全国购买咨询热线森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害。目前，由于受到全球气候异常的影响，我国许多地区高温、干旱、大风天气增多，致使火险等级居高不下。因此，需要加强森林防火应急系统的研究和开发，提高预防和扑救森林火灾的综合能力，将森林火灾损失降到最小程度。
林业市场的潜在增长势头
相比于土地、农业等自然资源部门，林业在我国的遥感应用市场占比相对较少，市场发展不温不火。除蚂蚁森林、三北防护林等标杆案例已用上大量的遥感技术外，多数林业部门还是以人工巡护的方式为主。
然而在欧美市场，由于森林面积庞大，人工成本过高，卫星遥感的能力就得到了充分发挥。加上近年来，山火等灾害频发，对人身财产安全造成了极大威胁。 以美国加州为例，过去八年里，电线引发了1500多起野火，其中包括该州历史上最致命的火灾。该州最大的公共服务公司，每年花费约14亿美元，需要砍伐超过30万棵树，修剪110万棵树。然而，每年因为各种原因倒塌的树木有接近800万棵。野火过于频繁和悲惨，摧毁了森林和房屋，并产生了破坏性的空气污染和碳排放。除此之外，气候变化和基础设施老化给电网和公共部门带来了越来越大的压力，在预算缩减和劳动力短缺的情况下，公共部门还必须努力防止停电和野火事件的发生。
除此之外，随着可持续发展目标的推进，各国政府非常重视绿色产业，林业监测与保护部门也得到了更大的话语权。
对于无法大规模获取准确、实时和预测性植被数据的公共服务部门，林业风险正在不断增加。顺应着这股遥感细分应用的潮流，植被遥感企业开始蓬勃发展。
加州用AI监测野火：1032个摄像头联网扫描森林异常
美国加州林业和消防保护局（Cal Fire）近日公布了一个新的项目，利用人工智能（AI）来检测森林火灾。该项目是与加州大学圣地亚哥分校（UCSD）合作开发的，名为“Alert California AI”，使用 1032 个 360 度旋转摄像头的视频信号，通过 AI 来“识别摄像头画面中的异常情况”。一旦发现潜在的火灾，就会通知紧急服务和其他有关部门，以判断是否需要采取应对措施。
该项目已于 7 月份启动，据路透社报道，已经成功扑灭了至少一起可能引发大火的火情。据悉在该事件中，一台摄像头在凌晨 3 点拍到了圣地亚哥东部偏远的克利夫兰国家森林（Cleveland National Forest）中一处初起的火焰。AI 立即发现了火势，并通知了一名消防队长，消防队长召集了大约 60 名消防员，包括 7 辆消防车、2 台推土机、2 辆水罐车和 2 支作业队，火势在 45 分钟内被扑灭。
“Alert California AI”技术网站称，他们使用从飞机和无人机上进行的激光雷达（LiDAR）扫描，生成“关于扫描表面的三维信息”。结合了树种的物理特征，来了解加州森林生物量和碳含量。Cal Fire 说，机器学习（ML）模型利用摄像头的 PB 级（1PB=1000TB）数据来区分烟雾和其他空气颗粒。
大地量子:遥感＋AI 成森林火灾预防和监测的重要手段
针对林地面积大、森林类型多样化的特点，大地量子利用卫星遥感＋AI 技术，采用米级和亚米级高分辨率卫星对目标区域进行林地信息采集。通过卫星影像精校正系统对影像进行预处理， 结合专业化的解译和判读技术对林区地物信息进行提取和分类。着重将森林和草地两种林地资源进行高精度分类，并提供林草资源动态监测调查报告和季度林地变化检测报告。
大地量子利用基于时序模型的分类算法，对卫星遥感影像进行分类处理，得到森林、草地等林地资源的分布情况。下图为 2020 年第 1 季度木里藏族自治县项脚蒙古族乡的森林分布情况，森林面积共 110.432 平方千米。
在卫星遥感数据中不同的电磁波谱范围对温度和地物类型有着不同的光谱响应，这也是利用卫星遥感数据进行火灾应急监测、灾后损失评估的基础。
遥感火点判识的基本原理主要依靠温度升高导致热辐射增强，以及不同热红外通道增长幅度差异这两个条件。自然界的不同物体由于自身温度及物理化学性质的不同，它们具有不同的波谱特性。当物质燃烧时，主要的辐射源是火焰和具有较高温度的碳化物、水蒸气、烟等。
卫星林火监测算法一般将火点按亮温大小分为绝对火点与相对火点。绝对火点的识别是依据火点本身中红外辐射特征，而相对火点的识别则是依据火点辐射与背景辐射之间的差异。
大地量子的卫星火点报警正是应用了上述原理，利用不同波长热辐射的差异性判定火点。若以物体未发生燃烧时的辐射为背景辐射，利用燃烧辐射与背景辐射的差异，可以从卫星遥感数据中火点位置和开始时间等重要信息。
大地量子的林火监测可连续跟踪与监测森林火灾发生与发展的动态过程并提供详尽的灾情信息，如林火发生位置、发生与结束时间、火点数量、过火区域面积、承灾体地物类型、天气预报等。
森林过火面积是指被火烧过的面积，不论火烧程度如何均属于受灾面积。过火面积是森林火灾最基本的描述因子，同时也是林火应急响应等级评估的重要评估因子。过火面积能反映火灾对森林植被的影响及其损失信息，评价火灾对生态环境的影响。卫星遥感具有成像周期短、覆盖范围广的特点，非常适用于森林火灾的监测和过火面积的估算。
森林火灾发生后，其地物的光谱特征与火灾发生前相比显然发生了明显的变化，一般来说，由于地物部分或者全部被火烧毁，地物颜色将变深变暗，从而会导致在可见光波段的光谱反射率有明显的下降。大地量子根据火灾前后的植被覆盖状况进行对比，建立过火面积估算模型。通过本方法，大地量子估算出 2020 年木里县森林火灾受影响区域面积约为 83.370 平方千米。
