长更长的新卫星，观察出来的数值会对树冠层的水分更为敏锐，还能直接表示燃料水分(Fuel Moisture)含量。
该团队自2016年以来定期收集地图，并配合美国国家森林局(USFS)人力测量的数据，一起供予机器学习模型，模型可借此学习卫星影像有哪些特征与基准真相(Ground Truth)测量相关。
团队还根据已知结果的旧数据进行预测，来测试AI是否准确。测试结果显示灌木丛容易遭受野火侵扰，而灌木丛正好常见于美国西部，是最容易受野火所苦的地区之一。
报导指出，对于消防人员而言，最重要的是能够利用相同的模型及最新数据来预测即将到来的野火季，进而掌握火灾动向、做出更准确的决策 。
{{item.content}}