利用卫星图像、地理信息系统和机器学习预报火灾

预测和预报火灾的发生和强度不仅对于安全考虑以及财产保护至关重要，而且对理解复杂的气候变化现象也至关重要。在这种情况下，卫星已经成为监测火灾和提供准确信息的重要资源。利用从卫星获取的信息，我们可以建立能帮助我们更有效预测火灾的模型，同时该模型能帮助我们控制损失。接下来将介绍几种成功进行火灾预报的方法。

全球火灾天气数据库

NASA已经开发了一个全球火灾天气数据库( GFWED )。该数据库提供风、温度和湿度数据，这些数据可以与高分辨率卫星图像或任何遥感软件一起使用来预测爆发的位置。该模型提供了一个独特的火灾评分标准，可以精确定位更容易发生火灾的区域。在确定火灾可能性和预测火灾强度的同时，考虑风速以及风机火灾也很重要。NASA模型结合了导致火势蔓延的不同自然因素。

GFWED综合了多个来源的气象数据。包括来自NASA全球建模和同化办公室( GMAO )的MERRA - 2数据集的温度、相对湿度和风速数据。降水数据来自地面雨量计和全球降水测量任务的产物——综合多卫星检索系统( IMERG )。通过利用GMAO的天气预报，GFWED还生成了为期8天的全球火灾危险实验预报。

GFWED是由美国航空航天局（NASA）Goddard空间研究所的气候科学家罗伯特·菲尔德创建的。

菲尔德说，这个模型对印度尼西亚有很大帮助，在厄尔尼诺年期间，印度尼西亚经历了一个严重的火灾季节。印度尼西亚火灾多发地区有雨量计的气象站可能很少，所以卫星数据有助于填补该地区这类数据的空白。Fields补充道，因此该模型能够提供一个更准确的潜在火灾危险图片。

火灾预测的新兴技术

尽管机器学习有它自己的一系列挑战，并且土地覆盖和地形模式对于做出准确的评估很重要，但机器学习算法也有能力使用中等分辨率成像光谱辐射计( MODIS )数据预测野火。

还有一些方法在风险预测中考虑到了人和自然因素。例如，MODIS数据使用一些方法来评估不同地区。在非洲南部的内陆国家斯威士兰，其使用基于地理信息系统的方法来评估区域因素，并由此发现，土地条件是导致火灾发生的因素。该模型的精度超过90 %。卫星数据也可用来关联历史数据并跟踪历史模式。

Landsat数据

人们还可以使用Landsat数据预测火灾，并建立长期预测模型。借助过去的爆发记录、火灾事件、斜坡、坡向和天气状况数据都可以用来创建预测模型。观察历史数据趋势有助于我们理解一个地区火灾的发生，结合时下最新看法，其将成为一个强大的工具。

Landsat通常不用于监测短期火灾，但它在绘制难以接近的地形内的长期火灾图方面非常有用。它提供了植被再生长的合理指导。将这一领域的信息与带有陆地卫星数据的生物量和地面覆盖量相结合，有助于创建利于确定危险区域的燃料地图。

利用Landsat进行火灾预测。图片出于：科学指导

还有其他方法将分析、地理信息系统、遥感和当地环保人士的见解结合起来，以便更好地把握火灾。人们观察到，在许多情况下人类活动是幕后黑手。预测火灾的第一步是理解正确的条件，将它们与人为因素联系起来，然后得出最准确的结果。

来源：Geospatial World（版权归原作者及刊载媒体所有）