结合人造卫星与气象预报资料探测山火的技术已被开发出来。该技术在各种环境变化下也能实现探测,预计有助于将大型山火可能造成的损失降至最低。
蔚山科学技术院(UNIST)地球环境城市建设工程系林正浩教授团队19日表示,已融合人造卫星资料与气象预报所用数值模型资料,开发出“可应对多种环境变化的山火探测技术”。团队还提出了可独立提取并组合卫星与数值模型资料的双模块神经网络(Dual-module Convolutional Neural Network, DM CNN)结构深度学习模型。
山火难以预测,因此通过实时监测快速应对至关重要。包括美国NASA在内的各国在山火探测方面,二十多年来一直仅依赖卫星资料。
研究团队摆脱仅依赖卫星资料的既有模式,尝试与气象预报使用的数值模型资料融合。数值模型资料可传输相对湿度、地表温度、卫星观测角等信息,团队结合这些多样资料计算目标地区的环境与观测条件。特别是为学习卫星主要使用的变量与数值模型提供信息的不同特性,开发了双模块神经网络模型。该模型可输入11X11像素图像,判断是否为山火。
研究团队将所开发技术与美国、日本、韩国使用的探测技术MODIS·VIIRS、AHI、AMI进行了比较。既有探测技术因湿度或太阳位置不同,各波长信号相互混杂,难以准确探测山火。而研究团队开发的模型同时考虑相对湿度等多种变量,环境变化不会影响探测精度,这是一大优势。
团队在多种环境变化条件下进行了实际运行实验。结果确认,所开发模型能比既有探测技术更准确地探寻山火位置。由于探测4平方公里的大范围空间,虽然卫星分辨率低于探测小范围(如1平方公里)的既有技术,但仍表现出更高的准确性。
地球环境城市建设工程系教授林正浩解释称:“本次研究最大化发挥了深度学习在融合具有多种特性的异质资料方面的优势”,“今后将成为为全球山火探测技术指明新方向的重要成果”。
本次研究由林正浩教授担任通讯作者,UNIST姜有珍博士与成泰俊同学为共同第一作者,研究得到气象厅高温领域长期原创技术研究项目、韩国科学技术情报通信部韩国研究财团基础研究项目、韩国环境部的基于观测的温室气体空间信息地图构建技术开发项目以及航空宇宙研究院的支持。研究成果于9月15日在遥感领域最高学术期刊《环境遥感》(Remote Sensing of Environment)上在线发表。






