森林防火事關(guān)人民群眾生命財(cái)產(chǎn)安全和國(guó)家生態(tài)安全，雷擊是引發(fā)森林火災(zāi)最主要的天然火源，森林雷擊火監(jiān)測(cè)發(fā)現(xiàn)難、精準(zhǔn)定位難、撲救處置難，精準(zhǔn)、高效的森林雷擊火風(fēng)險(xiǎn)預(yù)報(bào)和探測(cè)預(yù)警技術(shù)與系統(tǒng)是實(shí)現(xiàn)雷擊火早期探測(cè)預(yù)警的關(guān)鍵，傳統(tǒng)的森林火災(zāi)識(shí)別模型通過火災(zāi)與背景的時(shí)空特征差異進(jìn)行火災(zāi)特征檢測(cè)，使森林火災(zāi)探測(cè)產(chǎn)生較高的誤報(bào)率。
以生態(tài)與自然保護(hù)學(xué)院劉曉東教授為負(fù)責(zé)人的森林草原火災(zāi)風(fēng)險(xiǎn)防控技術(shù)創(chuàng)新團(tuán)隊(duì)將火險(xiǎn)特征與火災(zāi)特征融合識(shí)別，提出了一種用于森林火災(zāi)探測(cè)的多模態(tài)融合人工智能模型MM-SRENet，如圖所示，該模型在復(fù)雜森林場(chǎng)景的多模態(tài)數(shù)據(jù)集上訓(xùn)練與驗(yàn)證，成功識(shí)別不同場(chǎng)景下的煙霧特征與火災(zāi)潛在風(fēng)險(xiǎn)，與單模態(tài)模型相比，煙霧圖像與火險(xiǎn)數(shù)據(jù)的融合使識(shí)別精度提高15%以上，達(dá)到了93.68%。本方法將森林火災(zāi)預(yù)警和探測(cè)過程融合分析建模，實(shí)現(xiàn)森林火災(zāi)高精度探測(cè)，為人工智能技術(shù)在森林火災(zāi)探測(cè)預(yù)警中的應(yīng)用探索出新的路徑。
該研究成果發(fā)表在人工智能領(lǐng)域一區(qū)Top期刊《Engineering Applications of Artificial Intelligence》（影響因子：7.5），并基于該成果申請(qǐng)了國(guó)家發(fā)明專利“一種多模態(tài)融合的森林火災(zāi)監(jiān)測(cè)預(yù)警技術(shù)、裝置和設(shè)備”。
工學(xué)院碩士研究生金佩嫻為論文第一作者，工學(xué)院程朋樂教授、生態(tài)與自然保護(hù)學(xué)院劉曉東教授為通訊作者，北京林業(yè)大學(xué)為第一完成單位。本研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“森林雷擊火風(fēng)險(xiǎn)預(yù)報(bào)和探測(cè)預(yù)警技術(shù)與系統(tǒng)”(2023YFC3006800)和國(guó)家自然科學(xué)基金（32171797）的資助。
