瑞典皇家理工学院宣布开发出一种利用卫星数据和机器学习的新技术用于更有效的监测森林火灾并分析灾后损害。
2018年瑞典北部森林曾发生严重火灾,由于当时用直升机和无人机采集光学图像、GPS位置及其他火灾信息,效率低、时效性差,对森林灭火指引效果不佳。
瑞典皇家理工学院的新技术以NASA的装备红外光传感器、雷达系统的Esas
Sentinel-1、Sentinel-2、Landsat、Viirs及Modis卫星的24小时免费开放数据为基础,通过深度人工CNV机器学习技术来分析计算目标区域火灾前后图像之间的比率对数,然后将结果转化为二进制图像以区分燃烧区域和未燃烧区域,从而更准确的获得火灾位置、燃烧程度等信息。
2017年-2018年间,瑞典皇家理工学院的研究团队与加拿大不列颠哥伦比亚省自然资源和农村发展部研究人员合作,追踪分析500多起森林火灾,对此技术进行了验证改善。瑞典民事应急局将于今年夏天将此纳入火灾监测新手段,以进一步检验其实际效果。

图片 1

作者 | 神经小姐姐

本文经授权转载自超神经HyperAI

4 月 4
日,四川凉山的森林大火罹难者又增加了一位,这场无情的灾难中,遇难的救火人员总数达到了
31 位。这是一个令人沉痛的数字。

森林火灾没有办法完全避免,我们也经常在报道中,听闻火灾带来的巨大损失。那么对于森林大火的,有没有能够抵挡的方式呢?

在救灾工作中,及时掌握全面而准确的信息,以实现资源的合理分配,是至关重要的。而现在,基于
AI
的技术,正在发挥着一些作用,它能够帮助我们与时间赛跑,挽回更多生命和损失。

也许在下一次面对大火的时候, AI 能够帮助我们抵挡住野火的肆虐。

在火灾中发挥作用的 AI 技术

场景介绍:对于无法消除的森林火灾问题,AI
技术结合卫星图像,能够在救灾过程过程中作出及时合理的见解,帮助人们将损失降到最低。

关键词:火灾救援、卫星影像、卷积神经网络

在去年损失惨重的加州大火中,就有一家叫 CrowdAI
的公司通过卫星数据,综合图像视觉技术参与了救援。

CrowdAI 使用 Spacenet 和 Deepglobe 的卫星图像,以及 DigitalGlobe 和
Planet Labs 的数据,训练卷积神经网络。

只需一秒钟的时间,就能预测和评估受灾程度,再将评估结果报告给救援指挥中心,帮助科学调配救援资源,制定更科学的救援方案。

图片 2

对卫星图像实现建筑物的识别

借助于 CrowdAI
自定义的深度学习模型,除了标注常规的房屋建筑,还扩大到了独立结构,比如车棚、公用设施棚和谷仓等。

在那一次的火灾中,从卫星图像中识别出结构后,根据受灾前后的图像对比, AI
模型用红点标识出损坏所在的位置。

图片 3

对受损建筑等用红点标记

拓展到整个地区,通过标记点的数量定出受灾的严重程度,就能用不同的颜色区别出受灾的程度。

最后在 Google Earth 或 ArcGIS 上标记出来,就能为救灾和重建工作做出指导。

图片 4

不同区域的受灾程度

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图