作者：季风呈、赵文智、阿里巴巴达摩院AI Earth团队
对野火进行实时、准确地探测对于减少财产损失和人员伤亡具有重要意义。然而目前基于高分辨率影像变化检测或基于静止卫星的野火探测方法由于无法兼顾时间与空间的分辨能力，导致难以实现对野火的快速、准确探测。因此，如何结合不同观测卫星的优势开展对野火的实时准确监测是一项亟需解决的难题。
针对上述问题，北京师范大学地理科学学部2022级博士研究生季风呈在赵文智副教授和王桥院士的指导下，提出了一种耦合物理模型BRDF与深度学习模型LSTM的近实时野火探测框架，通过建立MODIS卫星影像与静止卫星GOES影像之间的映射关系，充分利用不同观测卫星的优势，联合开展野火的连续监测任务，实现了对野火的分钟级响应。为了建立分钟级的映射关系，论文首先利用辐射传输模型BRDF对MODIS卫星影像进行加密。不同于直接观测的影像，辐射传输模型能够根据电磁光谱和辐射传输特性定量描述反射率的值，在给定模型参数(包括地表特征和观测几何)的情况下生成虚拟、理想的遥感图像。随后，在静止卫星像素与MODIS卫星像素符合线性组合的假设下，基于MODIS地表覆盖产品，利用线性回归模型建立两者间的分钟级映射关系。其次，为了实现野火的实时探测，我们利用LSTM模型对生成的稠密MODIS影像进行滚动预测，并利用建立的映射关系得到未来一段时间内理论的静止卫星数据。最后，通过计算静止卫星实时观测数据与对应时刻理论数据之间的偏离程度对野火进行探测。

图1 野火实时探测整体框架

图2 滚动预测模型架构
论文以2021年7月19日发生在加拿大不列颠哥伦比亚省的两场火灾为例，采用了上述方法进行了实验，并利用GOES火灾产品进行了验证。结果表明论文所提方法能够实现分钟级的野火探测效果，并能够实时追踪野火的发展趋势。与传统事后的野火探测方法相比，本文所提方法旨在利用已有卫星数据源，在保证空间分辨率的同时提升观测的频率，实现了真正意义上的野火实时探测。论文的相关研究可为大尺度野火的近实时探测提供行之有效的解决方案。

图3 野火探测与追踪结果。（a）分钟级野火探测结果（b）分钟级野火追踪结果
上述研究成果实现过程中，阿里巴巴达摩院AI Earth团队提供了强大的云计算服务与算法优化方案，为本研究中野火的即时探测与野火蔓延情况的实时监测提供了技术支持。未来，我们将进一步深化与阿里巴巴达摩院AI Earth团队的合作，持续改进算法以提高野火探测的准确性与响应速度，构建一套完善的野火实时响应与监测平台。
上述研究成果发表在遥感领域国际权威杂志《IEEE Geoscience and Remote Sensing Letters》: Fengcheng Ji, Wenzhi Zhao, et al. Coupling physical model and deep learning for Near real-time wildfire detection[J]. IEEE Geoscience and Remote Sensing Letters, 2023. (IF=4.8，JCR一区，中科院二区)。
全文链接：https://ieeexplore.ieee.org/document/10225592