第七届青年地学论坛

森林火灾已成为当今世界一大自然灾害。严重危害着地球生态系统、直接威胁人类的生命财产安全，并且产生的空气污染也会间接导致严峻的社会经济后果，甚至产生政治问题。因此，及时识别森林火灾并准确判断火线前进情况是帮助政府组织高效率的火灾救援，大幅减少森林火灾造成的损失的重要辅助手段，因此预测模型的实时性、准确性一直是研究者们关注的重点。
高时相卫星数据是构建森林火预测模型的重要数据保障，但是目前高时相卫星数据普遍具有地面分辨率低的特点，因此，传统的火点观测和基于火点观测的预警预测模型无论在实时监控和火情预测方面都存在着着较高的虚警率和信息漏读。因此，综合卫星遥感数据数据，深入挖掘火情相关联信息，综合多参数信息对于提高火情监测和预测的精确性具有重要意义。
本篇文章借由Hiwawari-8卫星获得的影像数据，采用了自定义搭建的全卷积神经网络对不同时空尺度下发生的火灾火点（Himawari-8）进行识别，并对火灾强度较大的几个月的风场，温度场，湿度场进行了分析，结合天气场分析结果辅助预报以此来实现对森林火灾更好的检测。
   通过与卫星中通常使用的亮温算法的得出的火点进行比较，可以发现本文使用的模型在保持准确率较高的情况下，结构及参数量较已有的研究都有所简化，模型的可靠性和实用性有所提高。
 

森林火灾，卷积神经网络，识别，天气场条件